Resumen:
El seguimiento de los signos vitales constituye una herramienta esencial tanto en la
prevención como en el tratamiento de diversas enfermedades, al posibilitar la detección temprana
de cambios en la salud de los pacientes. En la historia estos sistemas se han restringido en recintos
hospitalarios, lo que complica la monitorización continua de pacientes con enfermedades crónicas o
en condiciones de riesgo según lo mencionado por (Shaik, y otros, 2023). Ahora se tiene como
prioridad el desarrollo de las tecnologías que faciliten la calidad de vida como es la introducción del
Internet de las Cosas (IoT), lo que da lugar al desarrollo dispositivos capaces de recopilar y transmitir
datos en tiempo real, aumentando así la accesibilidad y la efectividad de realizar monitoreo a
distancia.
Un reto importante en el monitoreo de los signos vitales es el análisis de grandes paquetes
de entrada de información para identificar de forma automática patrones anómalos. En este sentido,
utilizar la Inteligencia Artificial y técnicas de aprendizaje automático se convierte en una estrategia
clave para optimizar la detección de irregularidades, disminuyendo los falsos positivos y aumentando
la precisión en las decisiones de un diagnóstico o tratamiento. Las plataformas como Firebase
ofrecen una infraestructura segura y escalable para almacenar datos o información, que
posteriormente se puede analizar, facilitando el acceso a estos datos a los profesionales de salud y
permitiendo la implementación de sistemas de alerta automáticos.
El estudio desarrollado en este trabajo tiene como finalidad desarrollar un sistema de
visualización de signos vitales, que utilice la combinación de IoT e IA, utilizando una tarjeta Argon de
Particle y Firebase para almacenar datos en tiempo real y con la ayuda de una RN identificar
patrones anómalos. Se espera que este sistema potencie la eficiencia del seguimiento remoto de
pacientes y ofrezca una solución tecnológica innovadora para el ámbito médico. La integración de
IoT, IA y almacenamiento en la nube representa una estrategia prometedora para la modernización
del monitoreo de salud, facilitando intervenciones clínicas más rápidas y precisas(SEMERGEN), 2021).
Descripción:
Monitoring vital signs is an essential tool in both the prevention and treatment of various diseases, enabling the early detection of changes in patients' health. Historically, these systems have been restricted to hospital settings, complicating the continuous monitoring of patients with chronic illnesses or those at risk, as mentioned by Shaik et al. (2023). Now, the development of technologies that improve quality of life, such as the Internet of Things (IoT), is a priority. This has led to the development of devices capable of collecting and transmitting data in real time, thus increasing the accessibility and effectiveness of remote monitoring. A significant challenge in vital sign monitoring is the analysis of large datasets to automatically identify anomalous patterns. In this sense,
using Artificial Intelligence and machine learning techniques becomes a key strategy
for optimizing the detection of irregularities, reducing false positives, and increasing
the accuracy of diagnostic and treatment decisions. Platforms like Firebase
offer a secure and scalable infrastructure for storing data or information, which
can then be analyzed, facilitating access to this data for healthcare professionals and
enabling the implementation of automatic alert systems.
The study developed in this work aims to develop a vital signs visualization system that uses a combination of IoT and AI, utilizing a Particle Argon card and Firebase to store data in real time and, with the help of a remote RN, identify
anomalous patterns. This system is expected to enhance the efficiency of remote patient monitoring and offer an innovative technological solution for the medical field. The integration of IoT, AI, and cloud storage represents a promising strategy for modernizing health monitoring, facilitating faster and more accurate clinical interventions (SEMERGEN, 2021).