Monitorización Inteligente de Pacientes.
Sistema de sensores con IA para la atención geriátrica
Sobre el proyecto
Las caídas, la incontinencia y las anomalías de temperatura son algunos de los principales riesgos para los residentes de centros geriátricos, y muchas veces no se detectan a tiempo, especialmente durante la noche. Este Trabajo Fin de Grado propone un sistema de monitorización práctico, económico y no intrusivo que puede desplegarse en cualquier tipo de geriátrico.
El sistema se compone de unidades Arduino Nano 33 BLE Sense colocadas en el lecho y el suelo de cada habitación, que capturan temperatura, humedad y datos de movimiento, y ejecutan un modelo de detección de caídas TinyML directamente en el microcontrolador. Una Raspberry Pi 4 actúa como hub de comunicación, reenviando los datos vía MQTT a un panel de control en tiempo real desarrollado con PyQt5 para el personal sanitario.
El modelo de detección de caídas, entrenado y desplegado con Edge Impulse, obtuvo un F1-score del 99.1% en el conjunto de test. El sistema fue validado en una maqueta física de una habitación geriátrica, confirmando la detección fiable de caídas, anomalías de humedad y variaciones de temperatura sin retardo perceptible. El proyecto fue calificado con Matrícula de Honor.
99.1%
F1-score en detección de caídas
M. Honor
calificación del jurado
Características
Detección de caídas
Un modelo TinyML entrenado con Edge Impulse utiliza detección de anomalías k-means sobre datos del acelerómetro para identificar caídas en tiempo real, directamente en el microcontrolador.
Temperatura y humedad
El sensor HTS221 monitoriza continuamente la temperatura y humedad del lecho, detectando fiebre, hipotermia o episodios de incontinencia.
Alertas en tiempo real
El panel PyQt5 destaca inmediatamente las habitaciones afectadas con alertas visuales y sonoras, permitiendo al personal actuar sin demora.
Diseño no intrusivo
Los sensores se colocan en el lecho y el suelo, sin cámaras ni dispositivos llevables. Los pacientes son monitorizados de forma discreta, preservando su privacidad.
Arquitectura escalable
Añadir una nueva habitación solo requiere configurar un nuevo topic MQTT y una nueva unidad de sensores. El sistema se adapta a cualquier tamaño de instalación.
Hardware de bajo coste
Construido sobre Arduino y Raspberry Pi, el sistema es accesible y fácil de instalar en cualquier geriátrico, independientemente del presupuesto.
Tecnología
El sistema combina hardware y software embebido. Las unidades Arduino Nano 33 BLE Sense ejecutan inferencia TinyML localmente con TensorFlow Lite y se comunican por serial con una Raspberry Pi 4. La Pi reenvía los datos a un broker MQTT (Mosquitto) en un ordenador central, donde una aplicación PyQt5 ofrece la interfaz de monitorización en tiempo real al personal sanitario.
Hardware
Software
Calificado con Matrícula de Honor — Escola Politècnica Superior d'Alcoi, Universitat Politècnica de València.