Sistema remoto distribuído para avaliação da função autonômica em indivíduos com diabetes mellitus

Abstract

A quantidade de adultos com Diabetes Mellitus (DM) no mundo é estimada em 460 milhões, dos quais quase 17 milhões estão no Brasil, sendo a maior prevalência de DM na América Latina. Os indivíduos com DM podem desenvolver diversas complicações, onde a Neuropatia Autonômica Cardiovascular (NAC) é uma das mais comuns e graves. Ela causa disfunção das fibras nervosas do Sistema Nervoso Autônomo (SNA) que modulam o comportamento do Sistema Cardiovascular (SCV) e está associada a taquicardia ventricular e infarto do miocárdio. Porém, cerca da metade dos indivíduos com DM não sabem que estão com a doença, e busca por tratamento da complicação quando a disfunção do SNA já está estabelecida. Este problema é agravado em regiões distantes de grandes centros médicos pela falta de atendimento especialista, aumentando o índice de morbi-mortalidade nesta população. Portanto, é de extrema importância a utilização de estratégias de screening, que ajudam no rastreamento e prognóstico da NAC, aliado a sistemas remotos distribuídos, permite maior alcance desta população. Neste contexto, a solução proposta neste trabalho compõe um projeto em desenvolvimento no Instituto de Engenharia Biomédica da Universidade Federal de Santa Catarina (IEB-UFSC), que visa a implementação de um ecossistema ubíquo com ferramentas de screening e auxílio ao diagnóstico precoce de complicações do DM com uma base de dados na nuvem, chamado de SDC-X (Screening for Diabetes Complications). Este trabalho apresenta o desenvolvimento do módulo de aquisição, armazenamento e análise do subsistema X-Cardio, que analisa a Variabilidade da Frequência Cardíaca (VFC) e reflexos cardiovasculares como prova de conceito da infraestrutura geral do SDC-X. O módulo de aquisição é formado por dois dispositivos portáteis em uma rede Wireless que captura os biossinais de eletrocardiograma (ECG), fotopletismografia (PPG) e respiração e os envia em tempo real ao módulo concentrador. O módulo de armazenamento é composto por dois serviços na nuvem, que permitem o armazenamento remoto e distribuído das informações em uma Base de Dados como Serviço (DBaaS - Database-as-a-service) MongoDB Atlas e a plataforma de armazenamento de arquivos S3 da Amazon AWS. O módulo de análise consiste em um sistema Web composto por uma aplicação de back-end (i.e., acessa as informações do módulo de armazenamento) e uma aplicação de front-end (i.e., interface gráfica para o usuário). Para a avaliação de aquisição dos sinais, foram feitos testes de taxa de amostragem e transferência de dados via Wi-Fi; O primeiro teste se deu pela aplicação de ondas senoidais típicos da banda de frequência dos sinais coletados, analisando os respectivos espectros de frequência; e o segundo teste foi realizado variando-se o tamanho do pacote de dados enviado, verificando a taxa média de transferencial. Estes testes comprovaram a performance necessária de aquisição, garantindo integridade na etapa subsequente de processamento. O sistema também foi validado em um estudo piloto que o utilizou como uma ferramenta para coleta, armazenamento e análise de resultados. Portanto, conclui-se que o sistema desenvolvido demonstrou ser uma solução possível para realizar o screening de complicações do DM, uma vez que fornece uma ferramenta capaz de avaliar a função autonômica via VFC de forma remota com um sistema distribuído com dados centralizados em nuvem. Além disso, valida a infraestrutura do SDC-X, permitindo que novos métodos de aquisição e análise sejam adicionados ao sistema no futuro.

Abstract: The number of adults with Diabetes Mellitus (DM) in the world is estimated at 460 million. Almost 17 million are in Brazil, being the highest prevalence of DM in Latin America. Subjects with DM can develop several complications, whereas Cardiovascular Autonomic Neuropathy (CAN) is most common and severe. It causes dysfunction of the Autonomic Nervous System (ANS) nerve fibers that modulate the behavior of the Cardiovascular System (CVS) and is associated with ventricular tachycardia and myocardial infarction. However, about half of individuals with DM do not know they have the disease, being treated for complications only when they are already established. This problem is aggravated in regions far from large medical centers due to the lack of specialist care, increasing this population's morbidity and mortality rate. Therefore, it is imperative to use screening strategies, which help in the tracking and prognosis of CAN, combined with remote distributed systems, allowing a greater reach of this population. The solution proposed is the project under development at the Institute of Biomedical Engineering of the Federal University of Santa Catarina (IEB-UFSC), which aims to implement a ubiquitous ecosystem called SDC-X (Screening for Diabetes Complications), with screening tools and a cloud database applied in the early diagnosis of DM complications. This work proposes developing the acquisition, storage and analysis module of the X-Cardio subsystem, which analyzes the Heart Rate Variability (HRV) and cardiovascular reflexes as a proof of concept of the general infrastructure of the SDC-X. The acquisition module consists of two portable devices connected to a wireless network, which record the electrocardiogram (ECG), photoplethysmography (PPG), and respiration biosignals; these signals feed the concentrator module in real-time. The storage module comprises two cloud services, MongoDB Atlas and the S3 file storage platform from Amazon AWS that allow remote and distributed information storage in a Database as a Service (DBaaS). The analysis module consists of a web system composed of a backend application (i.e., accesses the information from the storage module) and a frontend application (i.e., graphical user interface). Tests of sampling rate and data transfer via Wi-Fi were carried out to evaluate the acquisition module. The first test was carried out by applying sine waves typical of the frequency band of the collected signals, analyzing the respective frequency spectra. The second test was performed by varying the size of the data packet sent, verifying the average transfer rate. These tests proved the necessary acquisition performance, ensuring integrity in the subsequent processing step. The system was also validated in a pilot study that used it as a tool for data collection, storage and analysis. Thus, the developed system proved to be a possible solution to screen DM complications. It provides an instrument capable of remotely evaluating the autonomic function via HRV with a centralized data distribution system in the cloud. In addition, it validates the SDC-X infrastructure, allowing new acquisition and analysis methods to be added to the system in the future.