4 ottobre 2018

Daniele Riboni

Università di Cagliari
http://www.unica.it

Applicazione basata su sensori per il monitoraggio dell'assunzione dei farmaci

Daniele Riboni è professore associato presso il Dipartimento di Matematica e Informatica dell'Università di Cagliari. Il suo principale ambito di ricerca riguarda la gestione della conoscenza nei sistemi mobili e pervasivi, con particolare riferimento al riconoscimento automatico di attività umane e alla protezione della privacy.

Daniele Riboni is an associate professor at the Department of Mathematics and Computer Science at Università di Cagliari. His main research area concerns the management of knowledge in mobile and pervasive systems, with particular reference to the automatic recognition of human activities and the protection of privacy.

SESSIONE 6. INDUSTRIA 4.0 E IOT

Applicazione basata su sensori per il monitoraggio dell'assunzione dei farmaci

Poiché le azioni farmacologiche dipendono dalla dose e dal tempo, l'aderenza a quando prescritto per l’assunzione dei farmaci è essenziale per l'efficacia delle terapie. Purtroppo, diversi studi dimostrano che quando i pazienti sono essi stessi responsabili per la somministrazione dei farmaci, c’è scarsa aderenza alle prescrizioni mediche. Quindi diventa necessario ideare metodi efficaci per valutare a distanza la conformità dei farmaci che si assumono e sostenere l'auto-somministrazione di farmaci. I metodi esistenti includono promemoria elettronici come il servizio di messaggi brevi e app per il promemoria delle pillole. Sebbene questi strumenti possano aiutare, c’è la possibilità che interferiscano con la normale routine dei pazienti fornendo promemoria inutili o in un momenti inappropriati. Soluzioni più sofisticate includono l'uso di imballaggi intelligenti e sensori per quantificare e monitorare l'assunzione dei farmaci. Quelle soluzioni che invece non interferiscono con le normali routine, attualmente sono limitati ai pazienti coinvolti in alcuni studi clinici. In questo articolo, introduciamo un nuovo sistema per supportare l'auto-somministrazione di farmaci senza interferire con la routine del paziente. Il sistema è basato su una combinazione di sensori (di costo accessibile) e smartphone. Sensori a bassa energia dotati di bluetooth e attaccati alle scatole dei medicinali comunicano i dati di movimento ad un'applicazione in esecuzione sullo smartphone del paziente. Grazie ad un algoritmo di apprendimento automatico, l'app rileva i momenti di assunzione dei farmaci e manda reminder all'utente solo quando è necessario. L'apprendimento attivo è usato per migliorare i tassi di riconoscimento grazie al feedback dell'utente.


A Sensor-based App for Self-Monitoring of Pill Intake

Since drug actions are dose- and time-dependent, adherence to prescribed medications is essential for the effectiveness of therapies. Unfortunately, several studies show that when patients are responsible for treatment administration, poor adherence is prevalent. Hence, it is necessary to devise effective methods to remotely assess medication compliance and support self-administration of drugs. Existing methods include electronic reminders such as short message service reminders and pill reminder apps. Although those tools may help increasing adherence, they interfere with the normal routine of patients by providing unnecessary reminders, or providing the reminder at an unfortunate time. More sophisticated solutions include the use of smart packaging and ingestible sensors to quantify and monitor drug intake. While those solutions do not interfere with normal routines, currently they are restricted to patients involved in a few clinical studies. In this paper, we introduce a novel system to support self-administration of drugs without interfering with the patient's routines. The system is based on a combination of cheap sensors and a smartphone. Tiny Bluetooth low energy sensors attached to medicine boxes communicate motion data to an app running on the patient's smartphone. Thanks to a machine learning algorithm, the app detects intake events, and reminds the user only when needed. Active learning is used to improve recognition rates thanks to the user's feedback.

 


Sponsor

DELL EMC
Palo Alto Networks
INTEL

juniper networks
maticmind