Ítem
Acceso Abierto
Cuidado neonatal mediante internet de las cosas médicas: validación y evaluación de un sistema de monitoreo en incubadoras
Título de la revista
Autores
Tabares Sánchez, Valeria
Fecha
2025-12-12
Directores
Sarmiento Rojas, Jefferson
Aya Parra, Pedro Antonio
ISSN de la revista
Título del volumen
Editor
Universidad del Rosario
Escuela Colombiana de Ingeniería Julio Garavito
Escuela Colombiana de Ingeniería Julio Garavito
Buscar en:
Métricas alternativas
Resumen
El nacimiento prematuro representa un desafío clínico y tecnológico significativo, dado que la interrupción del desarrollo intrauterino expone al neonato a condiciones ambientales radicalmente distintas, particularmente dentro de las Unidades de Cuidados Intensivos Neonatales (UCIN). En este entorno, variables como la temperatura, la humedad y el ruido influyen directamente en la estabilidad fisiológica y el neurodesarrollo del recién nacido. Ante esta problemática, la presente investigación tuvo como objetivo diseñar un sistema de monitoreo basado en Internet de las Cosas (IoT) para la gestión de variables relevantes en incubadoras neonatales, incorporando además herramientas de inteligencia artificial (IA) para el análisis de sonido. La metodología se estructuró en dos fases: la primera consistió en la implementación y evaluación del sistema IoT para la medición remota de temperatura, humedad, sonido y voltaje de batería; la segunda, en el entrenamiento de un modelo de IA capaz de clasificar fuentes acústicas relevantes mediante estrategias de Transfer Learning. Los resultados evidenciaron un desempeño estable del sistema, con una disponibilidad del 94,23 %, un tiempo medio entre fallos (MTBF) de 32 horas y un tiempo medio de recuperación (MTTR) de 118 minutos. La temperatura y la batería mostraron comportamientos estables, mientras que la humedad presentó variabilidad esperable y el sonido se consolidó como la variable más crítica, con la mayor frecuencia de valores extremos. Respecto a la IA, el modelo basado en red neuronal convolucional clásica alcanzó un accuracy del 99 % y métricas sobresalientes de precision, recall y F1-score (0,99), superando al modelo de Transfer Learning con Keyword Spotting lo que confirma su potencial aplicación en entornos hospitalarios para el monitoreo continuo y la interpretación avanzada de eventos sonoros. En conclusión, la integración de tecnologías IoT e IA permite avanzar hacia entornos de cuidado neonatal más seguros y humanizados, donde la supervisión ambiental no solo cuantifica, sino también interpreta las condiciones sensoriales, favoreciendo el bienestar y el neurodesarrollo del neonato.
Abstract
Premature birth represents a significant clinical and technological challenge, given that the interruption of intrauterine development exposes the newborn to radically different environmental conditions, particularly within Neonatal Intensive Care Units (NICUs). In this environment, variables such as temperature, humidity, and noise directly influence the physiological stability and neurodevelopment of the newborn. Given this problem, the objective of this research was to design an Internet of Things (IoT)-based monitoring system for managing relevant variables in neonatal incubators, also incorporating artificial intelligence (AI) tools for sound analysis. The methodology was structured in two phases: the first consisted of implementing and evaluating the IoT system for remote measurement of temperature, humidity, sound, and battery voltage; the second consisted of training an AI model capable of classifying relevant acoustic sources using transfer learning strategies. The results showed stable system performance, with 94.23% availability, a mean time between failures (MTBF) of 32 hours, and a mean time to repair (MTTR) of 118 minutes. Temperature and battery showed stable behavior, while humidity presented expected variability and sound emerged as the most critical variable, with the highest frequency of extreme values. With regard to AI, the model based on a classic convolutional neural network achieved 99% accuracy and outstanding precision, recall, and F1-score (0.99) metrics, outperforming the Transfer Learning model with Keyword Spotting, confirming its potential application in hospital environments for continuous monitoring and advanced interpretation of sound events. In conclusion, the integration of IoT and AI technologies allows us to move towards safer and more humanized neonatal care environments, where environmental monitoring not only quantifies but also interprets sensory conditions, promoting the well-being and neurodevelopment of the newborn.
Palabras clave
Desarrollo neurosensorial , Incubadora , Inteligencia Artificial , Internet de las cosas , Machine Learning , Unidad de Cuidado Intensivo Neonatal
Keywords
Artificial Intelligence , Incubator , Internet of Things , Neonatal Intensive Care Unit , Neurosensory development
