MOBILE SYSTEM FOR CLINICAL DATA COLLECTION AND EEG
SIGNALS USING SANA PLATFORM
Manuel Urbanoa, Diego Vivasa, Laura Artunduagaa, Andrés Castilloa, María del Pilar Ramosa
a
School of Electronic and Telecommunications Engineering, Universidad del Cauca, Colombia
manuelurbano@unicauca.edu.co, diegofernandov@unicauca.edu.co, lauras@unicauca.edu.co,
ajcastillo@unicauca.edu.co, mdelpilaramos@unicauca.edu.co
ABSTRACT
Problem: One of the biggest threats to children's health
are mental disorders, this due to factors such as
infections, malnutrition and limited attention. Children
who survive severe infections such as malaria could
develop neurological problems such as epilepsy,
autism or high cognitive disability. People who suffer
from some disease mostly found in developing regions.
One of the biggest problems is early detection of these
disorders for lack of specialized mental health
professionals, mostly in underdeveloped regions.
Objective: develop a mobile system for clinical data
collection using SANA platform and a portable EEG
device inexpensive.
Methodology: The project will be developed in two
phases, the first is the implementation of the system,
and the second is the evaluation of the system.
Results: 96% of the experts who evaluated the system
features qualified as useful or very useful for the
purpose of capturing a procedure with EEG.
Conclusions: This work has provided a system that
captures an electroencephalogram test for initial
diagnoses of possible neurological problems through a
mobile device Android and inexpensive headset EEG
Keywords:
EEG, SANA, M-salud, TIC.
1. INTRODUCCIÓN.
En la actualidad las tecnologías de la información y las
comunicaciones (TIC) no solo proporcionan
entretenimiento, comunicación o utilidad como
herramientas de trabajo, también, estas son capaces de
proveer soluciones en salud para mejorar la calidad de
vida de los seres humanos.
Con el avance de los dispositivos móviles y los
sensores corporales, alternativas como la m-Salud se
perfilan para el futuro como una solución para la
atención y seguimiento de personas que tengan
problemas de salud. Organizaciones como la mHealth
Alliance trabajan para catalizar el poder de las
tecnologías móviles con el fin de mejorar la salud y el
bienestar de todo el mundo, con especial atención a los
países de bajos ingresos [1].
Uno de los mayores desafíos de la salud es dar una
atención a pacientes que no pueden asistir a los centros
médicos cada que se requiera, ya sea por un examen
médico, seguimiento o alguna urgencia. Plataformas
con funcionalidad de recolección de datos clínicos
como SANA proporcionan herramientas para la
asistencia sanitaria en zonas rurales o con recursos
limitados más exactamente poblaciones desfavorecidas
en países de bajos ingresos [2], además, fue construida
para ser integrada con openMRS la cual proporciona
atención médica a distancia de mayor cobertura para la
población en general.
Existen muchas tecnologías de soporte para procesos
clínicos, es de interés particular el examen de
electroencefalograma (EEG), uno de los medios para
obtener un registro de la actividad bioeléctrica del
cerebro. Con este procedimiento es posible detectar
enfermedades como epilepsia, encefalopatía,
demencia, cefalea, Alzheimer entre otras. Además es
posible evaluar problemas relacionados con el sueño,
diagnósticos iniciales o realizar un monitoreo del de la
actividad cerebral en actividades llamadas
neurofeedback [3].
Actualmente en el mundo más de 450 millones de
personas sufren de trastornos mentales [4] y
aproximadamente 50 millones padecen epilepsia, para
muchas de estas personas es difícil acceder al examen
de EEG por sus costos y porque son pocos los médicos
especialistas en neurología que pueden realizarlo y dar
un diagnóstico ya que entre todas las personas que
sufren de algún padecimiento relacionado con el
sistema neurológico, 80% se encuentran en regiones en
desarrollo y el 30% no responden de manera adecuada
a los tratamientos. También, tres cuartas partes de las
personas que sufren de estas enfermedades no reciben
atención médica por diferentes razones [5]. Así,
teniendo en cuenta los graves efectos económicos,
sociales y de bienestar que causan los trastornos
mentales; estos están recibiendo mayor atención
especialmente en los últimos años. Un claro ejemplo es
el programa mhGAP de la Organización Mundial de la
Salud (OMS), que busca brindar el cuidado, asistencia
y la medicación adecuadas a personas que presenten
trastornos mentales en países con bajos recursos [6].
En Colombia, el número total de neurólogos
calificados es de 295, donde la gran mayoría se
encuentran ubicados en dos de las principales ciudades
del país (Medellín y Bogotá). Esta cifra representa el
0.37% de la población médica colombiana y por tanto
se tiene una distribución de un neurólogo por cada
112.000 habitantes. Esta cifra contrasta con la
disponibilidad de neurólogos en países como Estados
Unidos o España, en donde se cuenta con un neurólogo
por cada 22.880 habitantes y un especialista en
neurología por cada 23.500 habitantes,
respectivamente [7]. En la ciudad de Popayán se
encuentran solamente cuatro centros de especialistas
en neurología para atender una población de 267.976
habitantes [8], además de esto en las cabeceras
municipales restantes y zonas rurales del
Departamento del Cauca, no hay presencia de servicios
especializados en neurología, así que los cuatro centros
en Popayán deben cubrir una población total del Cauca
de 1.051.007 habitantes [9].
Según [10], las principales desventajas de las
tecnologías existentes para el análisis información
neurológica como la Electrocorticografía,
Magnetoencefalografía o la Tomografía Axial
Computarizada (TAC) son sus altos costos y la
invasividad que representan al cuerpo humano, por
ejemplo con la exposición del paciente a radiaciones
perjudiciales. En el caso del EEG, no existe exposición
a radiaciones pero si altos costos, en promedio los
precios de los dispositivos EEG oscilan entre los
USD$20.000 - $250.000 [10]. Es importante
considerar además, que existen gastos significativos
representados en el mantenimiento y su
correspondiente reparación. En el caso de Colombia, se
debe tener presente que adquisición de estos
dispositivos es difícil debido a los numerosos trámites
de importación [11].
Por los motivos anteriormente mencionados, se han
buscado diferentes soluciones que permitan obtener
datos de la actividad cerebral de las personas en
cualquier momento y lugar, sin tener que asistir a
ningún centro médico o sin requerir la presencia del
especialista. Una de estas soluciones se presenta a lo
largo de este artículo, la cual propone el desarrollo de
un sistema móvil que permita la recolección de datos
clínicos usando la plataforma SANA y un dispositivo
EEG portable de bajo costo. Para ello el documento se
divide en 4 secciones; en la primera se describe los
materiales y metodología, luego se describirá los
resultados de la evaluación del sistema, posteriormente
una discusión de los resultados y finalmente
conclusiones en las cuales además, se proponen los
posibles trabajos futuros.
2. MATERIALES Y METODOLOGÍA.
En esta sección se describen las herramientas técnicas
y metodologías que fueron utilizadas en la
construcción del sistema móvil, teniendo en cuenta que
para el desarrollo del proyecto se empleó la
metodología para la construcción de soluciones
(MCS), cuyo objetivo es construir soluciones de
calidad y con costos competitivos.
2.1 MATERIALES
2.1.1 SANA
La plataforma SANA fue creada entre los años 2008 y
2009, como resultado del trabajo de investigación del
Dr. Leo Anthony Celi y el PhD Andrés Monroy
Hernández dentro del curso ICT4D del MIT de ese
mismo año. En el trabajo se propone construir una
infraestructura instantánea para capturar los medios de
comunicación e información médica de pacientes,
enviarlos a un servidor centralizado de gestión de flujo
de trabajo y software de diagnóstico, además de poder
ser interoperable con otros sistemas debido a su
modularidad.
SANA es una plataforma de código abierto y
distribuido bajo licencia, que permite la
interoperabilidad con otros sistemas y cuya función es
capturar los medios de comunicación e información
médica de pacientes, posteriormente enviar estos datos
obtenidos a un servidor centralizado que se encarga de
la gestión de trabajo y software de diagnóstico. Este
sistema se constituye de por lo menos un dispositivo
móvil y un servidor que se encarga de ejecutar el
sistema de registros médicos, realizando el proceso de
comunicación desde y hacia los dispositivos móviles
que están registrados en el sistema.
SANA se caracteriza por brindar un funcionamiento
fiable en redes de diferentes capacidades. Para lograr
esto, gestiona algunos parámetros y características de
las conexiones optimizando el rendimiento de la red y
garantizando la integridad de los datos cuando se
realiza la comunicación entre el cliente móvil y el
servidor. El sistema hace un proceso de sincronización
(una vez termina el procedimiento de un paciente, se
etiqueta para ser enviado y guardado en el dispositivo.
También se verifica la capacidad de la conexión del
dispositivo de acuerdo a la red a la que esté conectado)
y de paquetización (cuando los archivos capturados
son de gran tamaño, se convierten en pequeños
paquetes que pueden ser enviados sin problema
alguno). Además las transferencias son multimodo, ya
que la información puede ser enviada mediante
diferentes interfaces como SMS, USB y WIFI.
2.1.2 EMOTIV
Emotiv es un dispositivo fabricado por la compañía
Emotiv Limited. Sus funciones están dirigidas a un
mercado de gran consumo, clasificándose como una
interfaz cerebro computadora o BCI por sus siglas en
inglés. La orientación de su kit de desarrollo son los
videojuegos, control de órdenes en el sistema operativo
o aplicaciones con hardware externo. Es por esto que
el dispositivo es de tipo portable, su peso es menor de
1Kg y es uno de los líderes de este tipo de dispositivos
no profesionales actualmente en el mercado.
2.1.3 RASPBERRY PI
Actúa como un dispositivo intermedio debido a las
limitaciones de compatibilidad que hay entre el
dispositivo EEG y el teléfono móvil. Es básicamente
una tarjeta que permite realizar la conexión entre el
dispositivo Emotiv y el teléfono Android del cliente
móvil. Esta tarjeta se encarga de soportar todas las
operaciones necesarias para la obtención de datos.
2.1.4 Protocolo BLUETOOTH
Bluetooth en este caso, es la tecnología más apta para
realizar la comunicación entre la tarjeta Raspberry pi y
el dispositivo Android, pues es una tecnología de corto
alcance, de bajo consumo y de bajo costo, destinada a
reemplazar los cables para realizar las diferentes
conexiones entre los dispositivos que conforman el
sistema, además de que cuenta con unas serie de
características que la hacen robusta. Esta tecnología
ofrece un amplio espectro, ya que opera en la banda de
2.4 a 2.485 Ghz, lo que permite tener más inmunidad a
interferencias, haciendo que la transmisión de
información sea mucho más eficiente.
2.1.5 EDF
European Data Format, es un formato abierto que
permite el registro de señales bioeléctricas mediante el
almacenamiento de datos, eventos y anotaciones en
formatos binario codificados en UTF-8.
Para la utilización del formato EDF, las muestras
medidas por cada uno de los sensores, deben ser de dos
bytes enteros en formato “litle-endian”. El
almacenamiento de datos se realiza mediante la regla
de “datarecord”, el cual es un conjunto de datos
compuesto por la información recolectada por varios
sensores que pueden ser de frecuencia diferente, pero
los cuales se pueden identificar fácilmente por su
cabecera.
El encabezado de EDF, está compuesto por 256 bytes
que contienen las señales recolectadas por cualquier
dispositivo codificándola en ASCII. Este formato
maneja anotaciones, las cuales son una sección de
texto en caracteres ASCII que definen el tiempo del
principio del archivo como otra señal, éstas son de
igual longitud para cada datarecord.
2.2 METODOLOGÍA
2.2.1 METODOLOGÍA DE TRABAJO
El proyecto será desarrollado en dos fases:
Implementación del sistema: Se tendrá como guía
metodológica el Modelo para la Construcción de
Soluciones [12].
Evaluación del sistema: Se tendrá como guía
metodológica uno de los métodos de evaluación en
ingeniería de software propuestos por DESMET [13].
2.2.2 COMPARACIÓN DE
DISPOSITIVOS EEG.
La comparación de diferentes dispositivos EEG se
realizó con el fin de seleccionar el más adecuado y que
se ajuste a las características del presente proyecto. Se
realizó mediante tres fases
 Fase1: selección de criterios
En esta fase se tomarán en cuenta de la metodología
DELPHI los procesos de formulación de objetivos, vía
de consulta, elaboración de cuestionario y análisis de
resultados para selección de las características iniciales
más importantes de un dispositivo EEG con las cuales
se construirá la encuesta usando la escala de Likert que
se aplicara posteriormente.
 Fase 2: Aplicación del instrumento
Para esta fase, se usa como medio de consulta el correo
electrónico, la consulta se realiza a los siguientes
expertos: William Bosl, Rudver Bolivar, Elmer Muñoz
Rosero
 Fase 3: Selección del dispositivo
La valoración dada por los expertos para cada uno de
los dispositivos se puede observar en la siguiente
figura:

Tabla 1. Resumen comparación dispositivos EEG
Los dispositivos ABM y Enobio cuentan con las
mejores características y por tanto obtienen los mejores
puntajes. Sin embargo el dispositivo seleccionado para
desarrollo del proyecto es Emotiv, teniendo en cuenta
que este es de menor precio respecto a los otros 2
dispositivos, cumpliendo con el principal criterio del
proyecto que como ya se mencionó es que el
dispositivo a emplear sea de bajo costo.
2.2.3 MODELADO DEL SISTEMA MÓVIL
En este apartado se definen las etapas de construcción
del sistema móvil, empezando con la descripción
inicial del negocio, luego de acuerdo a las necesidades
identificadas se establecen los requisitos funcionales y
no funcionales. En esta parte, se emplea el modelo de
vistas planteado por Kruchten, para describir la
arquitectura del sistema, mediante el diseño de
diagramas. Para finalizar, se especifica el
comportamiento de negocio obtenido.
 MODELADO DEL NEGOCIO
Para el modelo se detallan las entidades de negocio, las
cuales están formadas por una cadena de procesos y
actores que soportan el sistema original, permitiendo
visualizar en qué contexto se implementará el sistema.
Los actores y características principales se definen a
continuación:
-Trabajador de salud: Es quien tiene contacto directo
con el sistema, encargándose de los pacientes y
tramitando la información clínica de los mismos.
Realiza los exámenes con un dispositivo EEG
profesional.
-Médico especialista: Es el encargado de evaluar y
registrar los diagnósticos de los pacientes de acuerdo a
los procedimientos neurológicos realizados a los
mismos.
-Paciente: es quién hace uso de los servicios del
sistema de Electroencefalograma tradicional, de
acuerdo a la valoración clínica requerida. Actualmente
en Colombia, los pacientes pueden llevar los resultados
de su EEG consigo en un dispositivo de
almacenamiento masivo.
-Historia Clínica Tradicional: Sistema de archivos
físicos, los cuales contienen los datos clínicos de cada
paciente. El sistema obtiene la información codificada
de las señales capturadas de un EEG profesional y la
función de almacenamiento de manera física.
 MODELO DEL AMBIENTE DEL SISTEMA
Este modelo detalla la captura de requisitos, lista de
características, y descripción de actores de un sistema
móvil para la recolección de datos clínicos y señales
EEG usando la plataforma SANA.
-Declaración de requisitos: El pilar fundamental para
el desarrollo de una buena solución usando el M.C.S.
es la identificación de los requisitos del sistema. En
este documento, se define la necesidad de desarrollar
una tecnología móvil, de fácil acceso, que participe en
los procesos de valoración neuropsiquiatrica infantil, a
través de la recolección de datos con ayuda de un
dispositivo EEG, logrando de esta manera el
descubrimiento temprano de diferentes problemas
neurológicos.
-Lista de características del sistema: Se definen 6
características principales las cuales son:
 Adquisición de señales EEG.
 Visualización de señales.
 Gestión de procedimientos.
 Gestión de información.
 Valoración del procedimiento
 Gestión HCE (Historia Clínica Electrónica).
Donde estas características proponen la interacción de
los usuarios con el Sistema de recolección de datos
EEG móvil, a través de dos clientes, uno móvil y otro
web.
-Descripción de actores: Los actores que participan
generalmente en el uso de la plataforma SANA, son el
trabajador de la salud, el especialista, la plataforma
SANA y HCE.
 REQUISITOS FUNCIONALES
Dentro de los requisitos funcionales del sistema se
encuentra el permitir a un trabajador de la salud hacer
uso de la plataforma SANA, con integración de un
dispositivo EEG al momento de ejecutar un
procedimiento, así como la presencia de un
visualizador para el resultado del examen de EEG ,
siendo esta una herramienta móvil en el sistema
operativo Android. También se incluyen dentro de los
requisitos funcionales más importantes, la
visualización del procedimiento, así como la descarga
del archivo en formato EDF en el servicio HCE los
médicos y la independencia del sistema a la energía
eléctrica de por lo menos 1 hora.
 REQUISITOS NO FUNCIONALES
Se establecen 6 requisitos no funcionales, los cuales
son: permitir la captura de señales EEG mediante un
dispositivo móvil con Sistema Operativo Android. La
aplicación móvil debe soportar las diferentes
resoluciones de los dispositivos Android. El tiempo de
la captura por encuentro debe ser de 15 minutos. El
dispositivo EEG debe seleccionarse bajo criterio de
bajo costo. La aplicación móvil debe estar soportada en
Android 4.0.3. El sistema no debe tener restricciones
de movilidad en su módulo de recolección de datos.
2.2.4 IMPLEMENTACÍON DEL SISTEMA
MÓVIL
En las siguientes subsecciones se encuentra la
descripción de las herramientas, ambiente de
desarrollo y dispositivos usados en el prototipo, la
configuración del módulo de OpenMRS para que
funcione con el cliente móvil SANA, la
implementación de la aplicación móvil que integra a la
plataforma las funciones de control sobre el dispositivo
EEG y las vistas de usuario en el flujo de trabajo
mostradas por el sistema.
 Herramientas y dispositivos
En este subsección se nombraran las herramientas y
dispositivos que se utilizaron para la implementación
de los módulos que componen el sistema
- Ambiente de desarrollo
 GitHub.
 Wiki.
 SANA developers.
 Integrated Development Environment
(IDE) Eclipse Indigo.
 framework Django.
 Ninja IDE.
- Librerías de soporte
 Librería BlueCove.
 Librería BlueCove-gpl.
 Librería EDF4J.
 Librería Androidplot.
 Bitstring.
 NumPy
 PyUSB.
- Fuente de alimentación Raspberry
Pi.
 Travel Adapter Samsung ETA
P111JBE.
- Adaptador Bluetooth genérico
- Selección del visualizador para archivos EDF
de escritorio.
Debido a que el desarrollo de una herramienta propia
para la visualización de archivos EDF está fuera del
alcance del proyecto, se parte a escoger una ya
desarrollada. La herramienta que se escoge es
SigViewer; herramienta de código libre escrita en C++
usando el framework de Qt4 para las interfaces
gráficas. Además, esta herramienta no se restringe a un
número reducido de usuarios por costos de licencias y
permite un sencillo manejo de los gráficos.
 Implementación y configuración de componentes
prototipo operacional.
En esta sección se describen los principales
componentes para la configuración del servidor
OpenMRS, la implementación y las interfaces de la
aplicación NeuroSana y su respectiva implementación
en el dispositivo Raspberry Pi.
- Administración servidor: El servidor de HCE y de
MDS se encuentran en el mismo servidor. El equipo se
conecta inalámbricamente a través de WIFI 802.11g
para la realización de las pruebas. Adicionalmente
como requerimiento para que funcionen los servidores,
es necesario que se instale: un servidor HTTP Apache
versión 2.2.22, un contenedor de Servelets versión
Tomcat, una base de datos MySQL versión 5.5.29 y un
framework WEB con Python 2.7.3 o Django 1.5.
Como la plataforma SANA utiliza OpenMRS para la
gestión de HCE, se debe tener en cuenta que el sistema
recomienda la versión 1.6.1.
Para permitir la integración con el cliente móvil, la
plataforma ofrece módulos que tienen que agregarse a
OpenMRS. Estos módulos son: SANA Mobile
Dispatch Server que es el mediador entre el cliente
móvil y el servidor OpenMRS, REST Module que es el
que soporta acceso a la cola de encuentros disponibles
a través de Webservices y, por último, SANA
OpenMRS Module que es el que posee la visualización
de medios.
Dentro de OpenMRS, los médicos tienen el rol de
especialistas dentro de la plataforma y los trabajadores
de la salud cuentan con el rol de enfermeros. Esta
denotación es importante para la implementación de
privilegios sobre el sistema.
Con respecto a MDS, cabe resaltar que este recibe
información a través del protocolo HTTP dentro de
cadenas de formato JSON; posteriormente MDS
reordena la información a través de métodos REST,
ingresa a OpenMRS, crea el nuevo encuentro y en caso
de ser necesario crea un nuevo paciente. Es necesario
también, agregar el soporte de archivos con extensión
EDF para la integración del examen EEG
- NeuroSana: Consiste en la aplicación creada para
Android, soportada hasta la versión 4.1.2 Jelly Bean, la
cual cuenta con los idiomas de español e inglés y
múltiples resoluciones de pantalla.
La aplicación cuenta con un cliente Bluetooth el cual
se implementa con el objetivo de mostrar al usuario los
estados del servidor, un visualizador de archivos
implementado en la Activity ChartActivity, un
almacenador y verificador de archivos. También brinda
una amplia variedad de interfaces a las cuales el
usuario puede acceder desde el cliente móvil SANA;
estas interfaces pueden ser: la interfaz menú principal
la cual es la primera que observa el usuario y a través
de la cual el usuario puede buscar archivos, capturar
datos y ver EGG, la interfaz selección procedimiento la
cual permite al usuario seleccionar un procedimiento,
la interfaz selección dispositivo Bluetooth que permite
al usuario desplegar la lista de dispositivos Bluetooth
disponibles, la interfaz control que permite verificar,
capturar, cancelar y guardar EEG, por último la
interfaz visualizador donde el usuario puede ver los
datos capturados previamente.
- Servidor Bluetooth Raspberry Pi: Para el soporte de
las tareas desarrolladas por el servidor, se configura la
tarjeta con: Sistema operativo Whezzy-Raspbian,
Kernel 3.0, almacenamiento MicroSD de 16Gb clase
10, sin memoria Swap, sin interfaz gráfica, conexión
SSH SI.- 192.168.190.103:22, VERSION DE Phyton
2.7.6, versión Java Oracle Java 7 JDK y batería externa
de 5600 mAh.
Posteriormente se procede a la implementación de la
aplicación Servidor Bluetooth y de un módulo de
captura de datos.
- SANA: El cliente móvil SANA es una aplicación que
contiene diferentes herramientas que permiten realizar
un proceso de Login en el servidor de HCE OpenMRS
para sincronizar la lista de pacientes existentes, enviar
procedimientos y recibir notificaciones. SANA brinda
una guía muy completa para la creación de las
encuestas en formato XML, donde son descritos los
componentes comúnmente utilizados para la creación
de las diferentes preguntas y captura de información
del paciente. Los componentes generales son: elemento
<Page> que denota un grupo de instrucciones que se
pueden organizar en una sola página de la encuesta,
elemento <Element> que representa un componente
que permite configurar parámetros y elemento
<Showlf> usado para evaluar condiciones. Para
realizar la integración con la aplicación NeuroSana es
necesario incluir en la implementación XML, un
componente <Element> que cuente con algunos
parámetros importantes como: Tipo, concepto, acción
y mimeType.
2.2.5 EVALUACIÓN DEL SISTEMA
MÓVIL
 Recopilación de información sobre el método
DESMET:
DESMET es un método que permite al evaluador
desarrollar un ejercicio de evaluación imparcial y
fiable de sus objetos de evaluación. En el caso del
proyecto, se adapta el método para evaluar sistemas
telemáticos. Este método ofrece tres evaluaciones: la
cualitativa, la cuantitativa y la hibrida. A su vez cada
una de las tres evaluaciones se subdivide en métodos,
proponiendo un total de 9 métodos para ser aplicados
de acuerdo a cada una de las necesidades y contexto
de la evaluación.
 Selección del método de evaluación:
Teniendo en cuenta el contexto de la evaluación, la
naturaleza del impacto esperado el uso del método, la
naturaleza del objeto de evaluación, entre otros
criterios, se observa que los métodos cualitativos se
adaptan muy bien con el contexto del proyecto y que
los métodos cuantitativos no son los más útiles para
evaluar el sistema. Por tanto se hace uso del método
hibrido de análisis de los efectos cualitativos, pues
este brinda una evaluación subjetiva por parte de
expertos en el dominio, sobre el efecto cualitativo que
los métodos y herramientas pueden tener en los
usuarios.
 Planeación de la evaluación:
Definiendo el plazo de evaluación corto, el riesgo del
método bajo y el costo medio, se tienen los
lineamientos para la planeación de la evaluación. Con
respecto a los participantes de la evaluación, se acudió
a especialistas de la salud con la experiencia suficiente
para responder la encuesta de evaluación la cual consta
de dos secciones de evaluación, a saber, las
funcionalidades del sistema y los aspectos generales.
Las funcionalidades a evaluar son las de la plataforma
SANA integradas en el sistema y las de captura de
información con un EEG portable. Obteniendo un
conjunto de 11 funcionalidades del sistema a evaluar.
Para estos dos tipos de funcionalidades se definen los
siguientes tipos de preguntas declaradas en DESMET
para identificar la existencia y utilidad de una función:
 Preguntas que miden la presencia de realizar cada
función. Definidas de tipo simple en DESMET.
Como opciones de respuesta se tiene SI o NO.
 Preguntas que miden el grado de utilidad de cada
funcionalidad. Definidas como características
compuestas, las opciones de respuesta son Muy
útil, Útil, Parcialmente útil, Poco útil, Nada útil.
Para la evaluación de los aspectos generales, se
escogieron 4 características a evaluar: La percepción
de facilidad de uso en zonas remotas, la facilidad de
aprendizaje de las funcionalidades del sistema, la
opinión sobre el soporte de la aplicación móvil
Android sobre una gran cantidad de equipos y la
presentación de los datos con formato EDF en el
móvil.
3. RESULTADOS
En la implementación final se encuentran presentes 11
funcionalidades, las cuales fueron evaluadas por 5
expertos; seis funcionalidades de importancia
obligatoria identificadas con O1, O2, O3, O4, O5, O6;
tres como funcionalidades altamente deseables electroencefalograma”, sin embargo para el 80% de los
identificadas con AD1, AD2, AD3; y dos especialistas la función si se encuentra presente.
funcionalidades deseables identificadas con D1, y D2.
3.2 EVALUACIÓN DE LAS
O1 - Enviar a una aplicación de historia clínica la FUNCIONALIDADES DEL SISTEMA
encuesta y los datos capturados con el dispositivo
EEG. Los resultados de la evaluación se obtendrán de
O2-Visualizar en la aplicación de Historia Clínica acuerdo a los siguientes criterios:
(OpenMRS) la encuesta y proveer un diagnóstico.
O3 - Sincronización con un dispositivo EEG.
O4 - Visualizar la información capturada por el
dispositivo EEG.
O5 - Descargar y visualizar el EEG en el ordenador.
O6 - Gestionar el proceso de captura del examen de
electroencefalograma desde la aplicación móvil. Tabla 3. Criterios de aceptación de una función a
AD1 - Login de usuario y Password. evaluar.
AD2 - Gestionar la información de un paciente.
AD3 - Navegar entre las preguntas del procedimiento a Para este análisis se hace necesario utilizar una escala
fin de modificar las respuestas o verificarlas, además de evaluación de valor numérico, para esto se ha usado
de capturar el electroencefalograma. la equivalencia de la siguiente tabla:
D1-Importar y seleccionar diferentes encuestas
personalizadas.
D2 - Soporte a un amplio grupo de Smartphones
Android.

3.1 EVALUACIÓN DE LA PRESENCIA DE LAS

CARACTERÍSTICAS
Tabla 4. Equivalencia respuestas de utilidad
Se identifica el porcentaje de presencia de cada
En la tabla 5 se presentan las preguntas donde el
funcionalidad, la cual fue calculada con la frecuencia
evaluador califica la utilidad de cada una de las
relativa para quien respondió afirmativamente a cada
funcionalidades del sistema. En la tabla se describe
funcionalidad presentada en el sistema.
también el porcentaje de utilidad de la funcionalidad
(%UF) y se muestra si la característica es aceptada o
no basados en el criterio de aceptación de la tabla 3.

Tabla 2. Evaluación de la característica de presencia

Para los expertos la única funcionalidad en la que se Tabla 5. Aceptación funcionalidades del sistema.
encontraron divisiones de respuesta en la presencia de
características fue en “Navegar entre las preguntas del 3.2.1 Análisis de los resultados de
procedimiento a fin de modificar las respuestas o funcionalidades del sistema
verificarlas, además de capturar el examen de
En la figura 1. se observa el porcentaje de respuestas conformid
para cada una de las preguntas referentes a las ad
5 4 3 2 1
funcionalidades, se identifica que respecto a todas las
¿El módulo para 2 3 88%
respuestas el 54% está representado por la opción visualización presenta la
“Muy útil” , el 42% para la opción “Útil” , tan solo el información del examen
2% para las opciones “Indiferente” y “poco útil” y el de electroencefalograma
apropiadamente?
0% para la opción “Nada útil” lo cual quiere decir que
¿Considera importante 1 4 85%
el 96% está representado por opiniones positivas de lo es uso del estándar EDF
cual es posible concluir que la evaluación del sistema para compartir señales
fue exitosa. EEG?
En promedio, el porcentaje de presencia de las ¿El sistema podría ser 3 2 92%
usado en zonas remotas
funcionalidades según los expertos es del 98,18%, por parte de personal
indicando que la mayoría de las funcionalidades se médico?
encuentran presente en el sistema, además se obtiene ¿En términos generales 3 2 92%
que en promedio el grupo de funcionalidades del considera que el sistema
es completamente móvil?
sistema se considera en términos de grado de utilidad ¿El esfuerzo para el 4 1 56%
es de un 89.81%. manejo del sistema es?
Tabla 6. Calificación de aspectos generales del sistema
3.3 RESULTADOS ASPECTOS GENERALES
3.3.1 Análisis de los resultados de aspectos
Con respecto a los aspectos generales del sistema, se generales
evalúa la existencia de sistemas similares en un
ambiente real, con la siguiente pregunta para los Con la pregunta ¿El modulo para visualización
evaluadores: ¿Ha utilizado un módulo para presenta la información del examen de
electroencefalograma que cuente con las mismas electroencefalograma apropiadamente? se busca
funcionalidades? evaluar la percepción que tiene el evaluador sobre la
información graficada por el dispositivo móvil
Android, el 40% respondieron “Completamente”
mientras que el 60% respondieron
“Significativamente”, finalmente se obtiene un
porcentaje de conformidad de 88% para esta función.
El uso de un estándar para guardar la información
correspondiente a los datos capturados como lo es EDF
permite a los especialistas compartir fácilmente la
información y uso de la misma a través de programas
sin preocupaciones de compatibilidad, la calificación
final de este aspecto es del 84% y por tanto se define
que es de sumamente importancia para los especialistas
Figura 1. Frecuencia aparición de las opciones de la salud contar con esta característica en el sistema.
elegidas para las funcionalidades del sistema. Respecto a las características donde se pregunta si es
posible emplear el sistema en zonas remotas y si el
El 100% de los evaluadores respondieron que nunca sistema es completamente móvil los porcentajes finales
habían interactuado con un sistema que contara con las de calificación fueron del 92% con lo cual se concluye
características y funcionalidades con las que cuenta el que el sistema tiene el potencial para ser empleado en
sistema, valorando por parte de ellos las ventajas de un ambiente real donde se requiera brindar atención en
que sea móvil y que cuente con un dispositivo EEG de zonas de difícil acceso sin la necesidad del transporte
bajo costo. de equipos altamente costosos y de gran tamaño.
En la tabla 6 se presentan las respuestas de las En cuanto al esfuerzo para el manejo del sistema la
preguntas generales definidas en la planeación de la calificación fue del 56%, la cual se considera como
evaluación. En la columna de calificación se indica el una calificación aceptable, con el propósito de mejorar
número de evaluadores que contestaron a cada opción. en este aspecto, se podría proponer a los futuros
Finalmente se obtiene un porcentaje de conformidad usuarios del sistema capacitaciones sobre el empleo del
total de la afirmación para cada característica. mismo. También se sugiere involucrar a los usuarios
en el diseño del sistema para conocer mejor sus
Pregunta Opción Porcentaje necesidades.
Elegida de
4. DISCUSIÓN
En el presente trabajo se planteó la siguiente pregunta
de Investigación ¿Cómo desarrollar una solución de m-
Salud a partir de una plataforma de código abierto que
permita la recolección de datos clínicos, incluyendo la
toma de señales EEG? Para dar solución a esta
pregunta, se planteó la creación de un sistema móvil
donde se realiza la integración de un dispositivo EEG
de bajo costo, una interfaz de comunicación
inalámbrica y un dispositivo móvil (Android), además
del software soporta la funcionalidad de recolección de
datos clínicos específicamente la plataforma SANA,
incluyendo la toma de señales EEG.
Las características que pone de relieve este sistema,
como la portabilidad y la relación costo/beneficio para
la asistencia en procesos de evaluación
neuropsiquiátrica en zonas rurales o con recursos
limitados, propone un avance tecnológico en el área de
la eSalud siendo evaluada por expertos, en general
muy útil, sin embargo, se tiene limitaciones, por
ejemplo, que el dispositivo EEG tiene medidas
estándar lo cual limita a las personas que se toman el
examen.
Los resultados en la sección previa son coherentes con
el planteamiento inicial y la propuesta de solución,
revelando la importancia de generar alternativas en el
modelo de asistencia a la salud, promoviendo el acceso
a los lugares más apartados donde se encuentra
vulnerabilidad de la calidad de vida humana.
5. CONCLUSIONES
 Existen soluciones de telemedicina para la captura
del examen de electroencefalograma EEG, pero
estas aún están basadas en el uso de dispositivos
EEG de alto costo y no soportan plataformas
móviles, también, algunas aplicaciones realizan
captura de información proveniente de un
dispositivo EEG pero aun no integran algún HCE,
no son completamente móviles o no fueron
diseñadas con propósitos médicos. Por lo tanto se
observa que con este trabajo se ha aportado un
sistema que permite capturar un examen de
electroencefalograma para diagnósticos iniciales de
posibles problemas Neurológicos a través de un
dispositivo móvil Android y un auricular EEG de
bajo costo, con la ayuda de la metodología aplicada
que permitió hacer una correcta selección de las
tecnologías y los componentes, guiar el proceso de
análisis del negocio, análisis del sistema, diseño,
implementación y pruebas.
 Según DESMET, y el criterio propuesto para la
aceptación de las funcionalidades seleccionadas
para la evaluación del sistema, se encuentra que el
100% de las funcionalidades son aceptadas, con
dos funcionalidades de valor agregado “Importar y
seleccionar diferentes encuestas personalizadas”
soportada por la plataforma SANA mediante los
cuestionarios en formato XML, y “Soporte a un
amplio grupo de dispositivos móviles Android” que
está presente tanto en el cliente móvil de SANA,
como en la aplicación de control de EEG.
 Tomando como base este trabajo, se presentan los
posibles trabajos futuros:
 Migrar la aplicación NeuroSana y el cliente móvil
Sana a otros sistemas operativos móviles con
Windows Phone y IOS considerando llegar a una
mayor cantidad de usuarios.
 Se propone realizar una evaluación comparativa
de rendimiento, además de posibilidades de
integración con otro tipo de sensores corporales
con tarjetas SBC que funcionen bajo kernel de
Linux como: ODROID-U3, ODROID-XU+E,
BeagleBone Black, SABRE Lite i.MX6.
 La adaptación de los sensores del auricular
Emotiv a un auricular que disminuya las
interferencias en la captura de la señal, además de
poder adaptarse a diferentes tamaños para el uso
de otras áreas más específicas como la
neuropediatria.
 Integrar y evaluar el funcionamiento de otro
auricular EEG en el sistema móvil, con el
propósito de determinar de manera formal la
calidad en la información capturada del paciente
y posibilitar al especialista de la salud brindar un
diagnóstico más aproximado del estado de salud
del paciente.
 La arquitectura del sistema brinda algunos
lineamientos para la integración de otro tipo de
sensores corporales, haciendo uso del dispositivo
Raspberry Pi para la captura de datos que puedan
ser cargados en la HCE OpenMRS por medio de
la plataforma SANA.
REFERENCIAS
[1] mHealth Alliance, “Our Work,” [online], 2013.
Available from: http://www.mhealthalliance.org/our-
work. [Accessed: 27-january-2014].
[2] SANA Group L.A.,”The Sana Tecnology
Overview,” [Online], 2014. Available:
http://sana.mit.edu/platform/. [Accessed: 27-January-
2014].
[3] H. Tomas, H Kogan, J. Evans, A. Abarbanel,”
Neuromodulation technologies: An attempt at
classification,” in Introduction to Quantitative EEG
and Neurofeedback: Advanced Theory and
Applications, T. H Budzynski, Ed. Academic Press,
2009.pp 3-7.
[11] G. Borja et al., “Diseño e implementación de un
equipo para la adquisición y visualización en pc de
señales electroencefalográficas”, Prospect., vol. 8,
no.1, pp. 21-28, Jun., 2010.
[12] C. Serrano, "Modelo para la Construcción de
Soluciones," in Modelo Integral para el Profesional en
Ingeniería, Ed. Popayán, Cauca: ed. Popayán, 2008,
pp. 43-58.
[13] C. Serrano, "Modelo para la Construcción de
Soluciones," in Modelo Integral para el Profesional en
Ingeniería, Ed. Popayán, Cauca: ed. Popayán, 2008,
pp. 43-58.

[4] Organización Mundial de la Salud, “Mental

health: strengthening our response,” [Online], 2010.
Available:
http://www.who.int/mediacentre/factsheets/fs220/en
[Accessed: 9-December-2013].

[5] Organización Mundial de la Salud, “Epilepsy,”

[Online],
2012.Available:http://www.who.int/mediacentre/factsh
eets/fs999/en/ [Accessed: 9-December-2013].

[6] Organización Mundial de la Salud, “WHO Mental

Health Gap Action Programme (mhGAP),” [Online],
2013. Available:
http://www.who.int/mental_health/mhgap/en/.
[Accessed: 10-December-2013].

[7] J.F Ceron, “Encuesta colombiana de neurología –

2011”, Acta Neurológica Colombiana, vol. 28, no. 4,
pp. 181-186, Oct., 2012.

[8] Alcaldía Municipal de Popayán, “Indicadores,”

[Online], 2011. Available: http://www.popayan-
cauca.gov.co/indicadores_anuales.shtml. [Accessed:
07-June-2013].

[9] DANE, “Boletín censo general 2005 perfil

Cauca,” [Online], 2011. Avaiable:
http://www.dane.gov.co/files/
censo2005/PERFIL_PDF_CG2005/19000T7T000.PD
F. [Accessed: 3-December-2013].

[10] J. C. Lee et al, “Using a Low-Cost

Electroencephalograph for Task Classification in HCI
Research” in Symp User Interface Soft. And
Technology, Montreux, 2006, pp.81-90.