Effizientere Gesundheitsversorgung mit dem Internet der medizinischen Dinge

Nach Angaben der Centers for Disease Control (CDC) sterben in den USA jedes Jahr etwa 610.000 Menschen an Herzerkrankungen – das ist jeder vierte Todesfall. Die Herzgesundheit ist einer der wichtigsten Parameter für die allgemeine Gesundheit eines Menschen. Das Internet of Medical Things (IoMT) ermöglicht eine neue Generation tragbarer, kontinuierlicher Herzüberwachungssysteme mit mehreren Parametern, um das Gesundheitsmanagement in einer Vielzahl von Krankenhäusern, Kliniken, Patientenversorgungen und häuslichen Umgebungen zu verbessern.

Das IoMT ist eine vernetzte Infrastruktur für medizinische Geräte und Dienste, die Daten sammeln und analysieren, die an Gesundheitsdienstleister gesendet werden. Heute umfassen diese Geräte Sensoren, die Temperatur, Luftfeuchtigkeit und Vibration messen, sowie Algorithmen, die eine begrenzte Anzahl von Herzerkrankungen erkennen.

Designs der nächsten Generation suchen nach Parametern, die mithilfe intelligenterer und komplexerer Algorithmen ein breiteres Spektrum von Arrhythmien identifizieren könnten. Zum Beispiel könnten Wegwerf-"Pflaster", die unsichtbaren Verbänden mit wenigen, sehr kleinen ICs ähneln, für längere Zeit bequem auf der Haut getragen werden, um die Herzgesundheit zu überwachen und zu kontrollieren.

Verbundene Herzüberwachungssysteme umfassen drei Hauptelemente:tragbare drahtlose Sensorknoten, einen Datenverwaltungsdienst und Cloud-basierte Analyseplattformen.

Der Elektrokardiogramm (EKG)-Sensorknoten (z. B. EKG-Patch oder leitfähige Schutzkleidung zur Herzfrequenzüberwachung) und der Datenverwaltungsdienst sammeln Herzdaten vom tragbaren Gerät in einem Rechenzentrum. Der Sensorknoten ist normalerweise ein ein- oder dreiadriges EKG-Überwachungsgerät mit bis zu drei Elektroden (nass oder trocken), die an der Elektronik des Pflasters angebracht sind.

Die cloudbasierte Plattform sammelt und analysiert die Herzdaten mithilfe komplexer Algorithmen und künstlicher Intelligenz (KI), um potenzielle abnormale Herzfunktionen zu identifizieren. Die Ergebnisse können den Krankenakten des Patienten hinzugefügt und der zuständigen Gesundheitsorganisation und dem zuständigen Kardiologen zur Verfügung gestellt werden.

Analoge Frontends

Der EKG-Signalkonditionierungspfad (Abb. 1 ) enthält die analoge Stufe, die zum Erfassen, Verstärken und Bereinigen der analogen Wellenform verwendet wird. Die Amplitude des EKG-Signals reicht von Hunderten von Mikrovolt bis etwa 5 Millivolt. Das Signal umfasst niederfrequentes (50/60 Hz) Rauschen, das von Wechselstromleitungen eingekoppelt wird, hochfrequentes Rauschen von Körpermuskeln und oft HF-Rauschen von verschiedenen Geräten in der Nähe des Geräts. Bei tragbaren Geräten würde die Basislinie des EKG-Signals aufgrund von Bewegungsartefakten unerwünschte Schwankungen aufweisen.

Daher werden häufig hochkomplexe analoge Frontends (AFE) verwendet, um EKG-Signale zu bereinigen und zu digitalisieren. Das AFE enthält EMI-Filter zum Entfernen von HF-Rauschen; ein Hochpassfilter mit einer typischen 0,5-Hz-Eckfrequenz, um die Fluktuation der Basislinie zu entfernen; ein Tiefpassfilter mit einer typischen 150-Hz-Eckfrequenz zum Filtern von Außerbandsignalen; ein Kerbfilter zum Filtern von 50/60 Hz-Rauschen; einen rauscharmen programmierbaren Instrumentenverstärker zum Verstärken des Signals und einen Analog-Digital-Wandler zum Digitalisieren des Signals für die Nachbearbeitung der abgetasteten Daten.

Abb. 1:Typischer IoMT-verbundener Herzüberwachungssensorknoten und der zugehörige Signalpfad.

Eine Schlüsselanforderung für das AFE besteht darin, die Eigenschaften der EKG-Kurve des Patienten über den gesamten Signalweg beizubehalten. Dies wird erreicht, indem die Auswirkungen von Rauschen und Ungenauigkeiten (z. B. Verstärkungsfehler, Offsetfehler usw.) im gesamten Signalweg unter allen Betriebsbedingungen minimiert werden.

Hochleistungs-MCUs

Die nächste Stufe auf diesem Weg ist ein Mikrocontroller (MCU) zur Nachbearbeitung und/oder Verwaltung der digitalisierten EKG-Daten. Abhängig vom Typ des tragbaren Überwachungsgeräts werden die abgetasteten EKG-Rohdaten im tragbaren Sensor entweder im laufenden Betrieb analysiert, um die häufigsten Herzrhythmusstörungen zu erkennen, und dann im nichtflüchtigen Speicher des Systems gespeichert oder im Speicher für Offline-Analyse am Ende der Lebensdauer des Geräts.

Der erstere Ansatz wird in der neueren Generation tragbarer Einweg-EKGs verwendet, die leistungsfähigere MCUs mit einer DSP-Engine und einem höheren Code-/Datenspeicher benötigen, um mehrere gängige Arrhythmien im laufenden Betrieb genau zu erkennen und größere Mengen an Rohdaten für die Post zu speichern wird bearbeitet. Zu den weiteren Anforderungen gehören eine Elektronik mit kleinerer Stellfläche, Präzisions-AFEs und ein geringerer Stromverbrauch.

Der zusätzliche Speicher und die höhere Leistung der MCU führen zu Herausforderungen in Bezug auf die Leistungsfähigkeit und die Größe des Chips. Diese Herausforderungen müssen durch den Einsatz fortschrittlicher stromsparender Prozessknoten mit kleiner Zellengeometrie und durch die Einbeziehung von Energieverwaltungsfunktionen angegangen werden, um effiziente Energieverwaltungsschemata auf Systemebene zu ermöglichen.

Die System-MCU muss einen geringen Verbrauch pro Betriebsfrequenz (besser als 50 µA/MHz) aufweisen und eine Vielzahl von Betriebsmodi mit skalierbarer Frequenz umfassen, um ein flexibles Energiemanagement auf Systemebene zu ermöglichen. Eine sehr gängige Methode besteht darin, die MCU mit einem Profil, das auf einigen benutzerdefinierten proprietären Nutzungsmodellen des Systems basiert, „ein“ und „aus“ zu schalten.

Da das Funkgerät und die MCU den Stromverbrauch im System dominieren, muss ihr Verbrauch so gering wie möglich sein. Um den Stromverbrauch während des Aus- und Wiedereinschaltens zu begrenzen, muss die MCU im Standby-Betriebsmodus eine Stromaufnahme von Submikroampere bereitstellen und eine sehr schnelle Übergangszeit (nicht mehr als einige Mikrosekunden) vom Standby- in den normalen Betriebsmodus haben, um Schaltleistungsverluste zu minimieren .

Die neueren AFEs müssen kontinuierlich mit einem geringeren Stromverbrauch (normalerweise unter 100 µW) arbeiten und zusätzlich zum analogen Signalpfad dedizierte stromsparende digitale Signalverarbeitungsschaltungen (z. B. R-zu-R-Peakperiodenmessung) enthalten. Dies würde den Umfang der Signalverarbeitung durch die MCU verringern. Im Allgemeinen tragen Funktionen wie erweiterte Diagnose, Überwachung der Vitalparameter und zusätzliche Signalmessung (z. B. Bio-Z) zur Komplexität des AFE bei.

Konnektivität mit extrem geringem Stromverbrauch

Die letzte Stufe des Signalpfads im EKG-Sensorknoten ist eine Art drahtloser Konnektivität mit geringem Stromverbrauch, um die Kommunikation mit Gateways wie Smartphones oder benutzerdefinierten Sensor-Hubs zu ermöglichen. Die Datenübertragung an die Cloud-Plattform und Gesundheitszentren kann Roh-EKG-Daten, mögliche Arrhythmie- oder normale Rhythmusinformationen sowie einige andere während der Operation gemessene Systemparameter umfassen. Derzeit ist Bluetooth mit geringem Stromverbrauch eine der am häufigsten verwendeten drahtlosen Schnittstellen. Die Konnektivität vom NB-IoT- und CAT-M-Typ wird für die zukünftige Verwendung evaluiert.

Der Trend zu kleinerem Formfaktor, kostengünstigeren und deutlich langlebigeren Einweg-EKG-Patches bedeutet ein höheres Maß an Integration für den extrem stromsparenden Signalpfad in einem winzigen System-on-Chip-(SoC)- oder System-in-Package-(SIP)-Gerät . Einige Herausforderungen bei der Miniaturisierung der Elektronik sind die Notwendigkeit eines kostengünstigen Halbleiterprozessknotens, der für Präzisions-Mixed-Signal-Schaltungen (analog und digital) mit geringer Leistung geeignet ist, und die Verfügbarkeit einer kostengünstigeren Gehäusetechnologie mit geringem Platzbedarf.

Ein extrem geringer Stromverbrauch ist eine der wichtigsten Anforderungen für diesen neuen EKG-Pflaster, da er die kontinuierliche Herzsignalüberwachung/-analyse über die derzeitige Dauer von sieben bis 15 Tagen hinaus erheblich verlängern kann. Durch den geringeren Stromverbrauch können Entwickler außerdem eine zusätzliche Überwachung der Vitalparameter integrieren, was ihnen einen Wettbewerbsvorteil verschafft.

Derzeit verwenden Patches Einzelmünzen-Batterien mit einer typischen Kapazität von mehreren hundert mAh. Es gibt jedoch Bestrebungen, kleinere, kapazitätsschwächere und kostengünstigere Batterien in Kombination mit einem Energy-Harvesting-Verfahren mit „batterielosen“ Sensorknoten basierend auf spezialisierten neuen Halbleiterprozesstechnologien wie Silizium-auf-dünnvergrabenem Oxid ( SOTB) und unterschwellige Prozesse.

Die Herausforderung bei der Überführung von Energy-Harvesting-basierten Herzmonitoring-Patches von Forschungslabors auf den Markt besteht in der Verfügbarkeit kontinuierlicher und konsistenter Energiequellen, die am Einsatzort gewonnen werden können. Die Industrie untersucht derzeit den Einsatz von Quellen wie Körperwärme, Vibrationen durch Bewegung oder dedizierte HF-Energie in der Umgebung, um dieser zentralen Herausforderung zu begegnen.

Schließlich würde das Design von Herzüberwachungs-SoCs die erfolgreiche Integration von Mixed-Mode-Schaltungen auf einem sehr kleinen Stück Silizium ohne Interferenz über die zugewiesenen Grenzen im Layout erfordern. Dies würde spezielles Design-Know-how erfordern, um die Ausbreitung von Rauschen, das von hochfrequent schaltenden digitalen und HF-Schaltkreisen erzeugt wird, auf benachbarte analoge Präzisionsschaltkreise zu verhindern.

Das IoMT verlagert die traditionelle reaktive Gesundheitsversorgung hin zu einem erschwinglicheren Präventionssystem mit potenziell niedrigeren Kosten. Die Kombination von Fortschritten bei Halbleiter-, Konnektivitäts- und Materialwissenschaftstechnologien mit der Leistungsfähigkeit der KI bietet das Potenzial für lebensverändernde Anwendungen zur Verbesserung der Gesellschaft.

>> Dieser Artikel wurde ursprünglich veröffentlicht am unsere Schwestersite Electronic Products:„Das Internet der medizinischen Dinge ermöglicht vernetzte Herzüberwachungssysteme.“

Ash Patel und Bahram Mirshab gehören zum Healthcare-Segment, Renesas Electronics America Inc.