Progettare front-end di biorilevamento per indossabili per il settore del wellness è complesso. Questi kit vi semplificheranno la vita.

Sapete molto bene chi è l'ingegnere aerospaziale Edward Murphy, anche se forse non ne siete consapevoli. Ha lavorato su sistemi safety critical, ma basta essere bioingegneri per essere d'accordo sul suo detto "se c'è qualcosa che può andare storto, lo farà". Anche in sistemi che sembrano lineari, di cui si conoscono bene i singoli componenti, l'assemblaggio delle diverse parti può non corrispondere affatto alla loro somma.

Probabilmente vi scontrerete spesso con questo fenomeno (e con la legge di Murphy) se vi occupate di progetti personalizzati che riguardano indossabili per la salute e il fitness, che devono fornire misurazioni precise.

I concetti che stanno alla base della misurazione dei parametri vitali mediante fotopletismogramma (PPG) o elettrocardiogramma (ECG) sono sicuramente noti. Gli ingegneri sanno che possono rilevare la frequenza cardiaca mediante PPG misurando le variazioni del volume del sangue nei vasi periferici, oppure mediante ECG monitorando l'attività bioelettrica generata dal muscolo cardiaco. Conoscono anche la semplice teoria alla base della stima della saturazione periferica di ossigeno (SpO2), che dipende dalla differenza nello spettro di assorbimento tra ossiemoglobina e deossiemoglobina. Stanno anche acquisendo famigliarità con metodologie di misurazione più sofisticate, come l'uso del tempo di transito del polso (PTT) o tempo di arrivo del polso (PAT) per realizzare sfigmomanometri senza bracciale.

Tutte queste misurazioni si basano su catene simili di segnali di amplificatori e filtri per il condizionamento dei segnali che dai sensori vengono inviati a un convertitore analogico/digitale (ADC). Usando i dati convertiti, un microcontroller (MCU) esegue algoritmi documentati per generare i valori di frequenza cardiaca, SpO2, pressione sanguigna e altro.

Acquisizione di biosegnali puliti

Gli sviluppatori possono sfruttare un'ampia gamma di dispositivi a basso consumo energetico ed elevata precisione per realizzare catene di segnali e sottosistemi di elaborazione personalizzati che differenzino i propri prodotti per la salute e il fitness. Nella maggior parte dei casi però la disponibilità di biosensori di serie specializzati elimina la necessità di realizzare una catena di segnali di biosensori personalizzata per questo tipo di applicazioni.

Dispositivi come MAX86140 e MAX86141 di Analog Devices sono progettati appositamente per metodi PPG ottici. Per misurazioni ECG del biopotenziale, MAX30003, AD8232A e AD8233A di Analog Devices implementano le catene di segnali necessarie. ADPD4100 e ADPD4101 di Analog Devices possono supportare entrambi i tipi di misurazioni. Questi front-end analogici (AFE) multimodali integrano una coppia multicanale di catene di condizionamento del segnale che comprende amplificatore a transimpedenza (TIA), filtro passa banda (BPF), integratore e ADC.

È possibile utilizzare un AFE di questo tipo come base sia per misurazioni ECG a conduttore singolo basate su segnali bioelettrici (Figura 1 a sinistra) che per misurazioni PPG basate su segnali ottici (Figura 1 a destra), perché entrambi i metodi sono idonei all'uso nei dispositivi indossabili al consumo.

Figura 1: Gli AFE ADPD4100 e ADPD4101 di Analog Devices supportano misurazioni PPG (a sinistra) ed ECG (a destra). (Immagine per gentile concessione di Analog Devices)

Questi biosensori specializzati contribuiscono a velocizzare lo sviluppo, ma non impediscono che, quando ci si confronta con apparati biologici, tutto ciò che può andare storto lo faccia. Artefatti non prevedibili (ma non inaspettati), come sorgenti ambientali transitorie e mancata omogeneità della cute, influenzano i risultati del PPG, mentre interferenze elettromagnetiche (EMI) e un'ampia varietà di sorgenti fisiologiche di segnali elettrici, come la contrazione dei muscoli scheletrici, complicano l'ECG. L'impatto di questi vari artefatti sul rapporto segnale/rumore (SNR) a volte può essere enorme, come ho potuto constatare di persona durante la ricerca per la mia tesi. Ho infatti dovuto ritardare i miei obiettivi principali per realizzare una specie di sottosistema basato sull'apprendimento automatico solo per acquisire biosegnali puliti.

Data la natura degli apparati biologici, anche conoscendo a fondo la teoria che sta alla base di PPG, ECG, PAT/PTT e altri metodi biofisici, gli sviluppatori potrebbero rendersi conto che progettare un indossabile per la salute o il fitness non è facile come pensavano. Concentrandosi solo sulle catene di segnali e sugli algoritmi, infatti, ci si potrebbe scontrare con l'impossibilità di acquisire biosegnali puliti.

Mediante kit di sviluppo di biosensori, invece, è possibile realizzare rapidamente prototipi per cominciare a studiare gli effetti delle diverse lunghezze d'onda della luce o delle varie posizioni degli elettrodi, o le numerose altre opportunità per ottimizzare l'acquisizione dei biosegnali (o semplicemente per far funzionare il tutto).

Kit specializzati per la prototipazione dei dispositivi indossabili per il wellness

Articoli come il kit di valutazione EVAL-ADPD4100Z-PPG e la fascia con sensori per la salute MAXREFDES103# di Analog Devices sono progettati in modo specifico per accelerare lo sviluppo di dispositivi indossabili per il wellness. Durante lo sviluppo, EVAL-ADPD4100Z-PPG viene programmato mediante la scheda madre EVAL-ADPDUCZ basata sul microcontroller Cortex-M3 dell'azienda, collegata tramite la porta con connettore micro USB della scheda del kit. Dopo aver scollegato il cavo USB, gli sviluppatori possono testare i progetti in situ collegando il cinturino in dotazione alle apposite aperture sulla scheda (Figura 2).

Figura 2. La scheda di valutazione EVAL-ADPD4100Z-PPG di Analog Devices può essere indossata al polso per studiare le condizioni nel mondo reale. (Immagine per gentile concessione di Analog Devices)

Il kit MAXREFDES103# combina in un contenitore indossabile precostruito un sottosistema di sensori basato sul biosensore MAX86141 con un sottosistema host completo basato sull'MCU MAX32630. Oltre a pulsanti e a un diodo luminescente (LED) colorato che indica lo stato del dispositivo, il contenitore indossabile offre un connettore USB Type-C per collegare una scheda di espansione, in dotazione, per gli aggiornamenti del firmware (Figura 3).

Figura 3: Il progetto di riferimento per la salute MAXREFDES103# include un dispositivo indossabile per studiare le applicazioni dei biosensori sul campo. (Immagine per gentile concessione di Analog Devices)

L'aspetto forse più importante è che ogni kit è provvisto di un pacchetto software per analizzare i dati misurati, con cui è possibile studiare le forme d'onda generate durante la misurazione continua in diverse configurazioni di rilevamento, esaminando l'impatto di artefatti intenzionali o accidentali. Il software di valutazione Wavetool di Analog Devices consente agli sviluppatori di eseguire EVAL-ADPD4100Z-PPG in diverse modalità applicative, tra cui SpO2 ed ECG.

Il pacchetto software del progetto di riferimento MAXREFDES103# di Analog Devices include l'applicazione DeviceStudio, che permette di configurare il biosensore e gli algoritmi embedded per la frequenza cardiaca e l'SpO2. È disponibile inoltre Health Sensor Platform, un'app Android dell'azienda che offre ulteriori algoritmi per la qualità del sonno, la frequenza respiratoria e la variabilità della frequenza cardiaca (HRV). Quest'ultima metrica viene vista con particolare attenzione dalla comunità scientifica come metodo non invasivo per monitorare le variazioni nel sistema nervoso autonomo.

Conclusione

Progettare da zero catene di segnali di biorilevamento per dispositivi indossabili non è esattamente uno scherzo. Se però desiderate progettare una catena personalizzata, i kit di sviluppo personalizzati appena descritti possono dimostrarsi essenziali per vincere le sfide che incontrerete nel mondo reale.

Informazioni su questo autore

Image of Stephen Evanczuk

Stephen Evanczuk ha più di 20 anni di esperienza come autore sull'industria elettronica e ha scritto su una vasta gamma di argomenti tra cui hardware, software, sistemi e applicazioni, incluso l'IoT. Ha ricevuto un Ph.D. in neuroscienze sulle reti neuronali e ha lavorato nel settore aerospaziale su sistemi di sicurezza ampiamente distribuiti e sui metodi di accelerazione algoritmica. Attualmente, quando non scrive articoli su tecnologia e ingegneria, lavora su applicazioni di deep learning per i sistemi di riconoscimento e di raccomandazione.

More posts by Stephen Evanczuk
 TechForum

Have questions or comments? Continue the conversation on TechForum, DigiKey's online community and technical resource.

Visit TechForum