Asequible, portátil y autónomo.

Sep 03, 2023

Scientific Reports volumen 12, Número de artículo: 20613 (2022) Citar este artículo

1231 Accesos

1 Citas

3 Altmetric

Detalles de métricas

La accesibilidad de los dispositivos de control de tratamiento y detección de diagnóstico para enfermedades respiratorias es fundamental para promover la atención médica y reducir las complicaciones repentinas y la mortalidad. La espirometría es el estándar para diagnosticar y monitorear varias enfermedades pulmonares. Sin embargo, carece de las capacidades de evaluación regional necesarias para detectar cambios regionales sutiles en ciertas enfermedades. También requiere maniobras de respiración difíciles para ancianos, niños y pacientes enfermos. Aquí, actualizamos un sistema de tomografía de impedancia eléctrica (EIT) asequible, portátil y autoadministrable para la evaluación de la función pulmonar y la telemedicina en el hogar. A través de ensayos simultáneos de EIT y espirometría en sujetos sanos, demostramos que nuestro dispositivo puede predecir indicadores de espirometría en un amplio rango y puede proporcionar un mapeo regional de estos indicadores. Además, desarrollamos un paradigma de respiración casi sin esfuerzo y lo probamos monitoreando longitudinalmente a un sujeto dado de alta con COVID-19 y dos controles sanos con resultados que sugieren que el paradigma puede detectar el deterioro inicial seguido de la recuperación. En general, el sistema EIT se puede aplicar ampliamente para la detección y el control de la función pulmonar tanto en el hogar como en la clínica.

Las enfermedades respiratorias abarcan cinco de las treinta causas más comunes de enfermedad grave y muerte en todo el mundo1. La detección diagnóstica y el seguimiento continuo de estas enfermedades son fundamentales para mejorar la atención sanitaria de los pacientes y reducir las complicaciones repentinas y la mortalidad. Si bien la detección y el monitoreo en el hogar son una forma práctica y rentable de aliviar la carga asociada con estas enfermedades2,3,4, su efectividad a menudo se ve cuestionada debido a la falta de herramientas médicas estándar, autoadministrables y en el hogar5, 6.

Hasta la fecha, la espirometría7 es la evaluación estándar de la función pulmonar para evaluar la aerodinámica general, identificar y monitorear diferentes condiciones, incluida la COVID-198. Sin embargo, la espirometría carece de la capacidad de evaluación regional que es necesaria para detectar, evaluar y monitorear los cambios regionales en ciertas enfermedades pulmonares, como la enfermedad pulmonar obstructiva crónica (EPOC)9 y la COVID-1910 potencialmente prolongada. Por ejemplo, la espirometría pasó por alto el 10,4 % de los pacientes con EPOC que tienen un enfisema importante9. Además, solo el 9% de los pacientes dados de alta por COVID-19 no tenían anomalías residuales en la tomografía computarizada (TC) pulmonar 10 meses después del alta, a pesar de que los índices de espirometría eran todos normales10. Estos estudios significan la necesidad de una evaluación regional de las funciones pulmonares.

La función pulmonar regional generalmente se evalúa a través de TC, resonancia magnética nuclear (RMN) hiperpolarizada o métodos de imágenes nucleares11. Sin embargo, estas técnicas suelen ser costosas y tienen una resolución temporal deficiente, lo que puede no ser ideal para la monitorización de la función pulmonar. La tomografía de impedancia eléctrica12,13 (EIT, por sus siglas en inglés) es una técnica de imagen biomédica no invasiva y libre de radiación cada vez más utilizada para monitorear la función pulmonar, en particular en los lactantes en las unidades de cuidados intensivos14,15. Aunque la EIT tiene una resolución espacial baja, su alta resolución temporal es adecuada para las pruebas de función pulmonar. Como tal, los esfuerzos de investigación recientes se asignaron para establecer una relación entre la EIT y las medidas de función pulmonar estándar para facilitar la interpretación de los resultados de la EIT. Por ejemplo, un estudio anterior desarrolló un modelo paramétrico de la relación entre el cambio de volumen pulmonar, el cambio de conductividad del TIE y la información antropométrica16. Sin embargo, no aplicaron las maniobras de respiración de espirometría estándar, por lo que aún no es concluyente si la EIT puede reflejar directamente los indicadores de espirometría. Más recientemente, se ha investigado esta relación17, pero se requiere una calibración por sujeto para permitir la predicción de los indicadores de espirometría a partir de la EIT. En general, aún no se ha demostrado el uso de EIT como un método independiente para predecir los indicadores estándar de espirometría de la función pulmonar.

A pesar de los recientes avances en electrónica que permitieron el desarrollo de dispositivos portátiles de TIE18,19, los sistemas comerciales de TIE siguen siendo costosos, voluminosos y requieren que los médicos los operen e interpreten13. Por lo tanto, la amplia usabilidad de los sistemas EIT en la detección diagnóstica de enfermedades pulmonares y las aplicaciones de telemedicina para monitorear las funciones pulmonares aún se ve obstaculizada tanto para entornos clínicos como en el hogar. Aquí, diseñamos e implementamos un sistema EIT asequible, portátil y autoadministrable y establecimos su asociación con la espirometría estándar. Nuestro sistema EIT portátil no solo se puede utilizar como un dispositivo independiente para predecir indicadores de espirometría globales sin calibración por sujeto (una ventaja sobre los sistemas EIT existentes), sino que también proporciona un mapeo regional de estos indicadores (una ventaja sobre la espirometría). Además, dado que la espirometría requiere que los sujetos realicen una serie de maniobras correctamente, lo que es difícil para los ancianos, los niños y los pacientes con insuficiencia pulmonar grave, desarrollamos un nuevo paradigma de respiración guiada casi sin esfuerzo para la evaluación de la función pulmonar en el hogar. Demostramos que este paradigma podría reflejar funciones pulmonares globales y regionales sobre sujetos sanos. Evaluamos aún más el paradigma al monitorear longitudinalmente a un sujeto dado de alta con COVID-19 y dos controles, con resultados que sugieren un deterioro inicial seguido de recuperación para el sujeto dado de alta con COVID-19. Cabe señalar que el paradigma de respiración casi sin esfuerzo propuesto no pretende reemplazar el paradigma de la espirometría. En cambio, se puede utilizar como una alternativa para la detección y el seguimiento, que debería ser más fácil en comparación con el paradigma de la espirometría estándar de oro, ya que requiere que los sujetos realicen una serie de maniobras correctamente.

Para respaldar la detección y el monitoreo en el hogar, diseñamos el sistema EIT teniendo en cuenta la portabilidad, la autoadministración y la rentabilidad. Desarrollamos una consola del tamaño de la palma de la mano y liviana con dimensiones de 15,2 × 11,0 × 4,4 cm3 y < 300 g (Fig. 1A). La consola portátil funciona junto con un cinturón de electrodos de 16 canales reutilizable y desinfectable (Fig. 1A), una interfaz de aplicación móvil y una canalización de procesamiento basada en la nube. La función de portabilidad está respaldada por la integración de un módulo de administración de energía y batería que permite que el sistema completo funcione con una fuente de alimentación constante de 3,3 V, por lo que puede funcionar a través de una toma de corriente o una batería de iones de litio. Tenga en cuenta que varios sistemas EIT20,21,22 requieren una fuente de alimentación más alta que va desde ± 5 V (total de 10 V) a ± 15 V (total de 30 V). Para permitir la portabilidad de estos sistemas, es necesario usar varias baterías, lo que es más costoso e impone desafíos adicionales en la refrigeración del sistema y el cumplimiento de las normas de la Comisión Electrotécnica Internacional (IEC). El sistema desarrollado también garantiza la seguridad de los usuarios al limitar la amplitud de corriente generada hasta 1 mApp de acuerdo con las pautas regulatorias de dispositivos médicos emitidas por IEC (los detalles de la consola se encuentran en la Figura complementaria S1 y los métodos en línea). El sistema desarrollado puede lograr una velocidad de cuadro flexible de hasta 50 cuadros por segundo a través de un método ADC (fps) de triple entrelazado, lo que permite la detección de cambios de conductividad de alta frecuencia, como los que ocurren durante la exhalación forzada en las pruebas de espirometría (más detalles en métodos en línea). El cinturón de electrodos consta de una banda elástica de silicona con dieciséis electrodos de gel de carbono desechables espaciados equitativamente y viene en tamaños que van desde 65 a 120 cm de longitud con un rango extensible del 10 % de su longitud original para adaptarse a la variación de la circunferencia del pecho entre poblaciones y diferentes maniobras de respiración. . Se recomienda reemplazar los electrodos de gel cada vez después de cada uso para garantizar el mejor rendimiento. La función de autoadministración se admite a través de una aplicación móvil que guía a los usuarios a conectar la consola (consulte la Guía complementaria para conectarse a la consola) y usar el cinturón de electrodos (consulte la Guía complementaria para usar el cinturón pulmonar) e instruye a los usuarios para realizar paradigmas de respiración (Guía complementaria para realizar la prueba pulmonar y Figura complementaria S2). Los datos adquiridos pueden procesarse en una canalización de procesamiento basada en la nube o a través de una aplicación de escritorio. Los datos sin procesar adquiridos se eliminan del ruido, luego las imágenes EIT de diferencia de tiempo se reconstruyen y procesan para generar mapas funcionales, donde los indicadores derivados de EIT se extraen aún más (Figura complementaria S3). El procesamiento de datos optimizado a través de una aplicación de escritorio o basada en la nube permite la usabilidad del dispositivo tanto en línea como fuera de línea, al tiempo que minimiza el costo adicional para optimizar la potencia computacional de la consola.

El sistema EIT portátil y sus canales de procesamiento de datos extraen curvas de conductividad-tiempo que están altamente correlacionadas con las curvas de volumen-tiempo bajo diferentes paradigmas de respiración. (A) El sistema EIT consta de una consola portátil, un cinturón de electrodos, una interfaz de aplicación móvil y una canalización de procesamiento basada en la nube. Los datos de EIT sin procesar se adquieren primero, seguidos de la eliminación de ruido, la reconstrucción de imágenes de EIT de diferencia de tiempo y la extracción de forma de onda de conductividad global. (B) Se aplicaron EIT y espirometría simultáneas con cuatro paradigmas de respiración diferentes, incluida una combinación de inhalación de capacidad plena o media y exhalación rápida o lenta. (C) La media (± error estándar) de la curva de conductividad global extraída-tiempo y la curva de volumen-tiempo concuerdan como se muestra en los diagramas de barras del coeficiente de correlación de Pearson (PCC; ± error estándar) calculado en los segmentos de volumen 0- 1L, 1-2L, 2-3L y 3-4L. Los dibujos del cinturón de electrodos y la consola EIT portátil se realizaron con Dassault Systemes Solidworks 2020, Luxion Keyshot 9 y Adobe Photoshop CC 2019. Los dibujos del maniquí y el espirómetro se realizaron con Adobe Illustrator 2021.

Para permitir que nuestro sistema EIT se beneficie de la extensa literatura sobre espirometría, nuestro objetivo fue establecer la relación entre el cambio de conductividad medido por EIT y el cambio de volumen medido por espirómetros. Para este propósito, aplicamos EIT y espirometría (MIR Spirobank) simultáneamente a catorce sujetos sanos de diferente edad, altura, peso y etnia y predijimos FVC (los detalles demográficos y antropométricos se encuentran en la Tabla complementaria S1). La FVC predicha de los sujetos seleccionados oscila entre 3,25 y 5,5 L con una media de 4,5 L y una desviación estándar de 0,8 L, según los cálculos de la Encuesta Nacional de Salud y Nutrición (NHANES) III23. Todos los sujetos de este trabajo, a menos que se indique lo contrario, realizaron las pruebas en posición de pie y colocaron el cinturón en el tórax alrededor de las vértebras T4 y T5, es decir, justo debajo de los pezones para los hombres y justo debajo del pecho para las mujeres. Cada sujeto realizó al menos cinco repeticiones de cuatro paradigmas de respiración personalizados que se muestran en la Fig. 1B indicados (1) inhalación completa y exhalación rápida, (2) inhalación completa y exhalación lenta, (3) inhalación media y exhalación rápida; y (4) inhalación media y exhalación lenta. Tenga en cuenta que el primer paradigma, es decir, inhalación completa y exhalación rápida, es el paradigma de respiración de espirometría estándar. Estos paradigmas se eligieron para simular una amplia gama de cambios de caudal y volumen de diferentes sujetos (véanse los detalles en los métodos en línea).

Las formas de onda de conductividad global medidas con EIT y las formas de onda de volumen-tiempo medidas con espirómetro durante la sección de exhalación media se extraen y se muestran en la Fig. 1C. Las curvas de volumen y conductividad cambian cualitativamente de manera similar para todos los modos de respiración. El coeficiente de correlación de Pearson (PCC) calculado entre el volumen y la conductividad en los segmentos de volumen 0–1 L (L), 1–2 L, 2–3 L y 3–4 L para cada prueba individual es mayor que 0,8 (p < 0,001 , Fig. 1C), lo que confirma que EIT puede capturar cambios de conductividad sincrónicamente con cambios de volumen.

Los diagramas de dispersión entre los cambios de conductividad y volumen para diferentes sujetos se presentan en la Fig. 2A. La relación entre conductividad y volumen es lineal con un PCC promedio igual a 0,89 ± 0,02 (p < 0,001) para todos los sujetos. Se realiza una regresión lineal simple para obtener la línea de mejor ajuste que predice el volumen a partir de la conductividad en diferentes sujetos. Tenga en cuenta que las pendientes de las líneas de mejor ajuste son diferentes para cada sujeto (Fig. 2B), lo que implica que el cambio de volumen no puede explicarse únicamente con el cambio de conductividad para diferentes sujetos (PCC = 0,52). La correlación entre la pendiente y el intercepto, y las características antropométricas de los sujetos, como edad, género, altura, peso, relación peso-altura (\(\mathrm{W}/\mathrm{H}\)) y la circunferencia del pecho (Chest) son evaluado y mostrado en la Fig. 2C y la Figura Suplementaria S4, que muestra que la pendiente tiene una fuerte correlación con el peso, la relación peso-altura y la circunferencia del pecho (PCC> 0.8; p <0.001). Esto implica que los sujetos con mayor peso/altura y/o perímetro torácico tienen una pendiente mayor y, por lo tanto, para esos sujetos, un cambio menor en la conductividad está relacionado con un cambio mayor en el volumen. Dado que tanto el peso/altura como la circunferencia del pecho son proporcionales al volumen del medio conductor, cuanto mayores sean estas cantidades, mayor será la resistencia y más lento el cambio de conductividad. Por lo tanto, el peso/altura y la circunferencia del pecho se usan además de la conductividad para entrenar un modelo de regresión para predecir el volumen. El modelo buscado debe tener una pendiente W/H y cofre dependiente. Esto es equivalente a un modelo de regresión lineal con variables dependientes que incluyen términos producto de parámetros antropométricos y conductividad. Dado que la relación W/H está fuertemente correlacionada con el peso (PCC > 0,98; p < 0,001), no se incluyó el peso para evitar la multicolinealidad.

Con la corrección antropométrica, el sistema EIT desarrollado se puede utilizar como un dispositivo independiente para predecir el cambio de volumen pulmonar a lo largo del tiempo. (A) Las curvas de conductividad-tiempo de EIT global están significativamente correlacionadas con las curvas de volumen-tiempo para sujetos individuales. Estos indican que la relación entre conductividad y volumen es casi lineal y dependiente del sujeto. (B) La relación entre las curvas de conductividad-tiempo y las curvas de volumen-tiempo depende del sujeto. (C) La matriz de correlación entre la pendiente, el intercepto y la antropometría de los sujetos muestra que la pendiente está altamente correlacionada con la relación peso-altura (W/H) y la circunferencia del pecho (Chest). (D) Las curvas de volumen-tiempo pronosticadas utilizando EIT y la antropometría de los sujetos están altamente correlacionadas con las curvas de volumen-tiempo medidas. Las muestras del tren y de la prueba se muestran en la figura complementaria S5 (E). La media (± error estándar) de las curvas de volumen-tiempo predichas está de acuerdo con la media (± error estándar) de las curvas de volumen-tiempo medidas para todos los esfuerzos respiratorios. como se muestra en los diagramas de barras del coeficiente de correlación de Pearson (PCC; ± error estándar) calculado en los segmentos de volumen 0-1L, 1-2L, 2-3L y 3-4L.

Para garantizar que el modelo de regresión sea capaz de generalizar a datos no vistos de sujetos con diferentes características antropométricas y para evaluar de manera justa el rendimiento del modelo, los datos se dividen en muestras de entrenamiento y de prueba. Las muestras de prueba se obtienen excluyendo aleatoriamente todos los datos de dos sujetos y otro 10% de los datos de los sujetos restantes. Las muestras de entrenamiento son los datos restantes. Tenga en cuenta que la proporción de las muestras de prueba es del 24% del total de muestras. El volumen predicho y el volumen medido están significativamente correlacionados (Fig. 2D, Figura complementaria S5) tanto para el entrenamiento (PCC = 0.89; p < 0.001) como para las muestras de prueba (PCC = 0.8; p < 0.001). El error cuadrático medio normalizado (NRMSE) del volumen predicho es 10,4 % y 13,4 % para las muestras de entrenamiento y prueba, respectivamente. Estos errores son del mismo orden de magnitud que en estudios previos16. Esto muestra que el modelo de regresión desarrollado puede predecir el volumen a partir de la conductividad y la antropometría para un amplio rango dinámico y para diferentes sujetos de diferentes antropometrías. El volumen previsto a lo largo del tiempo para diferentes niveles de esfuerzo concuerda con el volumen medido (Fig. 2E, PCC > 0,8; p < 0,001 para todos los segmentos de volumen).

Desde el punto de vista del diagnóstico, los indicadores de la espirometría se consideran el estándar de oro y es la prueba diagnóstica más utilizada para el asma, la enfermedad pulmonar obstructiva crónica (EPOC) y otras enfermedades pulmonares obstructivas o restrictivas24. Los indicadores de espirometría más utilizados son la capacidad vital forzada (FVC), el volumen espiratorio forzado en 1 s (FEV1), la relación FEV1/FVC, el flujo espiratorio máximo (PEF) y el flujo espiratorio forzado al 25-75% de la capacidad vital forzada (FEF25). –75%). Por lo tanto, es importante asegurarse de que nuestro dispositivo EIT pueda predecir estos indicadores. Dado que no todos los paradigmas de respiración personalizados implican una exhalación forzada de esfuerzo total, estos indicadores se conocen como volumen máximo comprometido (MVE), volumen exhalado en 1 s (EV1), relación EV1/MVE, flujo espiratorio máximo (MEF) y flujo espiratorio en 25–75% del volumen máximo comprometido (EF25-75%), correspondiente a FVC, FEV1, FEV1/FVC, PEF, FEF25-75% respectivamente. Estos indicadores derivados de EIT se calculan de la siguiente manera (Fig. 3A). MVE se obtiene por la diferencia entre los cambios de volumen previstos máximo y mínimo; EV1 es el cambio en el volumen previsto dentro del primer segundo desde el inicio de la exhalación; EV1/MVE es la relación de EV1 y MVE; MEF es el valor máximo de la derivada temporal de la curva de volumen prevista; y EF25-75% es el promedio de la derivada temporal del volumen predicho durante la espiración del 25% de MVE al 75% de MVE. Los diagramas de dispersión de la Fig. 3B muestran los indicadores de espirometría previstos por nuestro dispositivo EIT frente a los indicadores de espirometría medidos. Todos los indicadores predichos con nuestro dispositivo están significativamente correlacionados con los indicadores de espirometría (PCC > 0.7; p < 0.001; métodos en línea, Tabla Suplementaria S2).

Los indicadores de espirometría predichos con el dispositivo EIT se correlacionan significativamente con los indicadores de un espirómetro estándar, lo que demuestra la capacidad del sistema EIT desarrollado para inferir indicadores de función pulmonar estándar. (A) Ilustración del método utilizado para calcular los indicadores de espirometría7 (B) Los indicadores derivados de EIT están significativamente correlacionados con los indicadores de espirometría en un amplio rango dinámico tanto para el entrenamiento como para las muestras de prueba, lo que demuestra que el dispositivo tiene capacidades de espirometría estándar. Abreviaturas: Volumen máximo comprometido (MVE), volumen exhalado en 1 s (EV1), flujo espiratorio máximo (MEF), flujo espiratorio al 25–75 % del volumen máximo comprometido (EF25-75 %).

Los mismos indicadores MVE, EV1, EV1/MVE, MEF y EF25-75% también se calculan a nivel de vóxel (mapas funcionales). Los indicadores en vóxeles que tienen una baja correlación con la forma de onda global y una pequeña amplitud se establecen en cero para reducir el ruido en los mapas funcionales (Fig. 4A). Los grupos de pulmones izquierdo y derecho se dividen además en particiones posterior y anterior (es decir, anterior izquierda (AL), posterior izquierda (PL), anterior derecha (AR) y posterior derecha (PR)) en las que se evalúan los indicadores. Los mapas funcionales promediados de cada indicador derivado de EIT de todos los paradigmas de respiración se muestran en la Fig. 4B. Todos los indicadores derivados de EIT extraídos de cuatro ROI (Fig. 4C) compartieron una tendencia similar a la global, es decir, el MVE es más alto en paradigmas que involucran inhalación a plena capacidad (p < 0.001), el EV1 es más alto en inhalación a plena capacidad con rápido exhalar (p < 0.001) y es más bajo en inhalación a media capacidad con exhalación lenta (p < 0.001), la relación EV1/MVE es mayor en paradigmas que involucran exhalación rápida (p < 0.001), el MEF es más alto en inhalación a plena capacidad con exhalación rápida exhala (p < 0,001) y es más bajo en inhalación a media capacidad con exhalación lenta (p < 0,001), y el EF25-75% es más alto en inhalación a plena capacidad con exhalación rápida (p < 0,001) y es más bajo en exhalación lenta (p < 0,001).

Los mapas funcionales derivados de EIT y los indicadores regionales derivados de EIT fueron consistentes con los cuatro paradigmas de respiración correspondientes, que es la combinación de inhalación de capacidad completa o media y exhalación rápida o lenta. (A) Los mapas funcionales se obtienen mediante la evaluación de los indicadores EIT a partir de las formas de onda de vóxel a partir de las cuales se infieren las regiones de interés (ROI), incluidas la anterior izquierda (AL), la posterior izquierda (PL), la anterior derecha (AR) y la posterior. derecha (RP). (B) Se calcularon mapas funcionales promediados, lo que permitió la evaluación de la función pulmonar regional. (C) Todos los indicadores regionales siguieron una tendencia similar, es decir, el MVE es más alto en los paradigmas que involucran la inhalación a plena capacidad, el EV1 es más alto en la inhalación a plena capacidad con exhalación rápida y es más bajo en la inhalación a la mitad de la capacidad con exhalación lenta, el EV1/MVE la proporción es más alta en los paradigmas que involucran una exhalación rápida, el MEF es más alto en la inhalación a plena capacidad con una exhalación rápida y es más bajo en la inhalación a media capacidad con una exhalación lenta, y el EF25-75% es más alto en la inhalación a plena capacidad con una exhalación rápida y es más bajo en exhalación lenta. *p < 0,05, **p < 0,01, ***p < 0,001. Las barras de error indican ± error estándar de la media. Abreviaturas: Volumen máximo comprometido (MVE), volumen exhalado en 1 s (EV1), flujo espiratorio máximo (MEF), flujo espiratorio al 25–75 % del volumen máximo comprometido (EF25-75 %).

Además, desarrollamos un nuevo paradigma de respiración guiada que consiste en una inhalación y exhalación periódicas a 12 respiraciones por minuto (bpm) (Fig. 5A) y su canal de procesamiento correspondiente (ver métodos en línea). La elección de una frecuencia respiratoria relativamente lenta (rango típico: 12-20 lpm25) es imponer un cierto grado de desafío respiratorio. Es decir, un sujeto normal tendería a respirar una mayor cantidad de aire en cada ciclo durante este ejercicio. Un total de nueve sujetos de diferente edad, altura, peso, origen étnico y CVF prevista realizaron más de cuatro repeticiones de respiración guiada (los detalles demográficos y antropométricos se encuentran en la Tabla complementaria S3). Se instruyó a los sujetos para que realizaran modos de respiración profundos y superficiales para caracterizar las diferencias funcionales. De cada sujeto y cada repetición, calculamos los mapas de amplitud, la amplitud total, la curva de conductividad-tiempo y los espectros de frecuencia (consulte los métodos en línea). Todos los resultados fueron normalizados por el mayor participante dependiente del sujeto para comparar estrictamente los dos modos de respiración (ver métodos en línea). Como era de esperar, el modo de respiración profunda exhibió una mayor amplitud en comparación con la respiración superficial (p <0,001, Fig. 5B y Figura complementaria S6). Tenga en cuenta que los vóxeles activados son casi los mismos para ambas profundidades de respiración, la amplitud total fue mayor durante la respiración profunda (p <0,001). Sin embargo, el pulmón derecho tiene significativamente más vóxeles activados (p < 0,001) y una amplitud total significativamente mayor (p < 0,001) en comparación con el izquierdo en los modos de respiración profunda y superficial, probablemente debido a la posición del corazón dentro del tórax izquierdo. La conductividad promedio normalizada en los lóbulos pulmonares derecho e izquierdo se muestra en la Fig. 5B tanto en el dominio del tiempo como en el de la frecuencia. Los resultados muestran que las variaciones de conductividad tanto para los pulmones como para los modos de respiración siguen una oscilación periódica de doce periodos por minuto con menor amplitud para la respiración superficial. Estos resultados demostraron que este nuevo paradigma de respiración guiada casi sin esfuerzo puede reflejar cambios en la función pulmonar tanto globales como regionales.

La EIT con un nuevo paradigma de respiración guiada casi sin esfuerzo puede cuantificar los cambios funcionales pulmonares globales y regionales. (A) El paradigma es un patrón periódico de inhalación y exhalación a 12 respiraciones por minuto (bpm). (B) Se aplicaron modos de respiración superficial y profunda para evaluar la sensibilidad de este método. Los vóxeles activados y la amplitud total se extrajeron de los pulmones izquierdo y derecho. El pulmón derecho tiene significativamente más vóxeles activados y una amplitud total significativamente mayor en comparación con el izquierdo. Los mapas de amplitud, la amplitud total, la curva de tiempo de conductividad y los espectros de frecuencia exhibieron una mayor amplitud durante la respiración profunda en comparación con la respiración superficial, mientras que los vóxeles activados permanecieron similares. *** p < 0,001. Las barras de error indican ± error estándar de la media. Abreviaturas: unidad arbitraria (au). Los dibujos del cinturón de electrodos y la consola EIT portátil se realizaron con Dassault Systemes Solidworks 2020, Luxion Keyshot 9 y Adobe Photoshop CC 2019. Los dibujos de la persona ficticia se realizaron con Adobe Illustrator 2021.

Para caracterizar aún más el rendimiento del sistema con este nuevo paradigma casi sin esfuerzo, un sujeto dado de alta con COVID-19 fue monitoreado longitudinalmente con dos controles sanos. El sujeto COVID y los dos controles sanos fueron seleccionados de manera que todos sean no fumadores, no tengan antecedentes conocidos de enfermedades cardíacas y/o pulmonares como EPOC, asma, bronquitis no tratada o neumonía, sean del mismo sexo (todos hombres). ), CVF prevista similar (5,6 l (COVID), 5,3 l, 5,2 l), edad (33 (COVID), 24, 28), peso (79 kg (COVID), 75 kg, 58 kg) y circunferencia torácica ( 90 cm (COVID), 89 cm, 81 cm) (detalles demográficos, antropométricos y clínicos en la Tabla complementaria S4). Tanto el sujeto dado de alta con COVID como los dos controles sanos realizaron las pruebas mientras estaban de pie con el cinturón pulmonar alrededor de las vértebras T4 y T5 y se les indicó que siguieran el paradigma de respiración en la pantalla (Fig. 5A) sin instrucciones específicas sobre la profundidad de la respiración. El mapa de amplitud promedio en diferentes ensayos para el sujeto COVID-19 y los dos controles se muestran en la Fig. 6A junto con sus indicadores asociados, incluidos los vóxeles activados, la amplitud total y el coeficiente de variación (CV, consulte los métodos en línea). El coeficiente de variación es un indicador del grado de falta de homogeneidad en diferentes regiones pulmonares y se demostró que es indicativo de anormalidad pulmonar en estudios previos26,27,28. Los vóxeles activados y la amplitud total para todos los sujetos son consistentes con los resultados del experimento de respiración guiada con profundidad variable, es decir, el pulmón derecho tiene significativamente más vóxeles activados y una amplitud total significativamente mayor (p < 0,001). Por otro lado, el sujeto dado de alta por COVID-19 presentó mayor CV (p < 0,001), sugiriendo deterioro de la función pulmonar.

La EIT con un nuevo paradigma de respiración guiada casi sin esfuerzo puede detectar el deterioro pulmonar regional seguido de una recuperación para un sujeto dado de alta por COVID-19. El sujeto dado de alta con COVID-19 fue monitoreado longitudinalmente junto con dos controles emparejados por edad y género (A) El sujeto dado de alta con COVID-19 tenía un CV más alto, lo que sugiere un deterioro de la función pulmonar. Tenga en cuenta que el pulmón derecho tiene vóxeles significativamente más activados y una amplitud total significativamente mayor. (B) CV disminuyó significativamente a lo largo del tiempo en el pulmón izquierdo del sujeto dado de alta con COVID-19, lo que sugiere un deterioro funcional al principio seguido de una recuperación. (C) El análisis regional identificó aún más el deterioro y la recuperación en el pulmón izquierdo anterior. *p < 0,05, **p < 0,01 y ***p < 0,001. Las barras de error indican ± error estándar de la media. Abreviaturas: unidad arbitraria (au); no significativo (ns); coeficiente de variación (CV).

Para examinar más a fondo las funciones pulmonares regionales, las evoluciones temporales del CV de los pulmones izquierdo y derecho se presentan en gráficos de dispersión y se someten a regresión lineal (Fig. 6B). Los resultados sugieren que el CV disminuyó significativamente (p < 0,01) a lo largo del tiempo en el pulmón izquierdo del sujeto dado de alta con COVID-19 (Fig. 6B), lo que sugiere un deterioro funcional al principio seguido de una recuperación. Mientras que no se observaron tendencias significativas para los controles. La evolución temporal de la CV se evalúa además en la parte anterior y posterior de las regiones de interés izquierda y derecha. Los resultados sugieren que el deterioro potencial y la recuperación se han producido específicamente en el pulmón izquierdo anterior (Fig. 6C). Dado que este es un estudio de caso de un solo sujeto, se requieren pruebas más extensas para respaldar estas conclusiones.

Aquí, diseñamos y desarrollamos un sistema EIT autoadministrable, portátil y rentable en el hogar, implementamos un paradigma de respiración casi sin esfuerzo y demostramos su viabilidad para evaluar longitudinalmente las funciones pulmonares globales y regionales.

Validamos el sistema EIT portátil desarrollado como un dispositivo independiente para predecir indicadores de espirometría estándar. Nuestros resultados demostraron que el volumen de flujo de aire a través del pulmón se puede predecir usando EIT y la antropometría del sujeto sin calibración (PCC > 0,8; p < 0,001). Observamos una ligera diferencia entre la curva de conductividad-tiempo de la TIE y la curva de tiempo-volumen de la espirometría, posiblemente debido al hecho de que el corte de imagen de la TIE no puede representar todo el pulmón (Figura complementaria S7), que puede dilucidarse con 3D-EIT10 en el futuro . También demostramos que la EIT puede inferir indicadores de espirometría estándar (PCC > 0,7; p < 0,001), lo que la hace potencialmente adecuada para la detección, el diagnóstico y el seguimiento de enfermedades pulmonares obstructivas y restrictivas, lo que facilita su adopción como herramienta de detección estándar para la evaluación de la función pulmonar. . Además, mostramos que el sistema proporciona un mapeo funcional regional de los indicadores de espirometría. Presumimos que dicha información espacial adicional sería fundamental para la evaluación funcional pulmonar regional, que puede ser esencial para detectar y monitorear cambios regionales en enfermedades pulmonares, como la EPOC. Se justifican futuros estudios clínicos que involucren a pacientes con enfermedades como la EPOC, el asma y la enfermedad pulmonar intersticial.

Para evaluar las incertidumbres del dispositivo debido a la variabilidad de la posición del cinturón, la postura del sujeto y la repetición, adquirimos repetidamente mediciones simultáneas de EIT y espirometría de dos sujetos durante la respiración forzada de diferentes esfuerzos. El primer sujeto realizó las pruebas variando la posición del cinturón de electrodos y su postura. La prueba de variabilidad de la posición del cinturón se realiza mientras el sujeto está de pie y el cinturón se coloca en cuatro posiciones diferentes: (i) alrededor de las vértebras T4 y T5 (posición instruida o "normal"), (ii) 1 cm por encima (es decir, alrededor T4), (iii) 2 cm por debajo (es decir, entre T5 y T6) y (iv) 5 cm por debajo (es decir, entre T7 y T8)29. La prueba de variabilidad de la postura se realizó mientras el cinturón se colocaba en la posición indicada y el sujeto mantenía tres posturas diferentes: (i) de pie (posición instruida o "normal"), (ii) sentado, (iii) acostado. La variabilidad debida a la prueba de repetición la realiza el segundo sujeto en dos días diferentes (día 1 y día 11) mientras está de pie con el cinturón pulmonar alrededor de las vértebras T4 y T5. El diagrama de dispersión que compara los indicadores de EIT y los indicadores de espirometría se muestra en las Figuras complementarias S8, S9 y S10. Los datos adquiridos desde la posición instruida o el día 1 se utilizan para crear un modelo de regresión para predecir los indicadores de espirometría a partir de los indicadores de EIT. Luego, el modelo de regresión se aplica a los datos adquiridos en otras posiciones del cinturón o en el día. Los NRMSE inducidos al variar el cinturón 1 cm por encima a 5 cm por debajo son comparables a los obtenidos desde la posición normal, con los errores más grandes registrados cuando el cinturón está a 5 cm de la posición indicada (Tabla complementaria S3). El NRMSE inducido al variar la postura del sujeto de pie, sentado a acostado es comparable con los errores más grandes registrados cuando el sujeto está acostado (Tabla complementaria S3). Finalmente, el NRMSE inducido al repetir las pruebas el día 11 es comparable a los errores del día 1, con los errores del día 11 más grandes (Tabla complementaria S3). Aunque los resultados sugieren que la predicción de los indicadores de espirometría no se ve muy afectada por pequeños errores en la posición del cinturón, la postura del sujeto y la repetición, cabe señalar que los errores de estos experimentos se evaluaron en un solo sujeto. Por lo tanto, se necesitan más experimentos para estimar con precisión el error inducido por estas variabilidades. Finalmente, cabe señalar que también es posible compensar los errores inducidos por la posición del cinturón o la postura del sujeto16. El desarrollo de dicho modelo requiere que se adquieran datos de múltiples sujetos, que se considerarán para futuros estudios.

El nuevo paradigma de respiración guiada casi sin esfuerzo es sensible a diferentes esfuerzos respiratorios y proporciona evaluaciones de la función pulmonar tanto globales como regionales. Además, el seguimiento longitudinal del sujeto dado de alta por COVID-19 mostró que el sistema EIT puede detectar potencialmente el deterioro inicial seguido de la recuperación. Si bien el sujeto reclutado no se sometió a una prueba de falta de homogeneidad de la ventilación (VIH) ni a una tomografía computarizada para comparar nuestros resultados con estas pruebas estándar, otros estudios sugieren que la falta de homogeneidad se detecta en más del 40 % de los sujetos con COVID-1930. Se requieren pruebas más exhaustivas con sujetos con COVID-19 para respaldar estas conclusiones dado que este es solo un estudio de caso. La eficacia del paradigma de la respiración guiada aún no se ha dilucidado a través de extensos ensayos clínicos. Sin embargo, nuestro dispositivo puede ser potencialmente útil para el seguimiento longitudinal de la recuperación de COVID-19. De hecho, una recuperación completa de COVID-19 puede llevar varios meses31,32. COVID largo es un término ideado por pacientes para describir los síntomas persistentes que experimentan mucho después de un ataque inicial de COVID-19, con síntomas que incluyen dificultad para respirar, daño estructural pulmonar, función pulmonar anormal, etc. Varios estudios mostraron que más del 70% de los pacientes dados de alta, con dos pruebas negativas emitidas con 24 h de diferencia, se encontraron anomalías mediante tomografía computarizada de alta resolución (TCAR) y espirometría33,34. Por lo tanto, el seguimiento posterior al tratamiento de COVID y el seguimiento longitudinal de COVID prolongado son deseables para capturar cualquier anomalía de la función pulmonar perdida u oculta para mejorar los resultados del paciente. Además, varias enfermedades respiratorias también se pueden explorar mediante el uso de nuestro enfoque EIT, incluida la EPOC28,35, el asma36 y las infecciones agudas del tracto respiratorio inferior37.

Una de las principales ventajas de nuestro sistema EIT desarrollado es su alta accesibilidad, que es fundamental para promover la atención médica remota. Recientemente, durante la pandemia de COVID-19, las aplicaciones de telesalud y telemedicina son cada vez más demandadas en todo el mundo38. Las aplicaciones de telemedicina se refieren a los usos de las telecomunicaciones y la tecnología de la información para proporcionar acceso remoto a la evaluación, el diagnóstico, la intervención y la consulta de salud, como para asistir en la consulta clínica distal y la supervisión del tratamiento39. Además de mejorar el acceso a la atención médica, nuestra consola EIT y el cinturón de silicona sirven como dispositivos portátiles autoadministrables con orientación detallada a través de una aplicación móvil y almacenamiento y procesamiento de datos basados ​​en la nube en tiempo real, lo que permite el monitoreo remoto para que los profesionales médicos evalúen virtualmente la salud de los pacientes. y respuestas al tratamiento. En comparación con el sistema EIT tradicional, nuestro sistema EIT portátil está diseñado como un dispositivo de telemedicina asequible, que se puede utilizar ampliamente para el control remoto de pacientes tanto en entornos clínicos como en el hogar. Es importante tener en cuenta que una gran parte del costo de los sistemas EIT puede deberse a decisiones comerciales y licencias médicas. Al hacer que el dispositivo sea asequible, portátil y autoadministrable, se puede vender una mayor cantidad de dispositivos y, por lo tanto, se puede reducir el costo de la licencia médica por unidad de dispositivo. En última instancia, el dispositivo propuesto puede mejorar la calidad de la atención médica de los pacientes que padecen enfermedades pulmonares crónicas40,41, reducir el tiempo y el costo asociados con el monitoreo en el sitio4 y reducir potencialmente las tasas de mortalidad general.

Además de la detección y el control de enfermedades pulmonares, el sistema EIT portátil desarrollado también tiene el potencial para la detección y el control del tratamiento de enfermedades crónicas en otras partes del cuerpo, como el hígado, los riñones, las mamas y las articulaciones sinoviales. De hecho, las propiedades dieléctricas (p. ej., bioimpedancia, conductividad, permitividad) podrían variar entre tejidos sanos y enfermos a diferentes frecuencias de excitación42. Por ejemplo, se demostró que la conductividad de los tejidos tumorales hepáticos humanos ex vivo era más alta43, mientras que se detectó una conductividad más baja44 y una bioimpedancia45 más alta en tejido con esteatosis hepática en ratas in vivo en comparación con tejido hepático sano. Además, la bioimpedancia de los tejidos tumorales renales humanos podría ser menor cuando se aplicó corriente entre 200 kHz y 1 MHz en dos estudios renales ex vivo recientes46,47. Además, se demostró que los tejidos de cáncer de mama humano ex vivo tenían una bioimpedancia más baja48, mientras que los tejidos de cáncer de mama humano in vivo tenían una conductividad y permitividad más altas49. Las articulaciones sinoviales, como las muñecas y las rodillas, mostraron una bioimpedancia más baja en pacientes con síndrome del túnel carpiano50 y una bioimpedancia más alta en pacientes con osteoartritis51, respectivamente. En general, esperamos que nuestro sistema EIT portátil sea ampliamente aplicable a la detección de diagnóstico en el hogar y al control remoto del tratamiento de múltiples enfermedades crónicas en diferentes partes del cuerpo.

Los conjuntos de datos representativos (incluidos los datos sin procesar, los pasos provisionales y los resultados finales) y los códigos que respaldan los hallazgos de este manuscrito están disponibles en https://drive.google.com/drive/folders/1eOxVvpp66FQmWZTWLYzmVsLdV2zjI_EI?usp=sharing una vez publicados. Los conjuntos de datos completos están disponibles del autor correspondiente a pedido razonable.

Wang, H. et al. Esperanza de vida mundial, regional y nacional, mortalidad por todas las causas y mortalidad por causas específicas para 249 causas de muerte, 1980–2015: un análisis sistemático para el estudio Global Burden of Disease 2015. The Lancet 388, 1459–1544 (2016 ).

Artículo Google Académico

Coma-del-Corral, MJ et al. Fiabilidad de la telemedicina en el diagnóstico y tratamiento del síndrome de apnea del sueño. telemed. e-Salud 19, 7–12 (2013).

Artículo Google Académico

Barbosa, MT, Sousa, CS, Morais-Almeida, M., Simões, MJ & Mendes, P. Telemedicina en la EPOC: una visión general por temas. EPOC: J. Chron. Obstruir. Pulmón. Dis. 17, 601–617 (2020).

Artículo Google Académico

Tomasic, I., Tomasic, N., Trobec, R., Krpan, M. & Kelava, T. Monitoreo remoto continuo de pacientes con EPOC: justificación y explicación de los requisitos y un estudio de las tecnologías disponibles. Medicina. Biol. Ing. computar 56, 547–569 (2018).

Artículo PubMed PubMed Central Google Académico

Vitacca, M. & Scalvini, S. La telemedicina como medio para un fin, no como un fin en sí mismo. Vida 12, 122 (2022).

Artículo PubMed PubMed Central Google Académico

Simeone, S., Condit, D. & Nadler, E. No renuncies todavía a tus estetoscopios: Telemedicina para enfermedades respiratorias crónicas en la era de COVID-19. Vida 12, 222 (2022).

Artículo CAS PubMed PubMed Central Google Scholar

Miller, MR Grupo de trabajo ATS/ERS: Estandarización de la espirometría. EUR. Respirar J. 26, 319–338 (2005).

Artículo CAS PubMed Google Académico

Mo, X. et al. Función pulmonar anormal en pacientes con COVID-19 al momento del alta hospitalaria. EUR. Respirar J. 55, 2001217 (2020).

Artículo CAS PubMed PubMed Central Google Scholar

Lutchmedial, SM et al. ¿Qué tan común es la limitación del flujo de aire en pacientes con enfisema en la tomografía computarizada de tórax?. Cofre 148, 176–184 (2015).

Artículo PubMed Google Académico

van den Borst, B. et al. Evaluación integral de salud 3 meses después de la recuperación de la enfermedad aguda por coronavirus 2019 (COVID-19). clin. Infectar. Dis. 73, e1089–e1098 (2021).

Artículo PubMed Google Académico

Dubsky, S. & Fouras, A. Imágenes de la función pulmonar regional: una herramienta crítica para desarrollar terapias antimicrobianas inhaladas. Adv. Entrega de drogas Rev. 85, 100–109 (2015).

Artículo CAS PubMed Google Académico

Barber, DC & Brown, BH Tomografía de potencial aplicada. J. física. E: Ciencia. instrumento 17, 723 (1984).

Artículo Google Académico

Adler, A. & Holder, D. Tomografía de impedancia eléctrica: métodos, historia y aplicaciones (CRC Press, 2021).

Libro Google Académico

Frerichs, I., Schiffmann, H., Hahn, G. y Hellige, G. Monitoreo no invasivo sin radiación de la ventilación pulmonar regional en bebés críticamente enfermos. Medicina de Cuidados Intensivos 27, 1385–1394 (2001).

Artículo CAS PubMed Google Académico

Riedel, T., Kyburz, M., Latzin, P., Thamrin, C. & Frey, U. Inhomogeneidades de ventilación regionales y generales en bebés prematuros y nacidos a término. Medicina de Cuidados Intensivos 35, 144–151 (2009).

Artículo PubMed Google Académico

Coulombe, N., Gagnon, H., Marquis, F., Skrobik, Y. & Guardo, R. Un modelo paramétrico de la relación entre la EIT y el volumen pulmonar total. Fisiol. medida 26, 401 (2005).

Artículo PubMed Google Académico

Ngo, C. et al. Linealidad de la tomografía de impedancia eléctrica durante maniobras de respiración de máximo esfuerzo y espiración forzada. Fisiol. medida 38, 77 (2016).

Artículo PubMed Google Académico

Xu, Z. et al. Desarrollo de un sistema de tomografía de impedancia eléctrica portátil para aplicaciones biomédicas. IEEE Sens. J. 18, 8117–8124 (2018).

Artículo Google Académico

Zamora-Arellano, F. et al. Desarrollo de un sistema de tomografía de impedancia eléctrica portátil, fiable y de bajo coste mediante un sistema embebido. Electrónica 10, 15 (2021).

Artículo Google Académico

Singh, G., Anand, S., Lall, B., Srivastava, A. y Singh, V. Un sistema de tomografía de impedancia eléctrica multifrecuencia inalámbrico portátil de bajo costo. Árabe. J. Ciencia. Ing. 44, 2305–2320 (2019).

Artículo Google Académico

Zhu, J. et al. EIT-kit: Un kit de herramientas de tomografía de impedancia eléctrica para la detección de movimiento y salud, en el 34º Simposio Anual de ACM sobre Software y Tecnología de Interfaz de Usuario 400–413 (ACM, 2021). https://doi.org/10.1145/3472749.3474758.

Brazey, B., Haddab, Y., Zemiti, N., Mailly, F. & Nouet, P. Un hardware de código abierto y fácilmente replicable para tomografía de impedancia eléctrica. HardwareX 11, e00278 (2022).

Artículo CAS PubMed PubMed Central Google Scholar

Hankinson, JL, Odencrantz, JR & Fedan, KB Valores de referencia espirométricos de una muestra de la población general de EE. UU. Soy. J. Respir. crítico Care Med 159, 179–187 (1999).

Artículo CAS PubMed Google Académico

Soriano, JB, Zielinski, J. & Price, D. Cribado y detección precoz de la enfermedad pulmonar obstructiva crónica. The Lancet 374, 721–732 (2009).

Artículo Google Académico

http://dx.doi.org/10.1037/0021-843X.111.2.213 Barret, KE, Boitano, S. & Barman, SM.

Google Académico

Vogt, B. et al. Heterogeneidad espacial y temporal de la ventilación pulmonar regional determinada por tomografía de impedancia eléctrica durante las pruebas de función pulmonar. Aplicación J. Fisiol. 113, 1154–1161 (2012).

Artículo PubMed Google Académico

Bachmann, MC et al. Tomografía de impedancia eléctrica en el síndrome de dificultad respiratoria aguda. crítico Atención 22, 1–11 (2018).

Artículo Google Académico

Milne, S. et al. Las características pulmonares basadas en el tiempo de la tomografía de impedancia eléctrica demuestran la heterogeneidad de la ventilación en la enfermedad pulmonar obstructiva crónica. Aplicación J. Fisiol. 127, 1441–1452 (2019).

Artículo PubMed Google Académico

Singh, R. et al. Mediciones morfométricas de la columna torácica cadavérica en la población india y sus aplicaciones clínicas. Columna vertebral asiática J. 5, 20–34 (2011).

Artículo PubMed PubMed Central Google Académico

Kryukov, EV, Savushkina, OI, Chernyak, AV y Kulagina, IC Diagnóstico de la falta de homogeneidad de la ventilación después de la COVID-19 mediante la prueba de lavado con nitrógeno en múltiples respiraciones. Pulʹmonologiâ (Mosk.) 31, 30–36 (2021).

Artículo Google Académico

López-León, S. et al. Más de 50 efectos a largo plazo de COVID-19: una revisión sistemática y metanálisis. ciencia Rep. 11, 1–12 (2021).

Artículo Google Académico

Bourgeois, FT, Avillach, P. & Turner, MA La necesidad urgente de coordinación de la investigación para avanzar en el conocimiento sobre COVID-19 en niños. pediatra Res. 90, 250–252 (2021).

Artículo CAS PubMed Google Académico

Carfì, A., Bernabei, R., Landi, F., for the Gemelli Against COVID-19 Post-Acute Care Study Group. Persistent symptoms in patients after acute COVID-19. JAMA 324(6), 603–605 (2020) (11 de agosto de 2020 [citado 19 de octubre de 2020]).

Artículo PubMed PubMed Central Google Académico

Zhao, Y. et al. Estudio de seguimiento de la función pulmonar y las características fisiológicas relacionadas de los sobrevivientes de COVID-19 tres meses después de la recuperación. EClinicalMedicine 25, 100463 (2020).

Artículo PubMed PubMed Central Google Académico

Lasarow, L. et al. Medidas regionales de función pulmonar determinadas por tomografía de impedancia eléctrica durante maniobras de ventilación repetitivas en pacientes con EPOC. Fisiol. medida 42, 015008 (2021).

Artículo CAS PubMed Google Académico

Frerichs, I. et al. Función pulmonar regional determinada por tomografía de impedancia eléctrica durante la prueba de reversibilidad del broncodilatador en pacientes con asma. Fisiol. medida 37, 698 (2016).

Artículo CAS PubMed Google Académico

Adler, A. et al. ¿Hacia dónde vamos? EIT: ¿Dónde estamos, adónde queremos ir y qué necesitamos para llegar?. Fisiol. medida 33, 679 (2012).

Artículo PubMed Google Académico

La telesalud llegó para quedarse. Nat. Medicina. 27, 1121–1121 (2021).

Kichloo, A. et al. Telemedicina, la pandemia actual de COVID-19 y el futuro: una revisión narrativa y perspectivas que avanzan en los EE. UU. fam. Medicina. Salud Comunitaria 8, e000530 (2020).

Artículo PubMed Google Académico

Lundell, S., Holmner, Å., Rehn, B., Nyberg, A. y Wadell, K. Telesalud en la EPOC: una revisión sistemática y metanálisis sobre los resultados físicos y la disnea. Respirar Medicina. 109, 11–26 (2015).

Artículo PubMed Google Académico

Ure, J. et al. Prueba piloto de telemonitorización en la EPOC: una exploración de métodos mixtos de problemas en el diseño y la implementación. Remilgado. Cuidado Respir. J. 21, 57–64 (2012).

Artículo PubMed Google Académico

Bayford, RH Tomografía de bioimpedancia (tomografía de impedancia eléctrica). año Rev. Biomédica. Ing. 8, 63–91 (2006).

Artículo CAS PubMed Google Académico

Laufer, S., Ivorra, A., Reuter, VE, Rubinsky, B. y Solomon, SB Caracterización de la impedancia eléctrica del tejido hepático humano normal y canceroso. Fisiol. medida 31, 995 (2010).

Artículo PubMed Google Académico

Parque, J. et al. Aguja de biopsia integrada con matriz de microelectrodos de detección de impedancia eléctrica para guía de aguja en tiempo real y discriminación de tejidos. ciencia Rep. 8, 1–12 (2018).

Google Académico

Parramon, D. et al. Detección in vivo de esteatosis hepática en ratas basada en espectroscopia de impedancia. Fisiol. medida 28, 813 (2007).

Artículo PubMed Google Académico

Yun, J. et al. Espectroscopía de microimpedancia eléctrica en una aguja para la discriminación ex vivo entre tejidos renales humanos normales y cancerosos. Biomicrofluídica 10, 034109 (2016).

Artículo PubMed PubMed Central Google Académico

Kim, HW, Yun, J., Lee, JZ, Shin, DG y Lee, J.-H. Evaluación de la espectroscopia de impedancia eléctrica en una aguja como una herramienta novedosa para determinar el margen quirúrgico óptimo en la nefrectomía parcial. Adv. Saludc. Mate. 6, 1700356 (2017).

Artículo Google Académico

Han, A., Yang, L. y Frazier, AB Cuantificación de la heterogeneidad en líneas celulares de cáncer de mama mediante espectroscopia de impedancia de células completas. clin. Cáncer Res. 13, 139–143 (2007).

Artículo PubMed Google Académico

Soni, NK, Hartov, A., Kogel, C., Poplack, SP y Paulsen, KD Tomografía de impedancia eléctrica multifrecuencia de la mama: nuevos resultados clínicos. Fisiol. medida 25, 301 (2004).

Artículo PubMed Google Académico

Li, Z. et al. Sonda de miografía de impedancia eléctrica portátil para evaluar el síndrome del túnel carpiano. Ana. biomedicina Ing. 45, 1572-1580 (2017).

Artículo PubMed Google Académico

Neves, EB, Pino, AV, De Almeida, RMVR & De Souza, MN Evaluación de la impedancia bioeléctrica de la rodilla en sujetos sanos/con artrosis. Fisiol. medida 31, 207 (2009).

Artículo PubMed Google Académico

Descargar referencias

Los autores agradecen al Dr. Luca Minciullo, al Dr. Adrien Touboul y al Sr. Omer Raza por el análisis de datos, la asistencia técnica y las interesantes discusiones; Sra. Michelle Wan Chi Wong, Sra. Winnie Cheuk Man Ho, Sra. Brianna Gautama, Sra. Venice Sin y Sra. Wing Kiu Kristie Man por su ayuda en la adquisición de datos; Sra. Charlotte Sit, Sra. Emily Tang, Sra. Sharon Leung, Sr. Joan Calduch y Sra. Michelle W. Chin por los dibujos y el diseño de UI/UX de la aplicación móvil. Esta investigación fue apoyada por el Fondo de Tecnología de Innovación de Hong Kong (Esquema de prueba del sector público SST/279/20YP para Gense Technologies Ltd.).

Gense Technologies Ltd., Hong Kong, China

Fedi Zouari, Wei Yi Oon, Dipyaman Modak, Wing Hang Lee, Eddie C. Wong y Russell W. Chan

Departamento de Medicina, Hospital Queen Mary, Hong Kong, China

Wang Chun Kwok y Terence Chi Chun Tam

Departamento de Medicina, Facultad de Medicina Li Ka Shing, Universidad de Hong Kong, Hong Kong, China

Wang Chun Kwok y Terence Chi Chun Tam

Departamento de Radiología de Diagnóstico, Facultad de Medicina Li Ka Shing, Universidad de Hong Kong, Hong Kong, China

peng cao

Departamento de Ingeniería Eléctrica y Electrónica, Facultad de Ingeniería, Universidad de Hong Kong, Hong Kong, China

Wei Yi Oon y Wei Ning Lee

También puede buscar este autor en PubMed Google Scholar

También puede buscar este autor en PubMed Google Scholar

También puede buscar este autor en PubMed Google Scholar

También puede buscar este autor en PubMed Google Scholar

También puede buscar este autor en PubMed Google Scholar

También puede buscar este autor en PubMed Google Scholar

También puede buscar este autor en PubMed Google Scholar

También puede buscar este autor en PubMed Google Scholar

También puede buscar este autor en PubMed Google Scholar

También puede buscar este autor en PubMed Google Scholar

FZ y WYO planificaron el estudio, diseñaron e implementaron el canal de procesamiento, adquirieron los datos, analizaron e interpretaron los datos y escribieron el documento. DM y WHL diseñaron e implementaron el hardware, el firmware, comentaron y editaron el documento. WCK, PC, WNL, TCCT y ECW participaron en la planificación original del estudio, analizaron e interpretaron los datos y comentaron y editaron el documento. RWC dirigió y planificó el estudio, desarrolló los paradigmas, diseñó el canal de procesamiento, analizó e interpretó los datos y escribió el artículo.

Correspondencia a Russell W. Chan.

FZ, WYO, WHL y DM son empleados de Gense Technologies Ltd. ECW es un contratista de Gense Technologies Ltd. RWC es cofundador, empleado y accionista de Gense Technologies Ltd. Los autores WCK, PC, WNL y TCCT no tener ningún conflicto de interés.

Springer Nature se mantiene neutral con respecto a los reclamos jurisdiccionales en mapas publicados y afiliaciones institucionales.

Acceso abierto Este artículo tiene una licencia internacional Creative Commons Attribution 4.0, que permite el uso, el intercambio, la adaptación, la distribución y la reproducción en cualquier medio o formato, siempre que se otorgue el crédito correspondiente al autor o autores originales y a la fuente. proporcionar un enlace a la licencia Creative Commons e indicar si se realizaron cambios. Las imágenes u otro material de terceros en este artículo están incluidos en la licencia Creative Commons del artículo, a menos que se indique lo contrario en una línea de crédito al material. Si el material no está incluido en la licencia Creative Commons del artículo y su uso previsto no está permitido por la regulación legal o excede el uso permitido, deberá obtener el permiso directamente del titular de los derechos de autor. Para ver una copia de esta licencia, visite http://creativecommons.org/licenses/by/4.0/.

Reimpresiones y permisos

Zouari, F., Oon, WY, Modak, D. et al. La tomografía de impedancia eléctrica asequible, portátil y autoadministrable permite la evaluación de la función pulmonar global y regional. Informe científico 12, 20613 (2022). https://doi.org/10.1038/s41598-022-24330-2

Descargar cita

Recibido: 13 mayo 2022

Aceptado: 14 noviembre 2022

Publicado: 30 noviembre 2022

DOI: https://doi.org/10.1038/s41598-022-24330-2

Cualquier persona con la que compartas el siguiente enlace podrá leer este contenido:

Lo sentimos, un enlace para compartir no está disponible actualmente para este artículo.

Proporcionado por la iniciativa de intercambio de contenido Springer Nature SharedIt

Al enviar un comentario, acepta cumplir con nuestros Términos y Pautas de la comunidad. Si encuentra algo abusivo o que no cumple con nuestros términos o pautas, márquelo como inapropiado.