Hasta ahora, los grandes fabricantes de wearables son reticentes a ofrecer el dato de la temperatura corporal mediante pulseras. Algunos de ellos, como Xiaomi, tienen como objetivo incluir la estimación de la temperatura corporal a partir de la frecuencia cardíaca, basándose en que esta aumenta cuando la persona tiene fiebre. No obstante, la compañía, a fecha de publicación de este artículo, no ha lanzado al mercado ningún dispositivo con esta característica.

En Intelligent Data ya estamos trabajando, dentro del mercado de wearables, en el desarrollo de una solución innovadora enfocada en esta necesidad del mercado actual. Hoy en día, la tecnología utilizada para medir la temperatura con wearables de muñeca se basa en un termistor, un tipo de resistencia que varía su valor en función de la temperatura. Esta hace posible medir la temperatura de la piel en la muñeca.

1-. Teoría y estado de la investigación.

Actualmente, a la hora de medir la temperatura, existe una diferencia de algunos grados entre la temperatura de la piel (Tp) y la temperatura corporal (Tc). La relación entre ellas está afectada directamente por los siguientes factores:

  • Temperatura ambiental.
  • Localización del sensor en la piel.
  • Evaporación del sudor.
  • Frecuencia cardiaca.
  • Tipo de piel de la persona.
  • Conductividad térmica de la piel.
Ilustración 1. Relación de temperaturas de la piel típicas según el lugar del cuerpo y la temperatura
ambiente [4].
Ilustración 1. Relación de temperaturas de la piel típicas según el lugar del cuerpo y la temperatura ambiente [4].

El calor producido en el interior del cuerpo humano se transfiere a través de los tejidos a la superficie de la piel mediante conducción, entonces se disipa desde la piel al ambiente con una tasa de pérdida de calor HF (flujo de calor).

De manera genérica, podemos describir la relación entre temperaturas corporal y de la piel con la siguiente ecuación, solución de la ecuación diferencial de difusión del calor [1]:

𝑇𝑐 (𝑡) = 𝑇𝑝(𝑡) + Δ (𝑡)

Donde Δ se corresponde con la diferencia, en grados, entre las dos temperaturas y depende, al igual que la temperatura de la piel, del tiempo. En el estado estacionario, la ecuación de difusión tiene la siguiente solución:

𝑇𝑐 = 𝑇𝑝 + 𝐻𝐹 𝑑/𝜆

Donde d es el grosor de la capa de difusión y λ es la conductividad térmica de la piel en Wm-1°C-1 y su valor típico oscila entre 0,20 – 0,70 [5]. En la referencia [2], se utilizan redes neuronales para identificar las variables ocultas y realizar la conversión.

En el gráfico de la izquierda se representa un esquema de los datos introducidos a la red neural, que se relacionan entre ellos y con otras variables ocultas para obtener como salida la temperatura corporal. A la derecha se muestra una gráfica con los resultados.

En otros estudios se ha demostrado la utilidad de la temperatura de la piel como parámetro, por ejemplo, siendo capaz de predecir futuras infecciones en pacientes hospitalizados [6].

2.- Solución propuesta por Intelligent Data: Calibración personalizada.

En la primera etapa de la fase piloto del proyecto, se propone realizar una calibración de la medida personalizada para cada paciente. Esto es, cuando se le entrega a un paciente la pulsera se realiza una toma de la temperatura de la piel de forma automática por la pulsera y, simultáneamente, enfermería mide la temperatura corporal. Siendo la diferencia entre ellas una primera calibración del incremento personalizado y único para cada paciente:

Δ(𝑡 = 0) = 𝑇𝑐(0) − 𝑇𝑝(0)

El incremento es variable en el tiempo, pudiéndose realizar varias calibraciones durante la estancia del paciente en el hospital.

 En las siguientes etapas de la fase piloto, la calibración se podrá ajustar incluyendo las siguientes variables en su cálculo que, como se ha comprobado en este documento, afectan a la variación temporal del incremento personalizado:

  • Temperatura ambiental.
  • Frecuencia cardiaca.

Los valores de estas variables son recogidos por la pulsera al mismo tiempo que la temperatura de la piel, por lo que no habría desfase temporal entre ellas.

Bibliografía

[1] X. Xu, A. J. Karis, M. J. Buller, and W. R. Santee, Relationship between core temperature,
skin temperature, and heat flux during exercise in heat,” Eur. J. Appl. Physiol., vol. 113, no.
9, pp. 2381–2389, 2013, doi: 10.1007/s00421-013-2674-z.
[2] Y. T. Kwak, J. Yang, and Y. You, Conversion of Body Temperature from Skin Temperature
using Neural Network for Smart Band,” 2019 7th Int. Conf. Robot Intell. Technol. Appl. RiTA
2019, pp. 67–71, 2019, doi: 10.1109/RITAPP.2019.8932736.
[3] K. Malhi, S. C. Mukhopadhyay, J. Schnepper, M. Haefke, and H. Ewald, A zigbee-based wearable physiological parameters monitoring system,” IEEE Sens. J., vol. 12, no. 3, pp. 423–430, 2012, doi: 10.1109/JSEN.2010.2091719.
[4] P. Webb, Temperatures of skin, subcutaneous tissue, muscle and core in resting men in cold, comfortable and hot conditions,” Eur. J. Appl. Physiol. Occup. Physiol., vol. 64, no. 5,pp. 471–476, 1992, doi: 10.1007/BF00625070.
[5] J. Werner and M. Buse, Temperature profiles with respect to inhomogeneity and geometry of the human body,” J. Appl. Physiol., vol. 65, no. 3, pp. 1110–1118, 1988, doi: 10.1152/jappl.1988.65.3.1110.
[6] S. G. Holt et al., Monitoring skin temperature at the wrist in hospitalised patients may assist in the detection of infection,” Intern. Med. J., vol. 50, no. 6, pp. 685–690, 2020, doi:10.1111/imj.14748.