Apurva Sonavane 1 , Aditya Khamparia 2* , Deepak Gupta 3
Kevin Ashton introdujo el término Internet de las cosas (IoT) en 1999 [ 1]. Los datos sobre objetos de todo el mundo a los que se accede a través de sistemas están restringidos a datos proporcionados únicamente por humanos. Para superar esto, visualizó relacionar los sistemas de identificación por radiofrecuencia (RFID) y los sensores con Internet. IoT está mejorando el mundo día a día. Todo lo que está vinculado entre sí en el concepto de Internet de las cosas se cuenta como una entidad inteligente y esto es diferente del patrón tradicional. IoT se puede denominar como una red interoperable autoconfigurada de dispositivos físicos y virtuales con medios de comunicación, patrones y protocolos. Estos dispositivos con las características e identidad deben tener la capacidad de vincularse a redes de datos como Internet, así como ejecutar procesos de sensación, comunicación, información y redes [ 2]. Por lo tanto, se sabe que IoT es un nuevo término para las tecnologías de la información y la comunicación (TIC). El Internet de las Cosas (IoT) puede ser conocido como el Internet de Todo, así como el IoT Industrial, que tiene la enorme capacidad de rediseñar todo el mundo de los negocios. La tecnología basada en IoT de rápido crecimiento ofrece varios dominios como social, económico y tecnológico, incluido el médico. Las TIC impulsadas por la expansión y la respuesta favorable de Internet tuvieron una gran parte en el crecimiento de la calidad, la eficiencia y también el acceso, por lo que el éxito para cualquier tarea relacionada con la medicina [ 3 – 5 ] .
En la situación actual de la atención de la salud, cualquier deseo humano debe ser asistido con el cargo de bajo costo, así como con la facilidad considerable de emplear tecnologías. Teniendo esto en cuenta, Internet of Medical Things (IoMT) es un componente asombroso para transformar la sociedad tradicional [ 6]. Las tendencias emergentes para la inteligencia en el cuidado de la salud habían reestructurado a los pacientes objetivo del grupo de edad de los niños al grupo de edad de los ancianos. En particular, la rápida mejora en IoMT ha hecho crecer el sistema de salud convencional de diferentes maneras, como analizar y diagnosticar la enfermedad. Los investigadores utilizan los datos de salud de los pacientes para diagnosticar y predecir la enfermedad. Para el dominio de atención médica garantizada, el cambio de las prácticas tradicionales al formato digital es la principal preferencia para inspirar el dominio e-Healthcare, sensores/dispositivos portátiles, de mano o portátiles que ayudan a compartir o transferir los datos y administrar las diversas entidades. Por lo tanto, manteniendo en perspectiva el requisito y la necesidad de la tendencia creciente de IoT se adquieren junto con la gestión del ciclo de vida del producto,7 , 8 ].
Parece que cada perspectiva de la vida de la persona por ocurrencia, de la fábrica a la granja, de la ciudad al pueblo, de la atención médica al bienestar, etc., ha estado involucrada. Incluye dispositivos interconectados como redes inalámbricas de sensores corporales, Wi-Fi, ZigBee, RFID, PDA, teléfonos inteligentes, etiquetas, sensores, etc., que pueden detectar, ejecutar y transferir datos en el cuidado de la salud y en dispositivos portátiles, etc. [ 9].
La acción principal hacia el ecosistema médico inteligente es utilizar la capacidad de las metodologías tradicionales no solo para brindar los mejores servicios a los usuarios, sino también para mejorar sus vidas. Para ayudar a los profesionales de la salud en casi todas las áreas de su experiencia, como la acción médica decisiva, la inteligencia artificial (IA) es una de las tecnologías preeminentes que la sirven. Técnicas como Machine Learning (ML) y Deep Learning (DL) ayudan al sistema a aprender acciones decisivas fáciles y difíciles utilizando los datos producidos por los expertos médicos y los comentarios de los pacientes [ 10 – 12].
Las mejoras en tecnologías como IA (inteligencia artificial), sensores y telemedicina ayudan a IoMT a tomar decisiones clínicas. La decisión de los humanos soportados con un asistente virtual que puede estudiar atributos ocultos de la enorme base de datos médica con la ayuda de algoritmos avanzados como Deep Learning se aplica actualmente en algunos hospitales, particularmente en el área de radiología.
Con IoMT, se puede manipular la capacidad de autocorrección adicional para mejorar la precisión y la consiguiente retroalimentación en la decisión. Al brindar la información más reciente de varios recursos, como revistas, ejercicios clínicos y artículos, un asistente virtual puede mantener actualizados a los médicos [ 13 ]. Internet of Medical Things se puede aplicar al seguimiento constante de los elementos esenciales del paciente, y puede generar alertas para diversas condiciones de salud, así como en caso de urgencia, se toman precauciones esenciales.
Otra tecnología útil para IoMT es Blockchain [ 14 ]. Para el tema de la misma, la tecnología de cadena de bloques con la capacidad de dirigir la integración, la propiedad, el control de acceso y también la integridad de los registros de salud, como se muestra en la Fig. 1 .
El sistema de atención médica o los dispositivos que producen información psicológica mediante la interacción directa con los humanos son aplicaciones centradas en el cuerpo. Esta información generada se procesa y luego se entrega a las personas de atención médica para realizar análisis médicos. Los no wearables médicos, así como los wearables, son ejemplos de aplicaciones centradas en el cuerpo. Estos dispositivos portátiles o pueden decir dispositivos de detección inteligente se pueden colocar en el cuerpo de un paciente como implantación u ornamentación. Por otro lado, los no vestibles son dispositivos de detección inteligentes que no se pueden colocar en el cuerpo de un paciente. Dependiendo del entorno, las aplicaciones centradas en el cuerpo se clasifican en dos tipos, es decir, interiores y exteriores [ 15 ].
Las aplicaciones centradas en objetos son diferentes de las aplicaciones centradas en el cuerpo. Las aplicaciones de la orientación a objetos no se han centrado directamente en el cuerpo humano. Pero consideran las soluciones de atención médica así como los servicios que pueden hacer avanzar el sistema de atención médica de manera eficiente. El principal ejemplo de esto es HMS (sistema de gestión de hospitales). Estas aplicaciones se clasifican en dos dominios, uno es interior y otro es exterior.
El IoT se puede usar para observar, informar y alertar no solo a los cuidadores, sino también para brindar a los expertos médicos datos reales para detectar el problema antes de que se vuelva crítico o para dar permiso para la prevención temprana. No se propone que IoMT reemplace a los expertos médicos, sino brindarles los datos obtenidos de los dispositivos IoMT para realizar excelentes diagnósticos y tratamientos y minimizar la ineficiencia y el desperdicio en los sistemas médicos. Por ejemplo, los pacientes de ubicación remota están operando por IoMT al observar sus registros. Los registros contienen la condición de la pista médica del paciente que puede ser crónica oa largo plazo. IoMT los ubica y los dirige al hospital con la ayuda de dispositivos portátiles de mHealth. Estos dispositivos envían los datos del paciente a su médico o persona sanitaria. El tablero de análisis, así como los sensores, y camas equipadas en los hospitales, podrá analizar los síntomas y signos vitales del paciente que lo utilicen en los próximos hospitales. Al mejorar la atención en persona, los tratamientos individuales basados en datos pueden aumentar el nivel de vida. Los dispositivos revisados pueden ser de todo tipo en dispositivos portátiles como un régimen para el dispositivo en el hospital y en el hogar en un método inteligente. Con la ayuda de kits móviles, dispositivos en ubicaciones remotas y la utilidad de la atención, los dispositivos médicos pueden interactuar. Da exactitud, evita enfermedades y mantiene el estado de salud en urgencia y mediación remota. Los dispositivos revisados pueden ser de todo tipo en dispositivos portátiles como un régimen para el dispositivo en el hospital y en el hogar en un método inteligente. Con la ayuda de kits móviles, dispositivos en ubicaciones remotas y la utilidad de la atención, los dispositivos médicos pueden interactuar. Da exactitud, evita enfermedades y mantiene el estado de salud en urgencia y mediación remota. Los dispositivos revisados pueden ser de todo tipo en dispositivos portátiles como un régimen para el dispositivo en el hospital y en el hogar en un método inteligente. Con la ayuda de kits móviles, dispositivos en ubicaciones remotas y la utilidad de la atención, los dispositivos médicos pueden interactuar. Da exactitud, evita enfermedades y mantiene el estado de salud en urgencia y mediación remota.16 ]. Hoy en día, debido a la pandemia de COVID-19, los pacientes enfrentan problemas con los controles regulares o los tratamientos continuos durante el período de confinamiento. En este caso, es beneficioso para el tratamiento desde una ubicación remota [ 17 ].
La integración de diferentes tecnologías en áreas médicas para mantener y mejorar la calidad de vida de las personas, ha expuesto nuevos alcances. Desarrolló dominios de aplicación modernos y cambió el método para trabajar en las áreas ya existentes, como la toma de decisiones médicas, el mantenimiento de datos de pacientes y la obtención de datos.
Las aportaciones novedosas de este trabajo se resumen en dos aspectos.
En primer lugar, se requiere un estudio integral novedoso de los componentes para desarrollar el sistema como un proceso de análisis de confiabilidad del sistema que incluye la adquisición de datos, la puerta de enlace de comunicación y la nube/servidor. También revisa los inconvenientes de un estudio tan completo. En segundo lugar, la brecha de investigación, los desafíos y las prioridades de investigación. Algunas contribuciones importantes al mostrar:
1. Para realizar un estudio exhaustivo sobre las aplicaciones en tiempo real, las metodologías y las técnicas utilizadas en esa aplicación, las ventajas y desventajas relacionadas con ese sistema, los problemas y los desafíos, hemos revisado el trabajo existente de diferentes aplicaciones (Sección 2 ) . Da una idea completa sobre las técnicas con las ventajas relacionadas y el trabajo futuro/desventajas. Entonces, otro investigador puede analizar esta revisión de la literatura y puede seleccionar un tema adecuado para su contexto.
2. Un estudio detallado de los componentes necesarios para desarrollar el sistema como confiabilidad del sistema explora 3 componentes principales, es decir, 1) Adquisición de datos, 2) Puerta de enlace de comunicación y 3) Nube/Servidor. La sección de adquisición de datos incluye biosensores, preprocesamiento y conversión A/D. La puerta de enlace de IoT explora los detalles de su arquitectura, su función y los conectores de campo inalámbricos ( Sección 4 ).
3. Algunas amenazas notables para el sistema, como conexión a Internet lenta/pérdida de la conexión a Internet, ataques cibernéticos y sensores defectuosos/efectos ambientales en los sensores, se trataron en la Sección 5 .
4. Se pueden usar diferentes técnicas en el sistema para procesar y analizar los datos, como la representación de señales en el dominio del tiempo y la frecuencia, el preprocesamiento de datos, que incluye principalmente varias técnicas de IA/ML, y la cadena de bloques se ha analizado en la Sección 6 .
5. El resultado y la Discusión/Observación de la Revisión ( Sección 7 ) destacan a) la brecha de investigación y el alcance futuro en IoMT, b) Problemas abiertos en aplicaciones de IoMT en tiempo real, y c) Prioridades de investigación.
Al resumir las contribuciones anteriores, la estructura de este documento se dibuja como la Sección 2 . Discuta el trabajo existente como Revisión de literatura en la Sección 3 . La metodología desarrolla las preguntas de investigación. Los componentes necesarios para desarrollar el sistema como confiabilidad del sistema se encuentran en la Sección 4 . Las amenazas al sistema se analizan en la Sección 5 . El sistema puede usar diferentes técnicas para procesar y analizar los datos en la Sección 6 . El resultado y la Discusión/Observación de la Revisión se muestran en la Sección 7 . La sección 8 concluye todo este trabajo de investigación.
Se pueden ver varios trabajos en la literatura sobre varias aplicaciones IoMT existentes. Se destacan sus principales características y desventajas para encontrar problemas actuales que deben ser resueltos para las aplicaciones de próxima generación.
Referencia [ 18 ] Sistema de Control de Medicamentos propuesto. En esto, RFID EPC se utiliza como identificador de objetos y como lector informado. Para utilizar los servicios de e-Salud se ha desarrollado una aplicación web.
La referencia [ 19 ] ofreció un marco de seguridad de extremo a extremo para aplicaciones IoT médicas portátiles. Este es un marco de 3 capas: capa de dispositivo, capa de niebla y capa de nube. La seguridad del sistema propuesto se diseñó utilizando un certificado DTLS entre las puertas de enlace y los usuarios finales.
Referencia [ 20 ] propuesta de sistema de monitoreo de contaminación de alimentos con la ayuda de un inmunosensor de pequeño tamaño y conexión inalámbrica a internet. Esto nos permite analizar los alimentos y mostrar el análisis.
Referencia [ 21 ] Sistema de seguimiento y recordatorio de medicamentos propuesto.
La referencia [ 22 ] propuso un sistema de monitoreo de nivel de glucosa impulsado por IoT con la utilización de un servidor PHP de back-end y herramientas de front-end. El nodo sensor está integrado con una unidad de potencia y una unidad controlada por energía para utilizar de manera efectiva la operación y el funcionamiento de los dispositivos sensores instalados. El nivel de glucosa de los pacientes se controlará de manera efectiva en un entorno en tiempo real.
Referencia [ 23 ] trabajo presentado discutió diferentes posturas del cuerpo humano y sus cuellos de botella con la integración de dispositivos sensores IoT. El conjunto de datos completo se proporcionaría con la ayuda del cálculo bayesiano que predice el movimiento del cuerpo en función de las distribuciones de probabilidad conjunta. Este sistema utiliza unidades de gestión de hardware de bajo nivel con baja complejidad para facilitar el modelo en el mundo real.
CHV es un virus transmitido por mosquitos que causa morbilidad y mortalidad humana. En el trabajo propuesto, para detectar y diagnosticar CHV, las unidades informáticas de sensores basados en niebla instaladas en diferentes sitios de distribución envían alertas móviles a los usuarios finales. Este sistema utiliza la agrupación de FCM para agrupar los nodos de niebla. Los resultados computacionales obtenidos en comparación con la tecnología en la nube optimizan la eficiencia del ancho de banda, el tiempo de ejecución y la demora en el envío de alertas o notificaciones [ 24 ].
En este trabajo, se integran sensores médicos en el cuerpo humano para detectar y predecir el tipo y nivel de diabetes asociado. Las redes neuronales artificiales y el sistema difuso se fusionaron para la clasificación del tipo de diabetes y los niveles asociados con ellos [ 25 ].
La referencia [ 26 ] propuso un algoritmo de aprendizaje profundo para recuperar el carcinoma y los datos mamográficos de los nodos sensores impulsados por IoMT. La valoración comparativa de ambos modelos se realizará y realizará con datos de enfermedad y datos clínicos normales sanos.
En este trabajo, se ha utilizado un sistema basado en IoT para el diagnóstico de la apnea del sueño utilizando una arquitectura de big data basada en la nube. Por último, se desarrolló una aplicación de interfaz de usuario web para la monitorización continua de la apnea del sueño de los ancianos [ 27 ].
Este documento propuso una plataforma IoMT que consiste en nodos sensores con un mecanismo basado en recompensas como un medio para distribuir la energía entre los nodos para que el ciclo de vida se prolongue [28 ] .
En este artículo, los autores propusieron un marco para la detección del cáncer de mama utilizando imágenes de citología para clasificar los tipos de tumores en benignos o malignos. La selección de características se realizaría con la ayuda de un algoritmo de bosque aleatorio que luego se clasificaría mediante modelos de redes neuronales. Los resultados obtenidos utilizando conjuntos de datos reales durante la experimentación validan la precisión de clasificación de hasta el 98% para NB en comparación con SVM y RF [ 29 ].
La revisión tiene como objetivo obtener conocimiento sobre aplicaciones en tiempo real, metodologías y técnicas utilizadas en esas aplicaciones, ventajas y desventajas relacionadas con ese sistema, problemas y desafíos relacionados con esas aplicaciones del trabajo existente en él. Entonces, revisamos 42 artículos que se publicaron entre 2011 y 2020 en la Tabla 1 .
Se revisó una variedad de literatura para obtener información sobre el trabajo de IoMT, es decir, cómo los autores propusieron o analizaron diferentes aplicaciones de IoMT, así como la confiabilidad en el sistema de IoMT. El objetivo principal de la revisión de la literatura es explorar y comprender la aplicación en tiempo real, los beneficios, los problemas y las próximas tendencias en la investigación. Para obtener un conocimiento profundo, dividimos el trabajo en secciones (Preguntas de investigación, esquema de búsqueda, estándar de inclusión, estudio de confiabilidad, amenazas, discusión).
3.1 Preguntas de investigación (RQ)
Decidir RQs es el paso estratégico básico al hacer una revisión detallada de la literatura. Destacamos los puntos que están enfocados al análisis de confiabilidad del mismo. A partir de esta consideración, construimos RQ de la siguiente manera:
RQ1. ¿Qué componentes se requieren para desarrollar el sistema como confiabilidad del sistema?
Antes de construir cualquier sistema IoMT, es necesario saber qué componentes se requieren para desarrollar la confiabilidad del sistema. Debido a esto, se vuelve fácil detectar la confiabilidad específica según el requisito del sistema en una etapa temprana de desarrollo.
RQ2. ¿Cuáles son los problemas o desafíos que pueden ser una amenaza para el sistema?
Después del desarrollo del sistema, cuando se utilice en tiempo real, pueden surgir algunos desafíos o problemas que pueden convertirse en una amenaza para la confiabilidad del sistema. Para evitar que el sistema sufra esas amenazas, debemos tener en cuenta los desafíos y problemas.
RQ3. ¿Cuáles son las diferentes técnicas que se pueden utilizar en el sistema para procesar y analizar los datos?
En la mayoría de las aplicaciones de IoMT, el propio sistema ha proporcionado un privilegio para procesar y analizar datos de pacientes o cualquier otro dispositivo. Para este procedimiento, hay muchas técnicas disponibles, como inteligencia artificial y algoritmos de aprendizaje automático, técnicas de minería de datos.
RQ4. Resultado y Discusión/¿Cuál es la observación de la revisión?
En esta sección, discutiremos las observaciones o puntos destacados de la revisión. Además, discutiremos el alcance futuro de IoMT. Y una encuesta de investigación con diferentes gráficos.
Para encontrar artículos de investigación y revisión relacionados con IoMT, simplemente usamos Google Scholar y, con un rango personalizado para el año, descargamos artículos anuales y publicaciones específicas. En la cadena de búsqueda que usamos («IoT» O «IoMT» O «IoHT») Y («Cuidado de la salud» O «Salud» O «Médico» O «Biosensores» O «Enfermedad»).
Se incluyeron artículos para una revisión sistemática que mencionaban temas que respondían directa o indirectamente a RQ construidas. Los siguientes son los criterios principales para remitir artículos para esta revisión (cualquier criterio debe cumplirse):
1. Debería haber mencionado la arquitectura y los componentes de IoMT
2. Debería haber mencionado o propuesto una revisión de las aplicaciones del mundo real de IoMT
3. Debería haber mencionado desafíos o problemas en IoMT
4. Debería haber mencionado técnicas o tecnologías para procesar y analizar los datos recopilados.
4 Componentes Requeridos para Desarrollar el Sistema como Confiabilidad del Sistema (RQ1)
El sistema IoMT contiene 3 componentes principales, es decir, 1) Adquisición de datos, 2) Puerta de enlace de comunicación, 3) Nube/Servidor, como se muestra en la Fig. 2 . Podemos decir que esta es la confiabilidad del sistema IoMT porque la calidad del servicio depende de cada componente como se muestra en la ecuación. (1) .
Su primer componente es la adquisición de datos y depende particularmente de los sensores y de los usuarios. Recopiló datos de pacientes usando varios tipos de sensores, pasó por acciones de preprocesamiento y luego se transfirió a la nube/servidor. Se han desarrollado diferentes metodologías de procesamiento de datos para extraer y clasificar la información necesaria. Información procesada utilizada por expertos médicos para analizar. El intercambio de información entre el usuario y los componentes se realiza a través de una puerta de enlace de comunicación.
Figura 2: componentes de IoMT
El procedimiento de adquisición de datos biológicos para aplicaciones necesitadas se denomina adquisición de datos. Estos datos biológicos se adquieren mediante el uso de varios biosensores que representan los datos como señales analógicas. Normalmente, estas señales de datos tienen ruido y también baja amplitud. Entonces, es importante preprocesarlos y luego digitalizarlos bien.
La figura 3 se refiere a cómo se han adquirido los datos y qué pasos están involucrados en el preprocesamiento. El preprocesamiento implica operaciones como amplificar y filtrar señales de datos analógicos. Al adquirir los datos, el factor importante es asegurarse de que los datos estén bien conservados sin pérdida, de lo contrario, durante el diagnóstico, puede causar decisiones equivocadas.
Figura 3: Operaciones básicas en la adquisición de datos
Para adquirir las señales biomédicas del paciente, preferimos los biosensores que son dispositivos electrónicos. Son dispositivos que se utilizan para el análisis de elementos biológicos como tejidos, enzimas u otros componentes biométricos. Además, para recopilar datos del paciente como la temperatura, para contar la frecuencia cardíaca y el ECG, para monitorear el estado físico. Los biosensores pueden producir grandes cantidades de datos y transferirlos a expertos médicos. Además, pueden procesar los datos producidos por sí mismos y hacer diagnósticos rápidos al permitir que las personas observen su salud [ 61 – 67 ]. Para IoMT, la clasificación de biosensores en portátiles y no portátiles.
Los biosensores portátiles como su nombre sugieren biosensores que se pueden usar en el cuerpo como accesorios/implantes. Esta tecnología es una especie de dispositivo de detección inteligente. Este tipo de biosensor proporciona una gran capacidad para producir datos además de permitir la comunicación con otro dispositivo. Al igual que los sensores portátiles, los sensores no portátiles pueden detectar y producir una gran cantidad de datos y proporcionar comunicación con otros dispositivos, excepto que no se pueden usar en el cuerpo humano.
Esta operación contiene la eliminación de artefactos (como ECG), la filtración de ruido y el remuestreo de las señales recopiladas para enviar estas señales o datos preprocesados para la conversión de analógico a digital [ 8]. Los biosensores recogen señales biológicas y son débiles y también tienen un ruido que dificulta su procesamiento. Por lo tanto, es necesario amplificarlos con el amplificador correcto. Generalmente, un amplificador contiene un circuito electrónico que da como resultado señales de gran amplitud. Esta amplificación de señales no cambia otros atributos de las señales recopiladas, como la morfología y la frecuencia. El circuito de un amplificador contiene componentes como conductores, transistores y resistencias. Si un amplificador tiene un solo transistor, entonces es un amplificador de una etapa; de lo contrario, es un amplificador de etapas múltiples. Para uso en tiempo real, el amplificador de etapas múltiples es popular. La ganancia es una medida para contar cantidades de amplificación. Y esta medida se calcula como valores de relación de la salida a la entrada del amplificador como en la siguiente ecuación. (2) .
Para separar las porciones no deseadas de las señales, se aplica filtrado a las señales después del proceso de amplificación. Hay varios filtros disponibles para el filtrado de señales. Se clasifican en 4 tipos como se muestra en la Fig. 4 ; filtro de paso bajo, filtro de paso alto, filtro de paso de banda y filtro de supresión de banda.
Figura 4: Tipos de filtros
Los convertidores A/D se utilizan para convertir señales analógicas en señales digitales. La figura 5 compara las versiones analógica y digital de una señal grabada. A/D comprende técnicas de muestreo y cuantificación. El muestreo convierte las señales continuas en tiempo discreto y mide los valores de la señal en ciertos intervalos/duración de tiempo. La cuantificación convierte un rango de valores numéricos en valores discretos finitos. Cada muestra se cuantifica y almacena en bits binarios. El convertidor A/D de 16 bits puede representar 65.536 niveles de amplitud, mientras que el convertidor A/D de 8 bits puede representar solo 256 niveles de amplitud.
Figura 5: Arquitectura general de la puerta de enlace IoMT
Las puertas de enlace de Internet de las cosas (IoT) son programas de software o dispositivos físicos que están conectados a sistemas inteligentes, sensores, servidores y sistemas de datos entre sí [ 68 – 70 ]. Los datos enviados a los servidores y viceversa pasan a través de esta puerta de enlace. Por lo tanto, se lo conoce como un puente de comunicación para varios componentes de IoMT.
4.2.1 Funciones de la puerta de enlace de IoMT
Normalización de datos: se utilizan varios sensores para recopilar datos. Estos datos recopilados están presentes en varios patrones de datos. El papel de la puerta de enlace aquí es recibir diferentes conjuntos de datos y transformar estos conjuntos de datos en un solo formato.
Preprocesamiento de datos: es importante preprocesar los datos mediante la puerta de enlace antes de enviarlos al servidor. Esta operación minimiza y filtra los datos que deben enviarse hacia adelante. Y también minimiza el transporte, las necesidades de almacenamiento y el procesamiento.
Conectividad de red: faltan sensores con la capacidad de conectarse a la red. Son muy deficientes para conectarse directamente con redes enormes como WAN. Por lo tanto, la puerta de enlace se utiliza para proporcionar una conexión con redes externas con la ayuda de Internet, Wi-Fi o muchas más opciones.
4.2.2 Arquitectura de la puerta de enlace IoMT
La Fig. 5 se refiere a la arquitectura general de los sistemas de pasarela. En general, contiene la CPU y el WFC. Normalmente, los sensores no están integrados en la puerta de enlace. Pero la puerta de enlace obtiene los datos mediante sensores inalámbricos con la ayuda de conectores de campo como ZigBee, NFC o muchas más opciones disponibles. La adquisición de datos se realiza en forma de pequeños fragmentos y se transfiere a la unidad central de procesamiento para su preprocesamiento, que es un componente clave del sistema.
La puerta de enlace consta de un sistema integrado. Este sistema se considera el núcleo de la arquitectura. Las responsabilidades clave del sistema de puerta de enlace son la recopilación de datos y luego el preprocesamiento y la gestión de los datos recopilados. Durante el preprocesamiento de los datos recopilados, la puerta de enlace debe decidir sobre los datos si deben conservarse o eliminarse. Para mantener las operaciones estables, es importante manejar los problemas externos. Este tipo de obstáculo puede provocar perturbaciones en el procesamiento de la puerta de enlace. Un corte de energía es el mejor ejemplo de un problema externo. Para garantizar la continuidad, el sistema debe reiniciarse automáticamente y reanudar las operaciones desde donde se detuvo una vez que se resuelva el problema. Después del preprocesamiento y la filtración, el sistema transfiere los datos al servidor/nube. Luego habrá más procesamiento y análisis.
4.2.3 Conectores de campo inalámbricos
Generalmente, IoMT utiliza protocolos como WFC para comunicarse. Este protocolo también se conoce como puente de comunicación entre dispositivos inteligentes. Desde el alcance de las aplicaciones en varias áreas, la clasificación de los WFC es de 2 clases, es decir, CAN (Red de área cercana) y BAN (Red de área amplia).
CAN se refiere a la red donde los dispositivos están conectados a una distancia cercana. PAN, LAN y HAN son ejemplos de CAN.
Redes de área personal (PAN): es bueno para una sola persona donde la distancia de la red es de hasta 15 metros. PC, teléfonos móviles, dispositivos de entrada-salida (como impresoras y escáneres) y muchos más dispositivos de uso individual son los dispositivos de interconexión en esta red.
Redes de área doméstica (HAN): como sugiere el nombre, esta red se utiliza para comunicarse entre dispositivos inteligentes en el área cubierta por la casa del usuario. Esta red utiliza seguridad inteligente, televisión inteligente, teléfonos y muchos más dispositivos domésticos inteligentes para la interconexión.
Redes de área local (LAN): esta red se utiliza para uno o un grupo de edificios. El área cubierta por esta red debe ser de unos pocos kilómetros cuadrados. LAN se puede utilizar para una sociedad residencial, un área de campus de escuela/universidad, así como hospitales.
Los WFC de corto alcance se utilizan para esta red como dispositivos para la interconexión. Estos dispositivos consumen menos energía y el intercambio de datos entre dispositivos se realiza en pequeñas porciones. Algunas tecnologías para comunicarse y varios WFC son los siguientes.
La tecnología Bluetooth es una tecnología más antigua, pero ahora se reconoce en todo el mundo como una metodología de transmisión inalámbrica popular [ 71 , 72 ]. Es una tecnología incorporada en varios dispositivos inteligentes como teléfonos móviles, computadoras portátiles y muchos dispositivos de entrada y salida. IoMT es uno de los dominios de amplia adopción de Bluetooth. Muchos biosensores pueden comunicarse fácilmente con teléfonos inteligentes con la ayuda de Bluetooth. ZigBee es conocido como un protocolo estándar confiable utilizado para comunicarse de forma inalámbrica [ 73 ]. Requiere una gran potencia que Bluetooth, que proporciona dispositivos para comunicarse y enviar comandos hacia adelante y hacia atrás. RFID es una tecnología de automatización que ayuda a los sistemas a detectar un objeto, así como a producir metadatos utilizando ondas de radio [ 74 , 75]. Contiene etiquetas y lectores. Las etiquetas se utilizan para detectar un objeto y los lectores se utilizan para transmitir datos. NFC es lo mismo que RFID, donde utiliza ondas de radio para fines de comunicación. Se utiliza para interconectar dispositivos a corta distancia.
Una red de área amplia se usa para aplicaciones que requieren una conexión de dispositivo para una distancia significativa. CAN, WAN y MAN son ejemplos específicos.
Redes de área del controlador (CAN): red de comunicación rápida que se suele proponer para la industria de la automatización. Los microcontroladores, así como los dispositivos inteligentes, pueden conectarse y también intercambiar datos entre sí y no se necesita una computadora host.
Redes de área metropolitana (MAN): es lo mismo que LAN, excepto que se usa para un área tan grande como el área metropolitana. Es más grande que LAN y más pequeño en comparación con WAN. Una ciudad o un estado es un ejemplo de MAN.
Redes de área amplia (WAN): esta red se utiliza para un área tan grande como un área geográfica amplia. Esta red puede cubrir muchas ciudades, estados o países.
Los WFC de largo alcance se utilizan para esta red como dispositivos para la interconexión. En general, estos dispositivos consumen más energía que los WFC de corto alcance.
Wi-Fi ofrece comunicación inalámbrica. Procesa en un área limitada y tiene un gran consumo de energía. Las ondas de radio se utilizan para transmitir datos. Wi-Fi ofrece acceso a Internet de alta velocidad. Los datos móviles son una tecnología muy común en los teléfonos inteligentes para conectar a los usuarios de todo el mundo. Se puede utilizar en el dominio médico en tiempo real. Un satélite es un conector muy eficiente para conectarse desde cualquier área geográfica y es principalmente útil en aquellas áreas remotas donde hay menos o ninguna telecomunicaciones es posible.
El servidor es conocido como una parte clave del sistema IoMT que encuentra actividades inusuales y ejecuta análisis. Los servidores reciben datos digitales de la puerta de enlace que se procesa previamente para la minería de datos. Para IoMT, la clasificación de datos críticos de bioseñales es minería de datos. Algunas técnicas para el procesamiento de señales y la extracción de datos se encuentran en la sección RQ3.
Estudio de caso (COVID-19)
Debido a la pandemia de COVID-19, los pacientes enfrentan problemas con los controles regulares o los tratamientos continuos durante el período de confinamiento. En este caso, IoMT es beneficioso para el tratamiento desde una ubicación remota. Además, IoMT puede ayudar a combatir el COVID-19. La Tabla 2 muestra la revisión de la investigación sobre cómo IoT/IoMT puede ayudar con COVID-19.
5 Limitaciones o Amenazas al Sistema (RQ2)
5.1 Conexión a Internet lenta o pérdida de la conexión a Internet
Internet juega un papel indispensable en IoMT. Podemos decir que el sistema no tiene ningún uso sin Internet porque las cosas están conectadas solo a través de Internet. A veces (la mayoría de las veces en un área rural) Internet se cae. En el monitoreo remoto, si hay una emergencia y al mismo tiempo falta de internet, entonces el sistema fallará en ese caso. Para muchas aplicaciones, no solo el registro de pacientes, sino también los mecanismos de procesamiento y análisis almacenados e implementados en la nube. Supongamos que una persona de atención médica o expertos médicos desean ver el registro de un paciente o se debe realizar algún proceso de análisis y no hay Internet o Internet es lento. En ese caso, habrá un retraso en el procesador y puede ocurrir una pérdida grave. Sin Internet, los sensores no pueden enviar los datos capturados a la nube.
El objetivo principal de IoMT es hacer la vida más fácil y, por lo tanto, la usabilidad es el factor de diseño fundamental pero esencial para mejorar la seguridad del paciente y la calidad de la atención. La usabilidad generalmente se prueba utilizando la información de los clientes y se encuentran los defectos del producto. Es necesario adaptar los estándares para el desarrollo de aplicaciones y la experiencia del usuario para que los elementos funcionen en armonía dentro de la red. El mundo está entrando en la era de las aplicaciones móviles que pueden anticipar y socializar y existe una necesidad creciente de niveles de experiencia de usuario bien definidos.
5.3 Sensores defectuosos/Efecto ambiental en los sensores
Los sensores y su credibilidad juegan un papel vital en IoMT. Generan una gran cantidad de datos. Se aplican diferentes métodos para diferentes aplicaciones en cuanto a qué intervalos se deben tomar los datos. Una vez que se recopilan los datos, se transfieren para su análisis o procesamiento. Un inconveniente de este proceso es la corrupción de los datos o que se hayan producido datos no válidos o faltantes. Incluso con el mantenimiento adecuado, los sensores defectuosos pueden capturar datos incorrectos mientras la aplicación se ejecuta para el sistema de atención médica en tiempo real y puede amenazar seriamente la salud de alguien y causar la falla del sistema. Tiene un efecto drástico en la operación general. Algunos sensores tienen un impacto ambiental sobre ellos. Por lo tanto, no pueden capturar para capturar datos, o si se capturan, entonces pueden ser incorrectos.
La medicina depende más de las innovaciones del siglo XXI. Uno de los mayores problemas de infraestructura de atención médica es su costo en espiral. Los hospitales gastan miles de millones de dólares cada año en dispositivos tecnológicos avanzados. Sin embargo, estas nuevas mejoras conducen a tratamientos costosos que afectan a muchas personas. Esta situación debe tenerse en cuenta con carácter de urgencia y deben desarrollarse nuevas estrategias de despliegue para equipos mínimos y costos operativos. IoMT juega un papel crucial en el fortalecimiento de la situación general a ese respecto. Ya ha habido varios dispositivos de monitoreo basados en IoMT disponibles en los mercados. Dichas herramientas transferirán inmediatamente los datos directamente a los cuidadores a través de aplicaciones en línea. Por lo tanto, los dispositivos IoMT inteligentes también pueden ahorrar tiempo y dinero [ 76 – 79].
Los datos imprecisos pueden ser inexactos y pueden ser perjudiciales para los pacientes. Es importante asegurarse de que la confiabilidad y el rendimiento del sistema permanezcan iguales a pesar de varios usos. En caso contrario, para solicitar una reparación o sustitución, el programa generará alarmas o notificaciones. IoMT desempeña un papel muy eficaz en la prestación de atención médica más precisa, como la integración y el análisis de varios tipos de registros médicos y su uso en sistemas de apoyo a la toma de decisiones clínicas. De esta manera, los cuidadores podrían obtener una imagen completa de la salud de cada paciente, lo que resultaría en un tratamiento más rápido y la posibilidad de realizar tratamientos más precisos [ 80 ].
Un sistema IoMT seguro es muy importante en el cuidado de la salud. A medida que más y más dispositivos interactúan entre sí, es fundamental mantener la protección y la privacidad de los datos de los pacientes. Los agujeros de seguridad hacen que los piratas informáticos roben información personal del paciente, lo que contribuye a delitos como el robo de identidad, la exposición a drogas ilegales que afirman falsamente a los seguros. La preservación segura de enfermedades, vitalidades y datos recopilados a través de sensores también se ha convertido en una de las principales preocupaciones de la tecnología IoMT. Además, las vulnerabilidades de seguridad en el sistema hospitalario pueden provocar una interrupción sustancial de la infraestructura, que en algunos casos también puede ser fatal. La autenticación de dispositivos es uno de los componentes esenciales para asegurar una infraestructura IoMT. Algunos sistemas no aceptan protocolos de autenticación avanzados debido a una capacidad informática y energía inadecuadas. Por lo tanto,80-82 ] . _
En un entorno IoMT, casi todos dependen de la electricidad. Si los aparatos eléctricos se usan u operan incorrectamente, en realidad pueden ser peligrosos y causar molestias extremas, quemaduras por quemaduras e incluso la muerte. Las organizaciones y los hospitales deben tomar las medidas adecuadas para garantizar entornos o aparatos que estén a salvo de riesgos eléctricos. Además, se deben adoptar requisitos generales de verificación de seguridad, como IEC60601-1, para garantizar la máxima protección al construir estos dispositivos [ 83 ].
La mayoría de los dispositivos inalámbricos funcionan 7/24 veces y consumen cantidades considerables de energía. Un nuevo desafío es la fabricación de productos amigables con las energías renovables. IoMT permitió a los investigadores aplicar nuevas técnicas para reducir el consumo de energía de varios dispositivos inalámbricos. Sin embargo, también es necesario optimizar el volumen de datos generados y los recursos necesarios para almacenarlos y transmitirlos. También existe la necesidad de módulos de recolección de energía debido a la miniaturización de los componentes electrónicos que pueden convertir varias fuentes de energía en energía eléctrica, como el viento, la luz solar, etc. Estos métodos reducirán significativamente el consumo de energía y darán como resultado menores costos de operación [ 84 ] .
Se pueden utilizar 6 técnicas diferentes en el sistema para procesar y analizar los datos (RQ3)
6.1 Representación de señales en el dominio del tiempo y la frecuencia
Los dominios de tiempo y frecuencia se utilizan para representar las bioseñales. Con el tiempo, las señales obtenidas de los sensores se registran, conocidas como señales en el dominio del tiempo. Una señal en el dominio del tiempo en un cierto punto en el tiempo proporciona información de amplitud de una señal. Otras características, como la relación señal-ruido (SNR) y la detección de eventos de rendimiento, se pueden extraer utilizando la información de tiempo y amplitud.
El dominio de la frecuencia es otra forma de expresar las señales en el dominio del tiempo. Al aumentar la frecuencia, el dominio de frecuencia incluye la información de potencia. Por lo general, se realiza una transformada de Fourier para medir la amplitud de cada frecuencia. Se pueden extraer varias características de la señal en el dominio de la frecuencia, incluida la frecuencia del centroide, la energía de la subbanda y el ancho de banda espectral [ 85 ].
En IoMT, la minería de datos juega un papel importante en la detección temprana y la vigilancia continua de un paciente. Este proceso incluye enormes biodatos para extraer patrones y separar información útil.
Por lo general, la minería de datos se divide en dos tipos diferentes, supervisada y no supervisada. Se entrena un algoritmo de clasificación usando datos etiquetados en el modelo supervisado y se usa para clasificar datos no etiquetados. Etiquetar datos significa que cada variable de entrada se etiqueta con una salida adecuada. Donde como no hay datos etiquetados en el modelo no supervisado. Por lo tanto, un algoritmo de clasificación no supervisado intenta agrupar los datos en varias clases y descubre relaciones dentro de ellos mismos. En esta sección, la discusión incluye varias metodologías de minería de datos como SI (Inteligencia de enjambre), LDA (Análisis discriminante lineal), KC (Clustering de K-means), DT (Árbol de decisión), NB (Naive Bayes), VQ (Cuantización vectorial) , ANN (Redes Neuronales Artificiales) y FL (Lógica Difusa).
SI es un método de clasificación utilizado para diseñar modelos de diagnóstico [ 86 ]. SI utilizó un método para diagnosticar la enfermedad de cordis con arritmias. Las soluciones óptimas se pueden buscar fácilmente mediante la optimización de enjambres de partículas en grandes espacios de búsqueda. El problema de optimización resuelto en el análisis propuesto incluye características que se encuentran principalmente en la clasificación. Un menor número de características conduce a un ciclo de clasificación más rápido. El estudio mostró que, dado que se seleccionan los parámetros adecuados, los resultados generales de la clasificación se pueden mejorar mediante la optimización del enjambre de partículas. LDA es una metodología para la clasificación que produce muestras separadas de manera efectiva [ 87]. Cada parte tiene muchos atributos. Algunos atributos ocurren en áreas de gran dimensión mientras que otros en áreas más pequeñas. La funcionalidad principal de LDA es proyectar atributos dimensionales elevados a espacios dimensionales más pequeños. Así que esta técnica se llama técnica de reducción de dimensionalidad. Un árbol de decisión es la toma de decisiones y también la metodología supervisada para clasificar problemas y también en regresión. Tiene representación de árbol y raíces como datos de muestra y nodos secundarios como nodos de decisión. Otro algoritmo de ML aplicado para la clasificación es Naïve Bayes (NB) [ 87 – 89]. Este algoritmo tiene funcionalidad probabilística. Para encontrar un conjunto contable de clases, se utiliza un algoritmo no supervisado VQ. Esto incluye metodologías K-means, X-means. Una red neuronal artificial es una red de un gran número de neuronas donde se agrupan en muchos niveles [ 90 ]. Pero la ANN general contiene 3 niveles como entrada, oculto (procesamiento), salida. El algoritmo FL depende del concepto de «grados de verdad» para detectar una solución aproximada pero no completamente correcta o precisa [ 91]. Cuando combinamos el término Big Data con atención médica, también se cruzan otros componentes, como Matemáticas, informática, estadísticas y atención médica. Cuando hablamos en el ámbito de la salud, hemos visto que hay más de 10,7 mil millones de objetos y dispositivos que están conectados a Internet y se espera que este número crezca exponencialmente. Entonces, para manejar esta cantidad de datos, necesitamos Big Data para poder filtrar los datos importantes y, de alguna manera, hacerlos autónomos mediante el uso de varios dispositivos, como tecnologías portátiles, biosensores y mHealth han aumentado los datos que se capturan como datos biológicos. Big data se centra principalmente en tres variedades, como datos transaccionales, datos clínicos o de máquinas, y datos sociales [ 92 – 94 ].
Actualmente, hay 10.700 millones de dispositivos conectados a Internet e IoT ha estimado que 50.000 millones de dispositivos están conectados a Internet desde diferentes dominios. A medida que aumenta este número, también aumenta la privacidad y la seguridad de estos tantos usuarios en IoMT. Luego, en esta parte específica, Blockchain entra en vigencia para que podamos proteger el Internet de las cosas médicas. Como habrá tantos usuarios, la privacidad de los datos es muy importante, especialmente si está relacionada con la medicina. En el correcto funcionamiento de Blockchain, varios factores como las redes de sensores, el análisis de Big Data y los dispositivos portátiles son necesarios para recopilar datos, y luego habrá mucha información médica crítica para la vida y el análisis de los datos para tomar una decisión vital crítica.95 ].
7 Resultado y Discusión/Observación de la Revisión (RQ4)
En este artículo, revisamos artículos sobre Internet de las cosas médicas basados en varios temas, es decir, qué es IoMT, arquitectura de IoMT, impacto de IoMT, aplicaciones, biosensores utilizados en IoMT, puerta de enlace de IoMT, servidor/nube, datos y técnicas de procesamiento y desafíos. La observación de la revisión se divide en partes como a) brecha de investigación y alcance futuro en IoMT, b) Problemas abiertos en aplicaciones de IoMT en tiempo real, c) Prioridades de investigación. Hemos revisado 93 documentos en total. En la Fig. 6a , podemos observar el aumento de la investigación en IoMT. En la Fig. 6b , podemos ver que el 63 % de las aplicaciones de IoMT están en dispositivos de atención médica personal (PHD) y el 37 % para atención médica pública o aplicaciones en lugares públicos como hospitales, estaciones de tren, etc. En la Fig. 6c, se han revisado las técnicas utilizadas para el sistema IoMT. Según la observación de la revisión, existen problemas comunes en las aplicaciones en tiempo real, es decir, el costo y la seguridad [ 96 – 100 ].
Figura 6: (a) Trabajo de investigación por año (b) Porcentaje de aplicaciones (c) Técnicas utilizadas en IoMT
7.1 ¿Cuál es la brecha en la investigación y el alcance futuro?
IoMT es una combinación de IoT y el dominio médico. Entonces, la brecha de investigación para IoMT es de alguna manera la misma que la brecha de investigación para IoT y el dominio médico. Se presentan problemas técnicos como la piratería de los datos del paciente, el error en la gestión de los datos del paciente, una menor cantidad de experiencia, biosensores que consumen mucha energía, implementación de hardware y optimización del diseño. Por lo tanto, es necesario implementar o aplicar diferentes protocolos y algoritmos de seguridad al transferir y administrar datos. Para usar menos consumo de energía por parte de los biosensores, podemos trabajar en la programación automática de energía para usar biosensores. El próximo mercado de IoMT necesita incluir más expertos para obtener un análisis más preciso de la enfermedad y brindar el tratamiento correcto al paciente. Nuevas tecnologías como inteligencia artificial, aprendizaje automático, minería de datos, procesamiento de imágenes, La PNL se puede utilizar para analizar muchas enfermedades. Hoy en día, debido a la pandemia de COVID-19, los pacientes enfrentan problemas para los chequeos regulares o los tratamientos continuos durante el período de confinamiento. En este caso, IoMT es beneficioso para el tratamiento desde ubicaciones remotas. Además, podemos ver un número creciente de enfermedades psicológicas día a día. Normalmente, muchas personas se sienten tímidas o incómodas compartiendo este tipo de enfermedad. IoMT puede ayudar a estos pacientes con el sistema de interacción humano-computadora (HCI) [ muchas personas se sienten tímidas o incómodas compartiendo este tipo de enfermedad. IoMT puede ayudar a estos pacientes con el sistema de interacción humano-computadora (HCI) [ muchas personas se sienten tímidas o incómodas compartiendo este tipo de enfermedad. IoMT puede ayudar a estos pacientes con el sistema de interacción humano-computadora (HCI) [101 , 102 ], PNL, seguimiento [ 103 , 104 ] y diagnóstico del comportamiento del paciente.
7.2 ¿Cuáles son los problemas abiertos?
Los siguientes son algunos problemas abiertos en revisión:
• Para lidiar con la automatización, es importante tener en cuenta el costo y la seguridad.
• Hay muchas aplicaciones IoMT de atención médica personal disponibles para personas mayores. Por desconocimiento o desconocimiento de la digitalización, no pueden utilizar aplicaciones.
• La falta de un sistema de recuperación automática de datos puede ser la causa de la falla del sistema.
• Debido a los costosos sensores o al sistema IoMT, la gente común se niega a usarlo.
• Algunas aplicaciones o sensores deberían reducir su tamaño.
• La demora en la toma de decisiones por parte del sistema en situaciones de emergencia puede resultar en pérdidas.
• Algunos sensores tienen un impacto ambiental sobre ellos. Por lo tanto, no pueden capturar datos precisos y, por lo tanto, la toma de decisiones será incorrecta.
• Falta de conexión a Internet o conexión lenta a Internet que no puede transferir datos a la nube y tampoco puede procesar ni analizar datos. Esto puede causar resultados peligrosos en emergencias.
• Las aplicaciones IoMT de atención médica personal para teléfonos inteligentes ralentizan el sistema durante un tiempo cuando se realiza el análisis de datos.
7.3 Prioridades de investigación
Al desarrollar cualquier sistema IoMT, se deben priorizar los siguientes parámetros:
• Antes de construir cualquier sistema IoMT, es necesario saber qué componentes se requieren para el desarrollo como confiabilidad del sistema [ 105 ]. Debido a esto, se vuelve fácil detectar la confiabilidad específica según el requisito del sistema en una etapa temprana de desarrollo.
• Después del desarrollo del sistema, cuando se usará en tiempo real, pueden surgir algunos desafíos o problemas que pueden convertirse en una amenaza para la confiabilidad del sistema. Para evitar que el sistema amenace, debemos tener en cuenta los desafíos y problemas (seguridad, confiabilidad, privacidad, costo, exactitud, precisión, seguridad eléctrica, bajo consumo de energía, tipo de red, etc.).
• En la mayoría de las aplicaciones de IoMT, el propio sistema ha proporcionado un privilegio para procesar y analizar los datos del paciente o cualquier otro dispositivo. Para este procedimiento, muchas técnicas están disponibles como inteligencia artificial y algoritmos de aprendizaje automático, técnicas de minería de datos, etc.
• Cuando se proporciona automatización, entonces es necesario asegurarse de que el sistema no enfrente gastos generales adicionales.
IoMT ha transformado el sistema de salud convencional de diferentes maneras, como analizar y diagnosticar la enfermedad. Los investigadores utilizan los datos de salud de los pacientes para diagnosticar y predecir la enfermedad. Para el dominio de atención médica garantizada, el cambio de las prácticas tradicionales al formato digital es la principal preferencia para inspirar el dominio e-Healthcare. Los sensores/dispositivos portátiles, de mano o portátiles ayudan a compartir o transferir los datos y a administrar las diversas entidades.
En este documento, tratamos de desarrollar los componentes de confiabilidad del sistema para construir un sistema IoMT. La revisión abarca varios componentes, incluida la confiabilidad del sistema, diferentes técnicas y tecnologías utilizadas para el desarrollo del sistema, así como desafíos/limitaciones y amenazas subyacentes notables para las aplicaciones del sistema. Con base en una revisión del trabajo existente, destacamos y discutimos algunos desafíos cruciales y comunes que se sugiere superar en el trabajo futuro. Además, propusimos algunas tecnologías y técnicas nuevas que pueden usarse para desarrollar sistemas para lograr resultados precisos en el futuro. La discusión de las prioridades de investigación sugiere parámetros prioritarios que deben tenerse en cuenta al desarrollar cualquier aplicación.
En este documento, hemos presentado una revisión de IoMT. Para la revisión sistemática, construimos cuatro preguntas de investigación. Revisamos aplicaciones, metodologías y técnicas en tiempo real utilizadas para procesar y analizar datos, ventajas y desventajas, y problemas y desafíos relacionados con esa aplicación del trabajo existente en IoMT. La mayoría de las aplicaciones tienen algunos beneficios, como ser útiles en emergencias, monitoreo remoto, etc., y algunos inconvenientes, como seguridad, privacidad y alto consumo de energía.
