Wearables para apoio no tratamento de Alzheimer.

Abstract

A Doença de Alzheimer impõe desafios relacionados à segurança, ao acompanhamento contínuo e à resposta rápida a eventos de risco, como quedas, que podem comprometer a autonomia e a integridade física do paciente. Neste trabalho, é desenvolvido e avaliado um sistema vestível integralmente baseado em processamento local (edge-only), sem uso de serviços em nuvem, voltado à detecção automática de quedas em pacientes com Alzheimer. A abordagem proposta utiliza sensores inerciais (IMU) e técnicas de Tiny Machine Learning executadas diretamente em um microcontrolador de baixo consumo, preservando a privacidade dos dados e reduzindo a latência de resposta. A metodologia contempla a implementação de um Wearable Node para aquisição e processamento de sinais, o desenvolvimento de um método baseline heurístico, e o treinamento de modelos TinyML compactos e quantizados. Os resultados obtidos demonstram a viabilidade do uso de TinyML embarcado para detecção de quedas em tempo real, com o modelo alcançando uma acurácia global próxima de 90%. O sistema evidenciou os trade-offs entre robustez, custo computacional e posicionamento do dispositivo, reforçando o potencial de soluções vestíveis edge-only para apoio ao cuidado de pacientes com Doença de Alzheimer.