Análise comparativa de Arduinos na implementação de sistemas embarcados para monitoramento de tremores na doença de Parkinson

Abstract

A Doença de Parkinson (DP) é uma afecção neurodegenerativa crônica e progressiva do sistema nervoso central, que impacta significativamente a função motora. O monitoramento de seus sintomas, em especial os tremores, é fundamental para o manejo clínico, porém frequentemente se baseia em avaliações subjetivas. Este trabalho propõe uma revisão bibliográfica de soluções quantitativas por meio do desenvolvimento e análise comparativa de dois sistemas embarcados vestíveis, projetados visando a coleta e análise de dados de tremores. O estudo confronta duas abordagens de hardware: um bracelete utilizando a placa Arduino Nano 33 BLE Sense Rev 2, que possui uma unidade de medição inercial (IMU) integrada, e um segundo protótipo baseado no Arduino UNO, complementado por sensores externos. As plataformas são avaliadas sob múltiplos critérios, incluindo precisão dos sensores, eficiência computacional, consumo energético, usabilidade, escalabilidade e custo-benefício. Ainda no estudo, desenvolve-se uma arquitetura Long Short-Term Memory (LSTM) otimizada para a identificação de padrões nas séries temporais possivelmente coletadas pelos Arduinos. A análise final visa determinar a configuração de hardware mais adequada para o contexto biomédico da DP, contribuindo para o avanço de tecnologias assistivas de baixo custo e alta precisão no acompanhamento de doenças neurodegenerativas.

Parkinson’s Disease (PD) is a chronic and progressive neurodegenerative disorder of the central nervous system that significantly impacts motor function. Monitoring its symptoms, particularly tremors, is fundamental for clinical management, yet it often relies on subjective assessments. This work proposes a literature review of quantitative solutions through the development and comparative analysis of two wearable embedded systems, designed for the collection and analysis of tremor data. The study compares two hardware approaches: a bracelet using the Arduino Nano 33 BLE Sense Rev 2 board, which has an integrated inertial measurement unit (IMU), and a second prototype based on the Arduino UNO, supplemented by external sensors. The platforms are evaluated under multiple criteria, including sensor accuracy, computational efficiency, power consumption, usability, scalability, and cost-effectiveness. Furthermore, the study develops an optimized Long Short-Term Memory (LSTM) architecture for identifying patterns in the time-series data potentially collected by the Arduinos. The final analysis aims to determine the most suitable hardware configuration for the biomedical context of Parkinson’s disease, contributing to the advancement of low-cost, high-precision assistive technologies for monitoring neurodegenerative diseases.