ATOPE+: Supporting Personalized Exercise Interventions in Breast Cancer Care using Mobile Technologies and Machine Learning
Metadatos
Afficher la notice complèteAuteur
Moreno Gutiérrez, SalvadorEditorial
Universidad de Granada
Departamento
Universidad de Granada. Programa de Doctorado en Tecnologías de la Información y la ComunicaciónMateria
Exercise Breast cancer Mobile technologies Ejercicio Cáncer de mama Tecnologías móviles
Date
2022Fecha lectura
2022-05-06Referencia bibliográfica
Moreno Gutiérrez, Salvador. ATOPE+: Supporting Personalized Exercise Interventions in Breast Cancer Care using Mobile Technologies and Machine Learning. Granada: Universidad de Granada, 2022. [http://hdl.handle.net/10481/74963]
Patrocinador
Tesis Univ. Granada.; Spanish Ministry of Education, Culture, and Sport FPU16/04201; Health Research Funds of the Carlos III Health Institute PI18/01840M; Spanish Ministry of Science, Innovation, and Universities PGC2018-098813-B-C31 and RTI2018-101674-B-I00Résumé
Alleviating the burden of breast cancer has become in one of the biggest challenges
of our times. The advances in surgery, radiotherapy, and systemic therapy have
improved the survival rates of patients with breast cancer, but have also produced
a higher number of patients suffering short- and long-term side effects, with high
the risk of recurrence, developing comorbidities, and death. Therapeutic exercise
poses a means to address this issues; however, exercise interventions in patients with
cancer are often adhered to the same therapeutic exercise guidelines. This results
in one-size-fits-all exercise prescriptions for all adults, regardless their individual
exercise capabilities and needs, which may lead to inadequate training adaptation.
The mobile health (mHealth) paradigm has enabled the remote and individual monitoring
of health through wearable sensors and smartphones. Personalizing training
adaptation with an mHealth approach has already been successfully conducted in
sports settings, and the literature suggests that similar strategies may translated to
patients with chronic conditions such as breast cancer. However, recent works do
not target the adjustment of training doses to the individual needs of the patients.
This thesis presents three contributions to support the personalization of therapeutic
exercise intervention in patients with breast cancer. First, ATOPE+, an mHealth
system to support the remote monitoring of patients’ training load through heart
rate variability (HRV), self-reported wellness, and Fitbit physical activity and sleep
data. ATOPE+ also integrates a decision-support system with expert rules that
automatically trigger daily exercise recommendations for patients. Second, the
ATOPE+Breast dataset, an open dataset describing the continuous evolution of
training load during therapeutic exercise intervention for 23 patients with breast
cancer. Third, a clustering approach to assess training needs in patients with breast
cancer. Data science and artificial intelligence (AI) are leveraged in this approach
to better understand the different states of the patient throughout an exercise
intervention, and eventually serve as a tool to make more informed decisions when
prescribing an exercise dose.
The potential of these contributions may lead to new research directions in the
personalization of therapeutic exercise interventions in real-life scenarios, specially
regarding the application of mHealth and AI to improve chronic conditions. Aliviar las secuelas del cáncer de mama se ha convertido en uno de los mayores
retos de nuestros tiempos. Los avances en cirugía, radioterapia y terapia sistémica
han mejorado las tasas de supervivencia en pacientes con cáncer de mama, pero
también han traído consigo un elevado número de pacientes que sufren de efectos
secundarios a corto y largo plazo, con elevado riesgo de recurrencia, de desarrollo
comorbilidades, y de mortalidad. El ejercicio terapéutico se plantea como una
solución para estos problemas; sin embargo, las intervenciones de ejercicio físico van
normalmente dirigidas bajo las mismas guías de ejercicio terapéutico para pacientes
con cáncer. Esto conlleva la entrega de la misma prescripción de ejercicio para todos
los adultos, independientemente de sus capacidades y necesidades de entrenamiento
específicas, lo que puede llevar a un mala adaptación durante el entrenamiento.
El paradigma de salud móvil (mSalud) ha permitido la monitorización remota e
individualizada de la salud a través de sensores vestibles y teléfonos inteligentes.
La personalización de la adaptación al entrenamiento con tecnologías mSalud ya
se ha llevado a cabo con éxito en entornos deportivos, y la literatura sugiere que
estrategias similares se pueden trasladar a pacientes con condiciones crónicas como
el cáncer de mama. Sin embargo, trabajos recientes se olvidan del ajuste individual
de las dosis de entrenamiento a las necesidades de cada paciente.
Esta tesis plantea tres contribuciones para la personalización de intervenciones de
ejercicio físico terapéutico en pacientes con cáncer de mama. Primero, ATOPE+,
un sistema mSalud para la monitorización remota de la carga de entrenamiento
en pacientes con cáncer mediante la medición de variabilidad de la frecuencia
cardíaca (VFC), bienestar autoreportado, y actividad física y sueño Fitbit. ATOPE+
también incluye un sistema de ayuda a la toma de decisiones que, mediante reglas
expertas, entrega recomendaciones de ejercicio diarias para las pacientes. Segundo,
ATOPE+Breast, un conjunto de datos abierto que describe la evolución continua de
la carga del entrenamiento a lo largo de una intervención de ejercicio terapéutico
para 23 pacientes con cáncer de mama. Tercero, un análisis, basado en algoritmos
de agrupamiento, orientado a la evaluación de necesidades de entrenamiento en
pacientes con cáncer de mama. La ciencia de datos y la inteligencia artificial (IA)
permiten desde este análisis mejorar el entendimiento de los diferentes estados
de la paciente a lo largo de una intervención en ejercicio físico, así como, en
última instancia, servir como herramienta para tomar decisiones más informadas al
preescribir dosis de ejercicio terapéutico. El potencial de estas contribuciones permite la apertura de nuevas líneas de investigación
dirigidas a la personalización de intervenciones de ejercicio terapéutico en
escenarios de la vida real, especialmente en la aplicación del mHealth y la IA en la
mejora de condiciones crónicas.