logo SBA

ETD

Archivio digitale delle tesi discusse presso l’Università di Pisa

Tesi etd-01222026-161731


Tipo di tesi
Tesi di laurea magistrale
Autore
VENEZIANO, GIULIA
URN
etd-01222026-161731
Titolo
Biomarcatori digitali per la stima del metabolismo energetico: sviluppo e validazione di un monitoraggio metabolico non invasivo con sensori indossabili multimodali.
Dipartimento
INGEGNERIA DELL'INFORMAZIONE
Corso di studi
INGEGNERIA BIOMEDICA
Relatori
relatore Prof. Piaggi, Paolo
relatore Dott. Rho, Gianluca
Parole chiave
  • analisi multimodale
  • calorimetria indiretta
  • camera metabolica
  • dispendio energetico
  • frequenza cardiaca
  • medicina personalizzata
  • metabolismo energetico
  • modelli di regressione
  • monitoraggio non invasivo
  • segnali fisiologici
  • sensori indossabili
  • tecnologie wearable
  • temperatura cutanea
Data inizio appello
23/02/2026
Consultabilità
Non consultabile
Data di rilascio
23/02/2029
Riassunto
Il presente lavoro di tesi esplora la possibilità di monitorare il metabolismo energetico in modo continuo e non invasivo, integrando tecnologie indossabili e modelli statistici avanzati. L'obiettivo principale è la validazione dell'uso di sensori indossabili per la stima del dispendio energetico, confrontandone le prestazioni con il gold standard rappresentato dalla camera metabolica dell'AOUP di Cisanello, una struttura a tenuta d'aria e termicamente isolata che consente la misurazione accurata del metabolismo energetico mediante tecniche di calorimetria indiretta.
La sperimentazione ha coinvolto sia volontari sani sia pazienti con alterazioni metaboliche, monitorati per 24 ore consecutive all'interno della camera metabolica. Durante la sessione di acquisizione sono stati utilizzati lo smartwatch Empatica EmbracePlus e la maglia sensorizzata Wearable Wellness System (WWS, Smartex), che hanno consentito la raccolta simultanea di segnali elettrocardiografici (ECG), fotopletismografici (PPG), respiratori, cinetici (accelerazione), di conduttanza cutanea (EDA) e di temperatura periferica.
Attraverso lo sviluppo di una pipeline di analisi multimodale e l’applicazione di modelli di regressione multipla, sono stati individuati i principali determinanti fisiologici delle variazioni del metabolismo energetico giornaliero. I risultati ottenuti dimostrano che la combinazione di segnali fisiologici acquisiti tramite dispositivi indossabili consente di stimare con precisione il tasso metabolico in un ambiente clinico controllato.
Nel complesso, il lavoro si propone di gettare le basi per lo sviluppo di sistemi affidabili di monitoraggio metabolico continuo in contesti extra-clinici, con l’obiettivo di supportare la medicina personalizzata e favorire una gestione più efficace e proattiva delle patologie croniche di natura endocrino-metabolica, come l’obesità e i disturbi della funzione tiroidea.
File