Diseño de soluciones inteligentes en salud

En colaboración con la Escuela Politécnica Superior de la Universidad Nebrija, y el Fablab (laboratorio de fabricación digital), desde el 2020 hemos impulsado una línea de desarrollo de producto en impresión 3D y arduino de bajo coste que permita simular entorno clínico y que el alumnado adquiera habilidades técnicas además de desarrollar otro tipo de competencias como la creatividad y la innovación.

  • Proyecto de cuna inteligente

  • Proyecto de muleta inteligente

  • Proyecto APP de dermatitis

ENTORNO DOCENTE

Tanto en la formación de Grado como de Posgrado, nuestro propósito es desarrollar el espíritu innovador y la capacidad de emprendimiento en nuestro alumnado, fomentando la creatividad y la generación de ideas innovadoras que den solución a necesidades reales del entorno.

Formamos a nuestros alumnos en metodologías de diseño centrado en el usuario, en impresión 3D y arduino. A través de metodologías de aprendizaje servicio, diseñan y prototipan soluciones para personas con discapacidad, usuarias de los Centros de Educación Especial San Rafael y el Centro Emme de Madrid. 

Los alumnos del Máster de Psicología General Sanitaria, en colaboración con la Fundación Salud Infantil, diseñan prototipos que permitan monitorizar el vínculo materno-filial en antención temprana. 

ENTORNO INVESTIGADOR

Un equipo de profesores del Grupo de Investigación IdiHealth trabajan en el diseño y prototipado de un sistema de simulación clínica dirigido a la adquisición de competencias prácticas en venopunción y suturas. El sistema, fabricado mediante impresión 3D, evolucionará incorporando sensores y programación con arduino, con objeto de evaluar competencias y destrezas del alumnado.

En el ámbito clínico, desde el área de fisioterapia trabajamos en el desarrollo de producto dirigido a la recogida de datos objetivos en entorno real del paciente, como la fuerza o la velocidad de la marcha. Hemos diseñado un dispositivo integrado en la muleta o bastón del paciente, que permite monitorizar variables pronósticas con alta implicación para la clínica, dado su potencial como marcador pronóstico de mortalidad.