INTRODUCCIÓN
Los procesos de soldadura han
evolucionado de manera MHealth es la práctica médica y de salud pública apoyada
por dispositivos móviles, como los teléfonos inteligentes, dispositivos de
monitoreo de pacientes, asistentes digitales personales (PDA) y otros
dispositivos inalámbricos (WHO Global Observatory for eHealth, 2011).
Con el uso generalizado y creciente
de teléfonos inteligentes y dispositivos móviles, el uso mHealth ha permitido
la transmisión de parámetros fisiológicos y síntomas referidos por pacientes a
médicos e investigadores, lo cual ha demostrado ser un potencial para
revolucionar la atención clínica y la realización de ensayos clínicos con
diseños mejorados, captura de datos y costos potencialmente más bajos (Sarwar
et al., 2018).
El crecimiento exponencial de las
aplicaciones móviles ha permitido la universalización de su uso, y es
destacable el caso de los dispositivos móviles que se incorporaron a la vida de
las personas como una herramienta indispensable en toda actividad cotidiana. A
medida que las aplicaciones han evolucionado han construido un hardware más
sofisticado reduciendo en tamaño y movilidad (Phongtraychack & Dolgaya,
2018). Apoyándose en la ley del More nada es eterno en la computación y posee
un límite del tiempo (Diaz, Pineda, & Rangel, s. f.), en cuanto a los
nuevos desarrollos computacionales se hace necesario que el resto de
componentes del computador, principalmente los pertenecientes al software,
avancen al mismo ritmo que lo hace el hardware para poder aprovechar al máximo
el rendimiento que da este último y que no se convierta en un cuello de
botella que impide un progreso total en eficiencia y rendimiento en el
computador, por el contrario, sirva como impulso para el mejoramiento de las
tecnologías y aplicaciones que ya existen y para el desarrollo de nuevas (Diaz
et al., s. f.).
Los usuarios destinan en promedio el
69% de su tiempo en smartphones. Los dispositivos móviles generarán el 80% del
uso global de Internet. El 50% del tiempo que destinan los usuarios a los
medios digitales se emplea en aplicaciones móviles. Hay aproximadamente 8
millones de aplicaciones en Google Play, 2.2 millones en el AppStore, 669.000
en la tienda de Windows y 600.000 en la tienda de aplicaciones de Amazon. Se
espera que el número total de descargas de aplicaciones sea de 197 mil millones
en 2017. El número total de descargas de aplicaciones iOS en 2016 fue de 25 mil
millones. El número total de descargas de aplicaciones Android en 2016 fue de
90 mil millones. La media de aplicaciones que utilizan los usuarios es de 9
aplicaciones diarias y 30 aplicaciones mensuales («Marketing móvil en 2018»,
2018).
La variedad de necesidades que son
resueltas por una aplicación móvil parece no tener límites. Cuando se trata del
crecimiento en el tiempo dedicado a las aplicaciones móviles, la música está en
el 79%, la salud y la aptitud el 51%, las redes sociales 49%, los viajes 28%,
el entretenimiento 22%, los deportes 16%, los juegos 15% 14%. El porcentaje de
aplicaciones utilizadas más de 11 veces aumentó en un 39% en 2014 («El Mercado
de Aplicaciones Móviles Tendencias», 2017), estas estadísticas ahora pueden ayudarnos
a determinar las tendencias de las aplicaciones móviles enfocadas a la salud.
Según el estudio realizado por IMS
Institute for Healthcare Informatics (Evans, s. f.), hay más de 165.000
aplicaciones de salud móvil (mHealth) disponibles en diferentes tiendas de
aplicaciones móviles. La mayoría de estas aplicaciones encuentra su uso en el
mantenimiento de la salud y la aptitud como LoseIt, Google fitness.
Aplicaciones complementarias (salud y nutrición, contador de calorías, etc.),
aplicaciones para aliviar el estrés (Simple Yoga Meditación relajante: Sonidos
del sueño, etc.), aplicaciones para la diabetes (mySugr Diabetes Logbook,
Glucose Buddy: Diabetes Log, etc.) (Liaw, 1993).
En lo referente a las aplicaciones
para teléfonos inteligentes se han convertido en instrumentos capaces de
complementar algunas herramientas médicas para hacer más fácil las dolencias
crónicas de los seres humanos, como por ejemplo MedsBox la cual ayuda a la
autogestión del paciente para su propia ingesta de medicamentos (Othman,
Halil, Yusof, Mohamed, & Abdullah, 2018), para el control de la diabetes
existen aplicaciones que permiten el autocuidado, predicen y controlan la
glucosa, con alarmas sonoras y recordatorios para la administración oportuna
de medicamentos (Pérez-Gandía et al., 2018) (Dugas et al., 2018) (Borrero,
Vasques, & Vargas, 2015).
El uso de aplicaciones móviles para
el control de la diabetes es un área en rápido desarrollo y tiene relevancia
para los adolescentes que tienden a ser los primeros en adoptar la tecnología
ya que ayuda a la autogestión, autoeducación sobre la enfermedad (Trawley et
al., 2016).
También se puede mencionar que
existen aplicaciones que ayudan específicamente al cuidado de la piel, mediante
algoritmo y análisis de imágenes.
Un valioso aporte para el cuidado de
la piel es la CNN o Redes Neuronales profundas que usan algoritmos de redes
neuronales artificiales que permiten clasificar el cáncer de piel con un
diagnostico similar al de los dermatólogos (Esteva et al., 2017).
Para la prevención y cuidado de la
piel del Melanoma, se han desarrollado varias aplicaciones móviles, como
MED-NODE (sistema de soporte de decisión/experto) el sistema utiliza imágenes
digitales no dermatoscopicas de la piel, de donde se extrae automáticamente las
regiones de las lesiones como el color y la textura (Giotis et al., 2015).
Con la finalidad de acceder al
cuidado de la piel desde cualquier lugar geográfico se ha desarrollado la tele
dermatología que se puede aprovechar como una alternativa que agiliza los
servicios de salud mediante la reducción de visitas innecesarias personalmente
hacia los dermatólogos (Moreno-Ramírez & Argenziano, 2017) (Sáenz, Novoa,
Correal, & Eapen, 2017). La tele dermatología se pueden usar como
herramientas de capacitación de diagnóstico para médicos y dermatólogos, así
también el cuidado del paciente (Coates, Kvedar, & Granstein, 2015b)
(Coates, Kvedar, & Granstein, 2015a).
De igual forma se pudo conocer la
existencia de varias aplicaciones móviles que se encuentran alojadas en App
Store y Google Play Store, mismas que ayudan al cuidado de la piel al indicar
el índice UV de acuerdo con la ubicación actual del usuario (Tellez,
Nieto-Gutierrez, & Taype-Rondan, 2017).
En este artículo, se realiza una
revisión sistemática, que informa de aplicaciones inteligentes de tipo mHealth
que ayudan al cuidado de la piel, para ello se realizó una lectura minuciosa y
se obtuvo una detallada clasificación las aplicaciones móviles que aportan al
cuidado de la piel en las diferentes especialidades, a continuación, se
describe:
MATERIAL Y
MÉTODOS
Revisión
Sistemática de la literatura
En
una Revisión Sistemática de la literatura, se realiza un estudio a profundidad
para establecer una respuesta a una pregunta de investigación. Es así,
Kitchenham (Kitchenham, 2004) (Kitchenham & Charters, 2007), establece
tres procesos generales que incluye: planificación de la revisión. En la Figura
Nº1, se muestra un enfoque general de estos procesos:
Figura
1. Proceso
de RSL
Planificación
de la revisión
a)
Definir las preguntas de investigación
En esta etapa se analiza las aplicaciones móviles para el cuidado de
la piel como periodo de referencia es desde el 2010 hasta abril del 2018, y se
realizó en base a los criterios de población, intervención, resultados y
contexto de la metodología PICOC.
RQ: ¿Cómo las aplicaciones móviles
mHealth ayudan al cuidado de la piel?
Para responder a esta pregunta, se desarrollaron preguntas
específicas que permitan analizar la lite-ratura expuesta.
Pregunta RQ1: ¿Cuantas aplicaciones
móviles mHealth que ayudan/asisten/ al cuidado de la piel.?
Pregunta RQ2: ¿Cuáles son las
principales caracte-rísticas aplicaciones móviles mHealth que ayu-den/asisten/
al cuidado de la piel?
Pregunta RQ3: ¿Cuáles son las
principales funcionalidades de las aplicaciones móviles mHealth que
ayuden/asisten/ al cuidado de la piel?
b)
Protocolo de revisión
Para
la revisión sistemática de la literatura, se toma en consideración artículos de
revistas, congresos publicados desde enero del 2010 hasta abril del 2018, ya
que en este periodo se encuentran artícu-los de relevancia para la presente
revisión sistemá-tica con respecto a aplicaciones moviles mHealth, en donde se
aplicó los siguientes criterios de inclu-sión y exclusión:
Criterios
de inclusión
CI1:
los artículos científicos deben ser de revistas o conferencias, que se
encuentren registradas en ba-ses de datos de relevancia.
CI2:
estudios en donde se encuentren aplicaciones móviles mHealth para el cuidado de
la piel que se encuentren en el título, resumen y palabras clave.
CI3:
Estudios que ayuden a responder las pregun-tas planteadas en la investigación.
CI4:
Estudios en el idioma Ingles.
Criterios
de exclusión
CE1:
Aquellos artículos que se encuentren repetidos, mismos que se hallen publicados
en más de una base de datos.
CE2:
Artículos que no pertenezcan a conferencias o revistas científicas, indexadas
en bases de datos de ponderación alta en cuartiles.
CE3:
Estudios en diferente idioma respecto al ingles
CE4:
Estudios que se relaciones con las aplicaciones móviles mHealth para el cuidado
de la piel.
c)
Definición de la cadena de búsqueda
Para
crear la cadena de búsqueda se optó por usar la metodología PICO (Población,
Intervención, Comparación, Resultados).
La
cadena se realizó mediante la combinación de los siguientes elementos:
-Población,
se refiera a todos los elementos involucrados motivo de investigación. –
Intervención, son elementos que se evalúan en la población bajo revisión, en
donde se identifica las aplicaciones mHealth que ayudan al cuidado de la piel.
– Son elementos que permite comparar las intervenciones, aquí no se identifica
los métodos y técnicas que aplican para el cuidado de la piel. – Resultados, es
la información que de desea obtener para la investigación. En este estudio se
trata de identificar las aplicaciones móviles mHealth más comunes, utilizadas y
efectivas para el cuidado de la piel.
2.2
Ejecución de la revisión
La
búsqueda se realizó desde enero del 2010 hasta abril del 2018, y las bases de
datos consultadas fueron:
·
Science Direct
·
Scopus
·
PubMed
·
IEEE
La
cadena Busqueda, se formó mediante AND y OR:
(TITLE-ABS-KEY (“skin
care” OR “skin surface “OR “skin texture”) AND TITLE-ABS-KEY (mobile OR
application AND mobile OR smartphones OR “cell phones”) AND TITLE-ABS-KEY (process
OR model OR method OR tool OR algorithm) AND TITLE-ABS-KEY (mhealth)).
Selección
de estudios
Para
la búsqueda se limitó a los años de 2010-2022, se toma de referencia a este
periodo por los últimos avances tecnológicos para el cuidado de la piel
mediante aplicaciones mhealth. Se llevó a cabo la búsqueda con el termino en el
título, resumen y las palabras claves, donde se obtuvo 172 artículos.
|
Base de datos
|
Encontrados
|
|
Scopus
|
71
|
|
Science Direct
|
72
|
|
IEEE
|
25
|
|
PubMed
|
5
|
|
Total
|
172
|
Tabla1. Artículos
primarios seleccionados
RESULTADOS Y DISCUSIÓN
Resultados
De
32 publicaciones referenciadas en el presente trabajo, 21 informan de sistemas
que aplican tecnologías que diagnostican enfermedades de la piel (Jun et
al., 2016) (Bae, Lee, Choi, & Kim, 2017); 6 documentos aportan a la tele
dermatología como una tecnología para el diagnóstico y cuidado de la piel
mediante asistencia remota, para el desarrollo de estos sistemas se han
aplicado métodos y modelos ayudan al autocuidado de la piel (Coates et al.,
2015b), reconocimiento de lesiones (Moreno-Ramírez & Argenziano, 2017); y
finalmente 6 obras tratan de aplicaciones móviles que aportan al cuidado de la
piel.
|
Aplicaciones
mHealth
|
Numero de publicaciones
|
Evaluación de heridas
|
Diagnostico patologías
|
Cuidado de la piel
|
|
Diagnostican enfermedades
|
21
|
6
|
9
|
6
|
|
Tele dermatología
|
6
|
0
|
0
|
6
|
|
Cuidado de la piel
|
6
|
0
|
0
|
6
|
|
Total
|
32
|
|
|
|
Tabla
2.
Aplicaciones MHealth para el cuidado de la piel
Este
análisis incluye estudios que aportan al cuidado de la piel mediante
aplicaciones móviles mHealth, permiten el cuidado de la piel mediante sistemas
inteligentes.
3.1 Descripción
de estudios
YOLOv4
utiliza un algoritmo de reconocimiento que permite detectar características
clave en imágenes de rostros e interceptar subimágenes de regiones de interés
(ROI) como información de entrada para modelos de etiquetas múltiples. Cada
subimagen detecta la pieza defectuosa a través del identificador YOLOv4 de la
segunda capa y calcula la relación entre el área de píxeles del bloque local y
el cuerpo principal para evaluar la correlación entre las piezas
características y el nivel de diseño.referencia para la posterior optimización
de modelo multietiqueta (Li, Liao, Huang, & Cheng, 2020)
Los
métodos MobileNet v2 y Faster R-CNN se utilizan y ejecutan en una aplicación
basada en Android que puede detectar el cáncer de piel, las arquitecturas
mencionadas son entrenadas para reconocer la queratosis actínica y los
objetivos de cáncer de piel de melanoma en las imágenes (Hartanto & Wibowo,
2020) (Hartanto & Wibowo, 2020)
DERMA/Care
(Karargyris, Karargyris, & Pantelopoulos, 2012) (Karargyris et al., 2012)
consiste en un sistema de hardware y software móvil el cual permite la
detección del cáncer de piel (melanomas), este dispositivo se forma por un
microscopio y un teléfono inteligente, por lo tanto, el sistema radica en el
hecho del procesamiento de imágenes avanzado para detectar áreas sospechosas y
ayudar a prevenir el cáncer de piel.
La
CNN o Redes Neuronales profundas (Esteva et al., 2017) demuestra una capacidad
de la inteligencia artificial de clasificar el cáncer de piel con un nivel en
un nivel comparable al de los dermatólogos. Los dispositivos móviles equipados
con redes neuronales profundas, tiene la misma potencialidad de diagnosticar
fuera de una clínica, al igual que un dermatólogo.
SkinCare
(Parmanto, Pramana, Yu, Fairman, & Dicianno, 2015) es una aplicación que
asiste al cuidado de la piel a las personas con espina bífida (SB), ya que son
susceptibles a lesiones cutáneas y problemas de la piel (ulceras crónicas,
infecciones y heridas), el propósito de Skin Care es apoyar al auto cuidado de
la piel, es decir de heridas dirigido por un médico. Incluye recordatorios para
realizar controles diarios de la piel, así como la capacidad de informar sobre
lesiones cutáneas utilizando una combinación de imágenes y descripciones de la
piel, que son enviados a un portal médico.
Se
ha desarrollado un sensor UV portátil que ayuda a personas ciegas
(Puente-Mansilla, Boza-Quispe, Lapa-Velasquez, Matos-Avalos, &
Rosales-Huamani, 2016) a medir el índice UV para el cuidado de la piel, con una
aplicación móvil en el sistema operativo móvil Android. Mediante el sensor
acumula datos de intensidad UV, lo cual es enviado al Smartphone a través de bluetooth,
mediante aplicación es capaz de llevar información a personas normales y ciegas
a través de alertas de voz, el algoritmo calcula el incidente de energía
acumulada sobre la piel del usuario por unidad de área UV= t=0
25-UVI(t)dt[mJ/m2].
En
un ensayo clínico aleatorizado, se evaluó una aplicación móvil para teléfonos
inteligentes que brindaba asesoramiento personalizado y en tiempo real sobre la
protección solar. Los individuos en el grupo de tratamiento reportaron más uso
de sombra (días promedio permaneciendo en la sombra, 41.0% vs 33.7%; P = .03)
pero menos uso de protección solar (días medios, 28.6% vs 34.5%; P = .048) que
los controles. No hubo diferencias significativas en el número de quemaduras
solares en los últimos 3 meses (media, 0,60 en el grupo de tratamiento frente a
0,62 para los controles, p = 0,87). Aquellos que usaron la aplicación móvil
informaron pasar menos tiempo al sol (días medios para mantener el tiempo al
sol al mínimo, 60.4% para usuarios de aplicaciones vs 49.3% para no usuarios; P
= .04) y usar todos los comportamientos de protección combinados más (media
días, 39.4% vs 33.8%; P = .04) [33]. La aplicación mISkin permite promoveer la
protección solar durante las vacaciones. El prototipo desarrollado de la
aplicación mISkin mSkin se evaluó mediante la participación de posibles
turistas en el refinamiento y desarrollo de la aplicación mISkin[34] (Berndt,
Preik, & Takenga, 2019).
Discusión
El
presente análisis menciona que el uso de aplicaciones móviles para el cuidado
de la piel ha permitido realizar diagnósticos en zonas remotas con el uso de la
tele dermatología (Sáenz et al., 2017) Es importante tener en cuenta que unas
de las principales causas de las enfermedades permanentes de la piel en los
seres humanos es la falta de protección y un diagnóstico oportuno, para su
posterior cuidado. A partir de la revisión sistemática se puede concluir que
existen trabajos limitados que permitan realizar el cuidado de la piel mediante
una aplicación móvil, utilizando sistemas inteligentes, como tal. En este
estudio existió tres trabajos que integran una aplicación móvil con sistemas
inteligentes que permitan el cuidado de la piel, lesiones cutáneas, etc.
En
un mercado donde el cuidado de la piel está en constante expansión y los
productos faciales son los más buscados entre los productos para el cuidado de
la piel. Es así, que miles de productos para el cuidado de la piel están
disponibles en el mercado. Debido a que la condición de la piel de cada persona
es diferente, usar los productos para el cuidado de la piel incorrectos puede
ser dañino para la piel. Por ello, ha investigado el uso y aplicación del
novedoso algoritmo de reconocimiento de objetos de YOLOv4 para detectar
características clave en imágenes de rostros e interceptar subimágenes de
regiones de interés (ROI). Los resultados de la predicción del aprendizaje
automático pueden proporcionar la información de mantenimiento correcta y las
recomendaciones de productos para que el usuario recomiende los productos
correctos para el cuidado de la piel y los ingredientes correctos para la
condición de la piel del usuario (Li et al., 2020).
El
desarrollo de cámaras en los teléfonos inteligentes podría servir como un punto
de servicio para la detección temprana del cáncer. La detección temprana
mediante teléfonos inteligentes logra la capacidad de dotar a los teléfonos
inteligentes de la capacidad de reconocer objetos con características de cáncer
de piel. Para ello, se han creado métodos MobileNet v2 y Faster R-CNN se
utilizan y ejecutan en una aplicación basada en Android que permiten detectar
el cáncer de piel. Estas fueron entrenadas para reconocer la queratosis
actínica y los objetivos de cáncer de piel de melanoma en las imágenes. Para el
análisis se utilizó 600 imágenes divididas en imágenes de queratosis actínica e
imágenes de melanoma (Hartanto & Wibowo, 2020). Este estudio, se desarrolló
una aplicación de Android para utilizar la cámara del teléfono inteligente para
la detección del cáncer de piel. Para ello, se implementaron los modelos Faster
R-CNN y MobileNet v2 como un sistema inteligente para el tamizaje.
DERMA/care
es un sistema que permite ayudar con la detección del cáncer de piel
(melanomas), este sistema se compone de un microscopio y un teléfono
inteligente iPhone. Los dos componentes son suficientes para capturar imágenes
muy detalladas para que las utilicen expertos con formación médica. Este
sistema mejora la eficiencia de procesamiento de imágenes avanzado para
detectar áreas sospechosas y ayudar con la prevención del cáncer de piel. El
resultado de la investigación es que los teléfonos inteligentes pueden
convertirse en máquinas poderosas e inteligentes y ayudar a grandes poblaciones
sin experiencia en entornos de bajos recursos (Karargyris et al., 2012).
Descubrimientos
recientes demuestran que el uso redes neuronales profundas (Esteva et al.,
2017) utilizan la inteligencia artificial como un sistema inteligente para
clasificar lesiones cutáneas de la piel, lo cual identifica el cáncer de piel,
los diagnósticos son acertados al igual que un profesional dermatólogo. Este
tipo de sistemas inteligentes permitirá abaratar costos para el diagnóstico de
posibles lesiones de la piel, de esta manera se tendrá una evaluación correcta
para el cuidado de la piel lo cual anticipará al cáncer.
En
la obra de SkinCare (Parmanto et al., 2015) se evidencia una aplicación móvil
en el proceso del cuidado de la, son casi desconocidas y poco accesibles por
las personas. Cabe mencionar que esta aplicación ayuda al cuidado de la piel y
evitar lesiones cutáneas de las personas con espina bífida, ya que es un
proceso sistemático asistido por médicos, los resultados han sido favorables y
menos incomodas para los usuarios.
Para
finalizar en la obra de un sensor UV (Puente-Mansilla et al., 2016), se habla
de una aplicación que ayudan a personas ciegas a partir de alertas de voz
indicando la intensidad de los rayos ultra violetas, el usuario puede ingresar
el tipo de piel y recibir alertas personalizadas nuestra aplicación es capaz
de llevar información a personas normales y ciegas a través de alertas de voz.
CONCLUSIONES
La aplicación de
diferentes tecnologías ha permitido el cuidado de la piel, podemos referirnos a
la tele dermatología, se ha convertido en un servicio médico, realizando
diagnósticos de dermatología rural a personas que padecen diferentes
enfermedades de la piel y su posterior atención («Marketing móvil en 2018»,
2018). Sin embargo, el desconocimiento de este tipo de tecnologías, no ha
permitido su adaptación e implementación en los centros de salud u hogares de
las personas con problemas dermatológicos. De tal forma que la tele
dermatología es la evaluación clínica de las lesiones cutáneas y la revisión de
los datos de laboratorio por parte de un dermatólogo mediante la técnica TM,
mismo que permite el diagnóstico y tratamiento a distancia de los pacientes
(Romero, Garrido, & García-Arpa, 2008), por tanto, el objetivo de la tele
dermatología es tener acceso a servicios especializados de cuidado de la piel
desde áreas remotas.
Cabe mencionar que existen artículos científicos en donde describen
la combinación de tecnologías, como las de las aplicaciones móviles mhealth que
permitan el cuidado de piel mediante el uso de sistemas inteligentes, así
también existen estudios que sugieren formas para el cuidado de la piel, con la
finalidad de evitar contraer patologías como el cáncer de piel, melanoma siendo
los comunes y con alto grado de porcentaje de detección en los pacientes.
Por último, la contribución al progreso de esta investigación será
hacia el desarrollo e implementación de aplicaciones móviles que permitan
cuidar la integración de sistemas inteligentes como algoritmos, métodos o
técnicas de inteligencia artificial y redes neuronales, realizar diagnósticos y
posiblemente determinar los tratamientos a seguir para combatir las patologías.
AGRADECIMIENTOS
El presente manuscrito se desarrolló en el contexto del Proyecto
“aplicaciones móviles M-Health para el cuidado de la piel”, financiado por la
Universidad Técnica de Cotopaxi extensión La Maná. Los autores expresan su
agradecimiento a la Universidad y a la carrera de Sistemas de Información.
REFERENCIAS
BIBLIOGRÁFICAS
Bae, J.-S., Lee, S.-H., Choi, K.-S., & Kim, J.-O.
(2017). Robust skin-roughness estimation based on co-occurrence matrix. Journal
of Visual Communication and Image Representation, 46, 13-22.
https://doi.org/10.1016/j.jvcir.2017.03.003
Berndt, R.-D., Preik, P., & Takenga, C. (2019).
[TeleDermatology: The teledermatological solution mSkin® for daily practice].
Der Hautarzt; Zeitschrift fur Dermatologie, Venerologie, und verwandte Gebiete,
70(5), 335-342. https://doi.org/10.1007/s00105-019-4375-y
Borrero, A. Felipe., Vasques, J., & Vargas, R. (2015).
Implementation of a Mobile Application to Promote Self-care in Elder Diabetic
Patients. En A. Braidot & A. Hadad (Eds.), VI Latin American Congress on
Biomedical Engineering CLAIB 2014, Paraná, Argentina 29, 30 & 31 October
2014 (pp. 797-800). Cham: Springer International Publishing. https://doi.org/10.1007/978-3-319-13117-7_203
Coates, S. J., Kvedar, J., & Granstein, R. D. (2015a).
Teledermatology: From historical perspective to emerging techniques of the
modern era: part I: History, rationale, and current practice. Journal of the
American Academy of Dermatology, 72(4), 563-574; quiz 575-576.
https://doi.org/10.1016/j.jaad.2014.07.061
Coates, S. J., Kvedar, J., & Granstein, R. D. (2015b).
Teledermatology: From historical perspective to emerging techniques of the
modern era: part II: Emerging technologies in teledermatology, limitations and
future directions. Journal of the American Academy of Dermatology, 72(4),
577-586; quiz 587-588. https://doi.org/10.1016/j.jaad.2014.08.014
Diaz, A., Pineda, D., & Rangel, E. (s.
f.). La ley de Moore: Nada es eterno en la computacio´n. 8.
Dugas, M., Crowley, K., Gao, G. G., Xu, T., Agarwal, R.,
Kruglanski, A. W., & Steinle, N. (2018). Individual differences in
regulatory mode moderate the effectiveness of a pilot mHealth trial for
diabetes management among older veterans. PloS One, 13(3), e0192807.
https://doi.org/10.1371/journal.pone.0192807
El Mercado de Aplicaciones Móviles
Tendencias. (2017, julio 7). Recuperado 16 de marzo de 2022, de Go-Host
website:
https://gohost.com.mx/el-mercado-de-aplicaciones-moviles-2017-estadisticas-tendencias-y-analisis/
Esteva, A., Kuprel, B., Novoa, R. A., Ko, J., Swetter, S.
M., Blau, H. M., & Thrun, S. (2017). Dermatologist-level classification of
skin cancer with deep neural networks. Nature, 542(7639), 115-118.
https://doi.org/10.1038/nature21056
Evans, R. (s. f.). IMS Institute for Healthcare Informatics
[Text]. https://doi.org/10.7748/ns2014.04.28.32.30.s36
Giotis, I., Molders, N., Land, S., Biehl, M., Jonkman, M.
F., & Petkov, N. (2015). MED-NODE: A computer-assisted melanoma diagnosis
system using non-dermoscopic images. Expert Systems with Applications, 42(19),
6578-6585. https://doi.org/10.1016/j.eswa.2015.04.034
Hartanto, C. A., & Wibowo, A. (2020). Development of
Mobile Skin Cancer Detection using Faster R-CNN and MobileNet v2 Model. 2020
7th International Conference on Information Technology, Computer, and
Electrical Engineering (ICITACEE), 58-63.
https://doi.org/10.1109/ICITACEE50144.2020.9239197
Jun, Y. J., Shin, D., Choi, W. J., Hwang, J. H., Kim, H.,
Kim, T. G., … Hong, J. P. (Jp). (2016). A Mobile Application for Wound
Assessment and Treatment: Findings of a User Trial. The International Journal
of Lower Extremity Wounds, 15(4), 344-353.
https://doi.org/10.1177/1534734616678522
Karargyris, A., Karargyris, O., & Pantelopoulos, A.
(2012). DERMA/Care: An Advanced image-Processing Mobile Application for
Monitoring Skin Cancer. 2012 IEEE 24th International Conference on Tools with
Artificial Intelligence, 2, 1-7. https://doi.org/10.1109/ICTAI.2012.180
Kitchenham, B. (2004). Procedures for Performing Systematic
Reviews. Keele, UK, Keele Univ., 33.
Kitchenham, B., & Charters, S. (2007). Guidelines for
performing Systematic Literature Reviews in Software Engineering. 2.
Li, H.-H., Liao, Y.-H., Huang, Y.-N., & Cheng, P.-J.
(2020). Based on machine learning for personalized skin care products
recommendation engine. 2020 International Symposium on Computer, Consumer and
Control (IS3C), 460-462. https://doi.org/10.1109/IS3C50286.2020.00125
Liaw, S. T. (1993). Patient and general practitioner
perceptions of patient-held health records. Family practice,
10(4), 406-415.
Marketing móvil en 2018: Datos y tendencias
que debes conocer. (2018, abril 24). Recuperado 29 de marzo de 2022, de
Dyadigital website:
https://dyadigital.com/noticias-marketing/todo-lo-que-debes-saber-sobre-el-marketing-movil-en-2018/
Moreno-Ramírez, D., & Argenziano, G.
(2017). Teledermatology and Mobile Applications in the Management of
Patients with Skin Lesions. Acta Dermato Venereologica, 0.
https://doi.org/10.2340/00015555-2718
Othman, M., Halil, N. M., Yusof, M. M.,
Mohamed, R., & Abdullah, M. H. A. (2018). Empowering Self-Management
through M-Health Applications. MATEC Web of Conferences, 150, 05018.
https://doi.org/10.1051/matecconf/201815005018
Parmanto, B., Pramana, G., Yu, D. X., Fairman,
A. D., & Dicianno, B. E. (2015). Development of mHealth system for
supporting self-management and remote consultation of skincare. BMC Medical
Informatics and Decision Making, 15(1), 114.
https://doi.org/10.1186/s12911-015-0237-4
Pérez-Gandía, C., García-Sáez, G., Subías,
D., Rodríguez-Herrero, A., Gómez, E. J., Rigla, M., & Hernando, M. E.
(2018). Decision Support in Diabetes Care: The Challenge of Supporting
Patients in Their Daily Living Using a Mobile Glucose Predictor. Journal of
Diabetes Science and Technology, 12(2), 243-250.
https://doi.org/10.1177/1932296818761457
Phongtraychack, A., & Dolgaya, D. (2018). Evolution of
Mobile Applications. MATEC Web of Conferences, 155, 01027.
https://doi.org/10.1051/matecconf/201815501027
Puente-Mansilla, F., Boza-Quispe, G.,
Lapa-Velasquez, G., Matos-Avalos, C., & Rosales-Huamani, J. (2016). A
wearable UV sensor and accessible smartphone application for blind people. 2016
IEEE International Symposium on Consumer Electronics (ISCE), 81-82. Sao Paulo,
Brazil: IEEE. https://doi.org/10.1109/ISCE.2016.7797382
Romero, G., Garrido, J. A., &
García-Arpa, M. (2008). Telemedicina y teledermatología (I): Concepto y
aplicaciones. Actas Dermo-Sifiliográficas, 99(7), 506-522.
https://doi.org/10.1016/S0001-7310(08)74735-5
Sáenz, J. P., Novoa, M. P., Correal, D.,
& Eapen, B. R. (2017). Skinhealth, A Mobile Application for
Supporting Teledermatology: A Case Study in a Rural Area in Colombia. En P.
Perego, G. Andreoni, & G. Rizzo (Eds.), Wireless Mobile Communication and
Healthcare (pp. 160-163). Cham: Springer International Publishing.
https://doi.org/10.1007/978-3-319-58877-3_21
Sarwar, C. M. S., Vaduganathan, M., Anker, S. D., Coiro,
S., Papadimitriou, L., Saltz, J., … Butler, J. (2018). Mobile health applications
in cardiovascular research. International Journal of Cardiology, 269, 265-271.
https://doi.org/10.1016/j.ijcard.2018.06.039
Tellez, W. A., Nieto-Gutierrez, W., &
Taype-Rondan, A. (2017). Sunscreen mobile apps: A content analysis.
European Research in Telemedicine / La Recherche Européenne En Télémédecine,
6(3-4), 157-163. https://doi.org/10.1016/j.eurtel.2017.08.001
Trawley, S., Browne, J. L., Hagger, V. L., Hendrieckx, C.,
Holmes-Truscott, E., Pouwer, F., … Speight, J. (2016). The Use of Mobile Applications
Among Adolescents with Type 1 Diabetes: Results from Diabetes MILES
Youth—Australia. Diabetes Technology & Therapeutics, 18(12), 813-819.
https://doi.org/10.1089/dia.2016.0233
WHO Global Observatory for eHealth. (2011). mHealth: New
horizons for health through mobile technologies: second global survey on
eHealth. World Health Organization. Recuperado de World Health Organization
website: https://apps.who.int/iris/handle/10665/44607