Sistema de monitoreo de parámetros cardiovasculares basado en IoT y MQTT para alertas médicas

Abstract

Este artículo describe el desarrollo de una plataforma informática destinada al monitoreo en tiempo real de parámetros cardiovasculares a partir de señales bioeléctricas. Se realizó un análisis de los usuarios principales y se identificaron los requisitos técnicos y funcionales necesarios. Asimismo, las interfaces fueron diseñadas aplicando la metodología propuesta por Sommerville. La arquitectura del sistema se basa en microservicios, incorporando una base de datos relacional y permitiendo la integración con datos provenientes de dispositivos del internet de las cosas (IoT). La evaluación del sistema se llevó a cabo mediante pruebas de simulación de carga, iniciando con 0 usuarios y aumentando en intervalos de 100 hasta alcanzar los 5000 usuarios. Durante las pruebas, se procesaron 22 132 solicitudes, con una tasa promedio de 440,4 solicitudes por segundo, manteniendo un tiempo de respuesta medio de 930 ms y logrando que el 95 % de las respuestas se ubicaran por debajo de los 2300 ms. Se comprobó que el sistema opera sin errores hasta un umbral de 1700 usuarios concurrentes. Con 5000 usuarios y un total de 26 393 solicitudes, se registró un porcentaje mínimo de error del 0,16 %, lo que evidencia su capacidad para gestionar altas cargas de trabajo de manera estable. Estos resultados confirman la viabilidad de la plataforma para el monitoreo remoto de parámetros biomédicos, ofreciendo una solución eficiente y escalable para la supervisión de la salud en tiempo real.//This paper presents the development of a computing platform for the real-time monitoring of cardiovascular parameters derived from bioelectrical signals. A comprehensive analysis of primary users was conducted, leading to the identification of both technical and functional requirements. The interface design was guided by Sommerville’s methodology. The system architecture is based on a microservices model, incorporating a relational database and enabling integration with data transmitted from Internet of Things (IoT) devices. The platform was evaluated through incremental stress testing, starting with zero users and increasing in steps of 100 up to 5,000. A total of 22,132 requests were processed at a peak rate of 440.4 requests per second, with an average response time of 930 ms and 95% of responses occurring within 2,300 ms. The system demonstrated error-free performance with up to 1,700 concurrent users. At 5,000 users and 26,393 total requests, a minimal error rate of 0.16% was recorded, confirming the platform’s stability under high workloads. These findings validate the feasibility of the proposed solution for remote biomedical monitoring, offering an efficient, scalable, and robust tool for real-time health supervision.