Schema di instradamento efficiente dal punto di vista energetico basato su cluster per reti wireless body area IoT sensibili alla QoS

Tenere d’occhio la tua salute, sempre

Con l’aumentare delle persone che convivono più a lungo con malattie croniche, i medici fanno sempre più affidamento su sensori indossabili in grado di monitorare continuamente segni vitali come frequenza cardiaca, temperatura e pressione sanguigna. Questi piccoli dispositivi, posizionati sul corpo o al suo interno, formano una rete wireless body area che deve trasmettere dati medici in modo rapido e affidabile, spesso in tempo reale. Il problema è che questi sensori funzionano con batterie molto piccole, si muovono insieme al paziente e condividono frequenze affollate con molti altri dispositivi. Questo articolo presenta un modo più intelligente di organizzare e instradare i dati in tali reti, in modo che le informazioni critiche raggiungano gli operatori sanitari in tempo preservando al contempo la durata delle batterie.

Come le reti indossabili comunicano con il cloud

In una rete body area abilitata all’Internet of Things, decine di sensori intorno al paziente inviano misurazioni a un gateway vicino, come uno smartphone o un piccolo hub indossato sul corpo. Il gateway inoltra queste informazioni ai server dell’ospedale o alle piattaforme cloud, dove medici e algoritmi possono monitorare a distanza le condizioni di salute. Se però ogni sensore comunica direttamente con il gateway continuamente, le batterie si esauriscono rapidamente e i messaggi possono collidere, causando ritardi o perdita di dati. Per evitare ciò, i sensori vengono raggruppati in cluster. Ogni cluster elegge un cluster head, che raccoglie i dati dai sensori vicini e li inoltra, riducendo il numero di trasmissioni. Rendere questi cluster efficienti dal punto di vista energetico, stabili durante il movimento e sicuri contro nodi irregolari è il problema centrale che gli autori affrontano.

Raggruppamenti più intelligenti dei sensori sul corpo

La prima parte del sistema proposto, chiamata QEEC‑Routing, si concentra sulla formazione di cluster ben bilanciati di sensori. Gli autori adattano una tecnica ispirata alla natura che definiscono Modified Raccoon Optimization. In termini semplici, questo algoritmo si comporta come un gruppo di agenti di ricerca che esplorano diverse modalità di raggruppamento dei sensori in base alla carica residua delle batterie, alla vicinanza reciproca e alla rapidità con cui i dati devono muoversi. Invece di stabilirsi prematuramente su una configurazione mediocre, il metodo continua a esplorare e perfezionare i confini dei cluster man mano che il paziente si muove. Il risultato è che nessun singolo sensore viene sovrautilizzato come relay, l’energia è distribuita più uniformemente e la rete complessiva dura più a lungo prima che sia necessario sostituire o ricaricare le batterie.

Scegliere quali sensori considerare affidabili

Non tutti i sensori sono ugualmente affidabili. Alcuni possono avere segnali deboli, disconnessioni frequenti dovute al movimento del corpo o possono persino essere compromessi. Per decidere quali sensori dovrebbero fungere da cluster head o inoltrare dati importanti, il sistema calcola un punteggio di fiducia per ogni nodo. Qui gli autori utilizzano una rete neurale specializzata — Two‑level Quaternion‑Valued Recurrent Neural Network — che può gestire contemporaneamente diversi fattori di fiducia correlati, come mobilità, potenza del segnale, congestione e successo passato nell’inoltro dei pacchetti. Imparando come questi fattori cambiano nel tempo, il modello può selezionare con maggiore precisione nodi affidabili ed evitare di classificare erroneamente sensori deboli o sospetti come leader. Questa selezione consapevole della fiducia migliora sia l’integrità dei dati sia la sicurezza senza richiedere tarature manuali.

Trovare il percorso migliore attraverso una folla in movimento

Una volta che cluster e cluster head fidati sono in posizione, resta da determinare come trasferire i dati dal corpo al gateway mobile e poi al cloud con ritardi ed energia minimi, anche mentre il paziente si muove. A tal fine, gli autori applicano un algoritmo Improved Hypercube Natural Aggregation. Questo metodo valuta contemporaneamente molte possibili rotte multi‑hop, bilanciando consumo energetico, affidabilità dei link, congestione e ritardo. Gradualmente si concentra sui percorsi più promettenti evitando di bloccarsi su opzioni di breve durata o instabili. Poiché si adatta costantemente al movimento dei nodi o ai cambiamenti del traffico, la rete può mantenere comunicazioni fluide e a bassa latenza anche in ambienti ospedalieri o domestici molto affollati.

Cosa rivelano le simulazioni

Per testare il loro progetto, i ricercatori hanno utilizzato un simulatore di rete dettagliato e confrontato QEEC‑Routing con diversi protocolli noti impiegati nelle reti body area e nei sensori. In scenari con numeri diversi di nodi mobili, differenti velocità di camminata e persino distribuzioni molto dense, il nuovo schema ha consumato significativamente meno energia, ha consegnato una frazione maggiore di pacchetti di dati e ha mantenuto la rete attiva più a lungo. Ha anche ridotto il ritardo end‑to‑end — il tempo necessario perché una misura raggiunga il server — e ha tagliato i messaggi di controllo supplementari necessari per gestire la rete. In alcuni casi il consumo energetico è diminuito di oltre la metà, mentre la consegna dei pacchetti e la durata della rete hanno mostrato aumenti percentuali a due cifre rispetto ai metodi concorrenti.

Perché questo è importante per la cura quotidiana

Per i pazienti, i progressi tecnici introdotti da QEEC‑Routing si traducono in benefici semplici ma importanti: sensori indossabili che durano più a lungo tra una ricarica e l’altra, meno interruzioni o ritardi nel monitoraggio e avvisi più affidabili quando qualcosa non va. Per i clinici e i fornitori di servizi sanitari, promette distribuzioni più dense e flessibili di dispositivi indossati senza sovraccaricare le reti o prosciugare le batterie. Sebbene il lavoro sia attualmente validato in simulazione, gli autori pianificano esperimenti futuri con hardware indossabile reale e testbed connessi al cloud. Se quei risultati confermeranno le simulazioni, questo approccio di instradamento potrebbe contribuire a rendere il monitoraggio sanitario continuo a domicilio più robusto, economico e affidabile.

Citazione: Irine Shyja, V., Ranganathan, G., Chandrakanth, P. et al. Optimal cluster-based energy efficient routing scheme for QoS aware IoT-enabled wireless body area network. Sci Rep 16, 6689 (2026). https://doi.org/10.1038/s41598-026-37344-x

Parole chiave: rete wireless body area, sensori indossabili per la salute, instradamento efficiente dal punto di vista energetico, IoT per la sanità, qualità del servizio