Ανάπτυξη επιχειρηματικού σχεδίου ψηφιακής εφαρμογής για την έγκαιρη ανίχνευση και διαχείριση της νόσου του Πάρκινσον

Τόιλος, Χρήστος; Toilos, Christos

dc.contributor.author	Τόιλος, Χρήστος	el
dc.contributor.author	Toilos, Christos	en
dc.date.accessioned	2025-06-06T09:28:21Z
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/62027
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.29723
dc.rights	Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα	*
dc.rights.uri	http://creativecommons.org/licenses/by-nc-nd/3.0/gr/	*
dc.subject	Παρακολούθηση της νόσου του Πάρκινσον	el
dc.subject	Φορητή τεχνολογία υγείας	el
dc.subject	Τεχνητή νοημοσύνη στην υγειονομική περίθαλψη	el
dc.subject	Απομακρυσμένη παρακολούθηση	el
dc.subject	Λογισμικό ως ιατρική συσκευή	el
dc.subject	Parkinson’s disease monitoring	en
dc.subject	Wearable health technology	en
dc.subject	Artificial intelligence in healthcare	en
dc.subject	Remote tracking	en
dc.subject	Software as a medical device	en
dc.title	Ανάπτυξη επιχειρηματικού σχεδίου ψηφιακής εφαρμογής για την έγκαιρη ανίχνευση και διαχείριση της νόσου του Πάρκινσον	el
dc.title	Development of a digital application business plan for the early detection and management of Parkinson's disease	en
heal.type	bachelorThesis
heal.classification	Επιχειρηματικό πλάνο	el
heal.classification	Business plan	en
heal.dateAvailable	2026-06-05T21:00:00Z
heal.language	el
heal.access	embargo
heal.recordProvider	ntua	el
heal.publicationDate	2025-02-19
heal.abstract	Η νόσος του Πάρκινσον (PD) είναι μια προοδευτική νευροεκφυλιστική διαταραχή που επηρεάζει εκατομμύρια ανθρώπους παγκοσμίως, προκαλώντας κινητικά και μη κινητικά συμπτώματα που μειώνουν σημαντικά την ποιότητα ζωής. Οι παραδοσιακές κλινικές αξιολογήσεις βασίζονται σε σπάνιες επισκέψεις, υποκειμενικές εκτιμήσεις και αυτοαναφορές των ασθενών, οδηγώντας σε μη βέλτιστη διαχείριση της νόσου και καθυστερημένες θεραπευτικές παρεμβάσεις. Η παρούσα εργασία παρουσιάζει την NeuroTrack, μια καινοτόμο λύση ψηφιακής υγείας που συνδυάζει φορητή τεχνολογία (wearables), τεχνητή νοημοσύνη (AI) και ανάλυση δεδομένων σε πραγματικό χρόνο για τη συνεχή παρακολούθηση των συμπτωμάτων της νόσου του Πάρκινσον. Η NeuroTrack επιτρέπει την αντικειμενική, απομακρυσμένη και βασισμένη σε δεδομένα καταγραφή κινητικών και μη κινητικών συμπτωμάτων, όπως η βραδυκινησία, ο τρόμος, οι διαταραχές βάδισης και τα προβλήματα ύπνου. Το σύστημα χρησιμοποιεί αλγορίθμους μηχανικής μάθησης για την ανάλυση προτύπων κίνησης και διακυμάνσεων των συμπτωμάτων, παρέχοντας εξατομικευμένες πληροφορίες σε ασθενείς, φροντιστές και επαγγελματίες υγείας. Το επιχειρηματικό μοντέλο ακολουθεί μια B2B SaaS προσέγγιση, στοχεύοντας κατασκευαστές φορητών συσκευών, παρόχους υγειονομικής περίθαλψης και φαρμακευτικές εταιρείες μέσω αδειοδότησης API και ανάλυσης δεδομένων. Οι πηγές εσόδων περιλαμβάνουν άδειες χρήσης λογισμικού, premium συνδρομές ασθενών και αξιοποίηση δεδομένων για κλινικές έρευνες. Η ανάλυση αγοράς αποκαλύπτει μια σημαντική ευκαιρία, με το συνολικό διαθέσιμο μέγεθος αγοράς (TAM) να ξεπερνά το $1 δισεκατομμύριο στον τομέα παρακολούθησης της νόσου του Πάρκινσον. Η NeuroTrack ξεχωρίζει από τον ανταγωνισμό χάρη στις πολλαπλές δυνατότητες παρακολούθησης συμπτωμάτων, τις προβλεπτικές αναλύσεις και την απρόσκοπτη ενσωμάτωση σε υπάρχουσες φορητές συσκευές, υπερέχοντας σε σχέση με υπάρχουσες λύσεις. Η παρούσα έρευνα εξετάζει τη βιωσιμότητα, την τεχνική ανάπτυξη, τις προοπτικές αγοράς και την επεκτασιμότητα της NeuroTrack, τοποθετώντας το ως μια μεταμορφωτική λύση στον χώρο της ψηφιακής υγείας. Τα ευρήματα συμβάλλουν στην ανάπτυξη του πεδίου της απομακρυσμένης παρακολούθησης ασθενών και της AI-driven ιατρικής, προσφέροντας μια κλιμακούμενη, κλινικά αξιόπιστη και οικονομικά αποδοτική λύση για τη διαχείριση της νόσου του Πάρκινσον σε πραγματικές συνθήκες.	el
heal.abstract	Parkinson’s disease (PD) is a progressive neurodegenerative disorder affecting millions of people worldwide, leading to motor and non-motor impairments that significantly impact quality of life. Traditional clinical evaluations rely on infrequent in-person visits, subjective assessments, and patient self-reporting, resulting in suboptimal disease management and delayed therapeutic interventions. This thesis presents NeuroTrack, an innovative digital health solution integrating wearable technology, artificial intelligence (AI), and real-time data analytics to continuously monitor PD symptoms. NeuroTrack offers a Software as a Medical Device (SaMD) approach, enabling objective, remote, and data-driven tracking of motor and non-motor symptoms, including bradykinesia, tremors, gait disturbances, and sleep disorders. The system leverages machine learning algorithms to analyze movement patterns and symptom fluctuations, providing personalized insights to patients, caregivers, and healthcare providers. The business model follows a B2B SaaS approach, targeting wearable manufacturers, healthcare providers, and pharmaceutical companies through API-based licensing and data-driven insights. Revenue streams include software licensing, premium patient subscriptions, and anonymized data monetization for clinical research. Market analysis indicates a substantial opportunity, with a total addressable market (TAM) exceeding $1 billion within the Parkinson’s monitoring sector. Competitive differentiation lies in NeuroTrack’s multi-symptom tracking capabilities, predictive analytics, and seamless integration with existing wearable devices, outperforming legacy solutions. This research evaluates the feasibility, technical development, market potential, and scalability of NeuroTrack, positioning it as a transformative solution for the digital healthcare landscape. The findings contribute to the growing field of remote patient monitoring and AI-driven healthcare, offering a scalable, clinically relevant, and cost-effective alternative for managing Parkinson’s disease in real-world settings.	en
heal.advisorName	Πόνης, Σταύρος	el
heal.committeeMemberName	Πόνης, Σταύρος	el
heal.committeeMemberName	Ναθαναήλ, Δημήτριος	el
heal.committeeMemberName	Παναγιώτου, Νικόλαος	el
heal.academicPublisher	Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Μηχανολόγων Μηχανικών. Τομέας Βιομηχανικής Διοίκησης και Επιχειρησιακής Έρευνας	el
heal.academicPublisherID	ntua
heal.numberOfPages	89 σ.	el
heal.fullTextAvailability	false