NTU sviluppa un sistema di intelligenza artificiale per monitorare gli anziani a domicilio / NTU develops AI system to monitor older people at home
NTU sviluppa un sistema di intelligenza artificiale per monitorare gli anziani a domicilio / NTU develops AI system to monitor older people at home
I ricercatori della Nottingham Trent University (NTU) hanno sviluppato un sistema di monitoraggio che combina radar, sensori termici e prese intelligenti per tracciare le attività quotidiane degli anziani senza utilizzare telecamere o dispositivi indossabili.
Il sistema utilizza l'intelligenza artificiale (IA) per combinare i dati provenienti dalle tre tecnologie, con l'obiettivo di identificare comportamenti anomali che potrebbero indicare un'emergenza o un peggioramento dello stato di salute. La ricerca è descritta in dettaglio nella rivista Sensors .
I sensori radar a onde millimetriche rilevano il movimento in punti discreti all'interno di un'abitazione, mentre i sensori termici identificano la postura del corpo. I dati termici vengono volutamente mantenuti a bassa risoluzione in modo da non rivelare i tratti del viso e l'identità personale.
Le prese intelligenti collegate agli elettrodomestici forniscono informazioni aggiuntive sulle attività quotidiane, come preparare bevande, cucinare o lavorare alla scrivania.
Il dottor Yangang Xing, ricercatore principale presso la Scuola di Architettura, Design e Ambiente Costruito della NTU, ha affermato che la ricerca si è concentrata deliberatamente sul monitoraggio delle Attività della Vita Quotidiana (ADL), piuttosto che sulla segnalazione di una singola accuratezza nel rilevamento delle cadute.
"Abbiamo deliberatamente omesso di riportare un singolo dato relativo all'"accuratezza del rilevamento delle cadute" perché le cadute non sono un evento isolato. Le cadute variano considerevolmente in termini di velocità, direzione, impatto, comportamento di recupero e contesto ambientale", ha affermato.
Ha aggiunto che in molti studi pubblicati sulla rilevazione delle cadute, le simulazioni di cadute che coinvolgono volontari sani in ambienti controllati potrebbero sovrastimare le prestazioni nel mondo reale, mentre i cambiamenti nelle attività quotidiane come camminare, sedersi e stare in piedi possono fornire indicazioni precoci di fragilità ed aumento del rischio di cadute.
I ricercatori hanno valutato il sistema in un ambiente domestico simulato utilizzando sei configurazioni di stanze, tra cui camere da letto e zone giorno con diverse disposizioni dei mobili. È stata registrata una serie di attività per valutare la capacità dei sensori di identificare movimenti e posture.
Il radar ha ottenuto un punteggio F1 macro di 0,882 per il rilevamento del movimento, rispetto a 0,870 per il rilevamento termico. Per il riconoscimento della postura, il rilevamento termico ha ottenuto 0,775 rispetto a 0,609 per il radar.
Xing ha affermato che i risultati hanno dimostrato che le due tecnologie forniscono informazioni complementari, ma che sarebbero necessari test su scala più ampia.
"La sfida più grande è garantire prestazioni affidabili nella diversità delle case reali, dove la disposizione delle stanze, la disposizione dei mobili, le abitudini di occupazione e le routine quotidiane possono variare in modo significativo", ha affermato.
Il sistema di intelligenza artificiale apprende nel tempo i modelli comportamentali individuali e può segnalare anomalie come periodi prolungati di inattività o cambiamenti nelle normali abitudini domestiche. In caso di emergenza, è possibile avvisare gli operatori sanitari o i familiari affinché si possa verificare il benessere dell'occupante.
La ricerca è stata condotta in collaborazione con Integrated System Technologies Ltd e ha coinvolto ricercatori della Facoltà di Scienze e Tecnologie della NTU .
La fase successiva consiste nell'implementare il sistema in abitazioni occupate per periodi prolungati, in particolare presso persone anziane, al fine di valutarne la robustezza, l'accettazione da parte degli utenti e la rilevanza clinica in condizioni reali.
ENGLISH
Nottingham Trent University (NTU) researchers have developed a monitoring system that combines radar, thermal sensing and smart plugs to track older people’s daily activities without using cameras or wearable devices.
The system uses artificial intelligence (AI) to combine data from the three technologies, with the aim of identifying unusual behaviour that could indicate an emergency or deterioration in health. The research is detailed in Sensors.
Millimetre-wave radar sensors detect movement at discreet locations around a home, while thermal sensors identify body posture. The thermal data is deliberately kept at low resolution so that facial features and personal identity are not revealed.
Smart plugs connected to household appliances provide additional information about everyday activities, such as making drinks, preparing food or working at a desk.
Dr Yangang Xing, lead researcher at NTU’s School of Architecture, Design and the Built Environment, said the research deliberately focused on monitoring Activities of Daily Living (ADLs), rather than reporting a single fall-detection accuracy.
“We deliberately did not report a single "fall-detection accuracy" because falls are not a single event. Falls vary considerably in speed, direction, impact, recovery behaviour and environmental context,” he said.
He added that in many published fall-detection studies, simulated falls involving healthy volunteers in controlled environments could overestimate real-world performance, while changes in everyday activities such as walking, sitting and standing can provide earlier indications of frailty and increased fall risk.
The researchers evaluated the system in a mock domestic environment using six room configurations, including bedrooms and living areas with different furniture arrangements. A range of activities was recorded to assess the ability of the sensors to identify movement and posture.
Radar achieved a macro F1 score of 0.882 for motion detection, compared with 0.870 for thermal sensing. For posture recognition, thermal sensing achieved 0.775 compared with 0.609 for radar.
Xing said the results demonstrated that the two technologies provide complementary information, but that larger-scale testing would be required.
“The biggest challenge is ensuring reliable performance across the diversity of real homes, where room layouts, furniture arrangements, occupancy patterns and daily routines can vary significantly,” he said.
The AI system learns individual behavioural patterns over time and can flag deviations such as prolonged inactivity or changes in normal household routines. Where an emergency is detected, care professionals or relatives can be notified so that the occupant’s wellbeing can be checked.
The research was carried out with Integrated System Technologies Ltd and included researchers from NTU’s School of Science and Technology.
The next stage is to deploy the system in occupied homes for extended periods, particularly with older adults, to assess its robustness, user acceptance and clinical relevance under real-world conditions.
Da:
https://www.theengineer.co.uk/content/news/ntu-develops-ai-approach-to-monitor-older-people-at-home?rcip=giuseppecotellessa%40libero.it&utm_campaign=Daily%20Bulletin%20-081026%20-%20Thursday&utm_content=&utm_term=https%3A%2F%2Fwww.theengineer.co.uk%2Fcontent%2Fnews%2Fntu-develops-ai-approach-to-monitor-older-people-at-home&utm_medium=email&utm_source=The%20Engineer
Commenti
Posta un commento