Detectan caídas en casa de adultos mayores con mayor precisión

BINGHAMTON, N.Y. — Cuando las personas mayores se caen en casa, cada segundo cuenta, especialmente cuando están solas.

Una nueva investigación de la Universidad de Binghamton, Universidad Estatal de Nueva York, tiene como objetivo reducir los tiempos de reacción con un algoritmo de reconocimiento de acción humana (HAR) que utiliza la potencia informática local para analizar los datos de los sensores y detectar movimientos anormales sin transmitirlos a un centro de procesamiento fuera del sitio.

El profesor Yu Chen y el estudiante de doctorado Han Sun del Thomas J. Watson College of Engineering and Applied Science’s Departamento de Ingeniería Eléctrica e Informática diseñaron el sistema de monitoreo de seguridad de personas mayores de respuesta rápida (RESAM) para aprovechar los últimos avances en informática de borde.

En un artículo publicado recientemente en las IEEE Transactions on Neural Systems and Rehabilitation Engineering, muestran que el sistema RESAM puede ejecutarse utilizando un teléfono inteligente, un reloj inteligente, una computadora portátil o una computadora de escritorio con una precisión del 99% y un tiempo de respuesta de 1,22 segundos, clasificándose entre los métodos más precisos disponibles en la actualidad.

Chen dijo que la investigación es importante para una población desatendida: “Cuando mucha gente habla de alta tecnología, está hablando de algo de vanguardia, como un algoritmo más sofisticado, un asistente más poderoso para hacer los trabajos más rápido o tener más entretenimiento disponible. Observamos a un grupo de personas, los ciudadanos mayores, que necesitan más ayuda pero normalmente no tienen los recursos suficientes o la oportunidad de decirle a los desarrolladores de alta tecnología lo que necesitan”.

Al utilizar dispositivos que ya les resultan familiares a las personas mayores, en lugar de una configuración completa de “hogar inteligente”, cree que les da una mejor sensación de control sobre su salud. No necesitan aprender nuevas tecnologías para que el sistema sea efectivo.

Además, para proteger la privacidad de las personas, RESAM reduce las imágenes monitoreadas a esqueletos, lo que aún permite el análisis de puntos clave como los brazos, las piernas y el torso para determinar si alguien se ha caído o ha sufrido otro accidente que podría provocar lesiones.

“El lugar más peligroso para las caídas es el baño, pero a nadie le gusta instalar una cámara allí”, dijo Chen. “La gente lo odiaría”.

Ve el sistema RESAM como una piedra angular para un concepto más amplio que él llama “Hogar Feliz”, que podría incluir cámaras térmicas o infrarrojas y otros sensores para evaluar remotamente otros aspectos del entorno y el bienestar de una persona.

“Agregar más sensores puede hacer que nuestro sistema sea más poderoso, porque no solo estamos monitoreando los movimientos del cuerpo de alguien, sino que podemos monitorear la salud de alguien con una dimensión más, por lo que podemos predecir mejor si algo va a suceder antes de que suceda”, dijo.

Otra idea, que Chen está explorando con el profesor asociado Shiqi Zhang del Departamento de Ciencias de la Computación, es que el sistema incluya un perro robot o una “mascota” similar que vigilaría de cerca mientras alguien realiza sus tareas diarias. El otoño pasado, Zhang demostró cómo un perro robot podría guiar a alguien con discapacidad visual a través de tirones de una correa.

“Podrías tener una conversación con el robot”, dijo Chen. “Por ejemplo, cuando te diriges al baño, el perro puede preguntarte: ‘¿Te importaría si te sigo?’. El perro puede tomar una mejor decisión para acercarse a monitorear tu estado en lugar de tener solo sensores fijos en la habitación”.