Profesionales ponen a prueba sensores de caídas para adultos mayores
Sistema de sensores y algoritmos de inteligencia artificial, instalados en viviendas sociales inteligentes en San Antonio y próximamente en Valparaíso, son capaces de analizar la vida cotidiana de adultos mayores y detectar con precisión la caída y otros patrones sanitarios de su comportamiento. Su alta fidelidad, más del 90%, fue lograda gracias a que los científicos involucrados en el proyecto construyeron una gran base de datos para este tipo de incidentes utilizando a bailarines de danza contemporánea para simular estos eventos.
Los movimientos de profesionales permitieron "entrenar" o proporcionar información de mayor calidad a las redes neuronales de IA que conforman el sistema de monitoreo. "Una red mejor entrenada es capaz de responder mucho mejor en un ambiente real", explica Carla Taramasco, directora de esta iniciativa diseñada por ingenieros de la Universidad de Valparaíso, pertenecientes al nodo regional del Centro Nacional en Sistemas de Información en Salud (CENS).
"Hemos logrado generar una base de datos para entrenamiento, un repositorio que queremos compartir con otros investigadores que trabajan con redes neuronales. Lo que persigue esto es tener información que permita detectar incidentes, diciéndoles qué es una caída y qué no. Con esta información, el sistema es capaz de identificarlas y clasificarlas, ajustando su precisión en la medida que premio el acierto y alerto cuando es error", valora Taramasco
La académica y experta en inteligencia artificial aplicada al ámbito de la salud, afirma que el uso de simuladores profesionales "ha marcado una enorme diferencia en términos de precisión" para la iniciativa, cuyo objetivo es garantizar un mejor acompañamiento a un grupo que representa casi el 15% de la población.
El entrenamiento de redes neuronales -o neuronas artificiales que al conectarse transmiten señales- ha propiciado una comprensión más exacta de un fenómeno de alta prevalencia: un 20% de los adultos mayores de entre 65 y 69 años, y hasta un 40% de quienes superan los 80, ha sufrido de un evento de este tipo en el último año. El 80% de las caídas se produce en el hogar y la gran mayoría no son reportadas.
El trabajo se llevó a cabo con bailarines de la compañía Colectivo Insinú, de Valparaíso, quienes ayudaron a describir 15 tipos de caída. Antes de esto, las simulaciones se realizaban con personas de entre 18 y 40 años, que registraban movimientos muy distintos a los de un adulto mayor al desplomarse. "Y ahí es cuando bajamos la precisión. Lo complejo es obtener datos sobre diferentes tipos de caída para que las redes pueden aprenderlas. Con esto evitamos que las neuronas artificiales se vean afectadas por ruidos que no conocían", añade.
"Ese fue el propósito de construir una base de datos compuestas, tanto de personas jóvenes como de profesionales que estudian caídas. Con eso realizamos distintas caracterizaciones múltiples para llevar los datos al entrenamiento de las redes neuronales. Las referencias internacionales que encontramos solo eran de personas adultas, así que instalamos los sensores en laboratorio y almacenando nuevos datos con la simulación de los bailarines", resume la académica de la UV.
Ecosistema inteligente
El proyecto de viviendas sociales inteligentes es el primero de su tipo en el país, y está en proceso de ejecución en San Antonio y Valparaíso. A la fecha, ya hay 12 casas con este ecosistema de monitoreo instalado (en la primera de estas ciudades), y se espera que en el segundo semestre se alcance un total de 150 hogares.
Para materializar la innovación, los desarrolladores han avanzado en conjunto con los municipios. Firmaron un convenio en San Antonio para ser parte del ecosistema local de monitoreo; mientras que en Valparaíso la plataforma se inserta en la iniciativa municipal que apunta a construir un barrio para adultos mayores en el cerro Esperanza.
La plataforma Ehomesenior es un sistema no invasivo de monitoreo de adultos mayores, que dispone de cuatro subsistemas. Su objetivo es proponer un nuevo modelo de cuidado para el adulto mayor, incorporando tecnología para generar alertas tempranas en caso de situaciones de riesgo.
"Una de las cosas que hemos podido evaluar es la sensación de seguridad que generan los sensores en los usuarios, según lo que ellos mismos declaran. Se sienten protegidos y mejor cuidados. Creemos que esto podría generar una disminución en consultas a la atención primaria, dado que si ellos se sienten cuidados y acompañados, con menor ansiedad, podría disminuir la probabilidad de que consulten a los centros de atención por situaciones no tan importantes".
En san antonio
En las últimas semanas, el sistema de monitoreo fue instalado en las primeras 12 viviendas en San Antonio. Allí, la plataforma está conectada con un servicio municipal de gestión de emergencias sanitarias, bomberos y con toda la red de atención primaria. Los eventos de alerta son detección de caídas y de niveles anormales de monóxido de carbono con el objetivo de actuar oportunamente ante dichos riesgos.
"Nuestra apuesta es que un adulto mayor monitoreado en forma remota 24/7 va a vivir mucho mejor en cuanto a la seguridad, percepción de seguridad y su propia salud", plantea la ingeniera. Para ello, la iniciativa contempla la recopilación de variables agrupadas en cuatro parámetros.
El primero, detectará signos clínicos anormales a partir de los datos captados por sensores térmicos y de movimiento, a fin de identificar las actividades básicas e instrumentales de la vida diaria. Con eso se busca analizar posibles comportamientos anormales, tales como cambios en el sueño o deambular, y la nicturia, el aumento en producción de orina, relacionada con patologías como diabetes mellitus, insuficiencia cardiaca, malnutrición, síndrome nefrótico, entre otros.
Para las caídas, la herramienta detecta posibles eventos enviando una alerta hacia la plataforma web y móvil. Una red neuronal analiza los datos desde sensores térmicos de baja resolución y, mediante un modelo ya entrenado previamente con caídas, determina si los datos recibidos concuerdan con un incidente de este tipo. El modelo de red neuronal implementado se denomina "Bidirectional Long Short Term Memory" (BLSTM).
Una tercera variable es el monitoreo de variables ambientales con sensores diseñados para detectar gases nocivos para la salud, específicamente monóxido de carbono (CO), además de datos de temperatura y humedad que pueden afectar la salud de las personas. En caso de existir fugas o peligro de incendio, se genera una alerta a bomberos.
Además, la plataforma de monitoreo incorpora otros dos mecanismos de aviso de emergencia: un botón de pánico SOS, que permita al usuario comunicarse en forma telefónica con tres personas de su entorno directo y clínico en caso de situaciones de emergencia; y un llavero con tecnología GPS que facilita la ubicación del usuario en caso de pérdida.