Nuova tecnologia aiuta a monitorare l'agitazione nella demenza
La ricerca unisce AI e dispositivi indossabili per prevedere l'agitazione nei pazienti con demenza.
Abeer Badawi, Somayya Elmoghazy, Samira Choudhury, Sara Elgazzar, Khalid Elgazzar, Amer Burhan
― 6 leggere min
Indice
- La Sfida dell'Agitazione
- Una Soluzione High-Tech
- L'Impostazione dello Studio
- Come Funziona?
- Raccolta Dati
- I Vantaggi di Combinare Strumenti
- Sistema di Allerta Precoce
- Il Successo dello Studio Pilota
- Cosa Hanno Scoperto?
- Schemi di Agitazione
- Il Ruolo della Tecnologia
- L'Importanza della Privacy
- Prossimi Passi
- Guardando al Futuro
- Conclusione
- Fonte originale
La demenza è una condizione che colpisce molte persone, soprattutto gli anziani. Rende difficile pensare, ricordare e fare le attività quotidiane. Può anche portare ad altri problemi come Agitazione e aggressività, che sono tosti sia per chi ha la demenza che per i loro caregiver. Questi comportamenti possono causare molto stress e persino costringere la persona a restare in ospedale o in una struttura di cura più a lungo del necessario.
La Sfida dell'Agitazione
Le persone con demenza spesso mostrano segni di agitazione. Questo può includere camminare avanti e indietro, urlare o persino comportarsi in modo aggressivo. Questi comportamenti sono di solito il risultato di bisogni non soddisfatti-magari si sentono a disagio o confusi. La parte complicata è che i caregiver devono spesso fare affidamento sulla loro memoria per segnalare questi comportamenti, che può essere soggettiva e non sempre precisa.
Una Soluzione High-Tech
Ecco dove entra in gioco la tecnologia. I ricercatori stanno usando strumenti smart come l'intelligenza artificiale (AI) per monitorare e prevedere quando una persona con demenza potrebbe agire in modo problematico. Questo può essere fatto in tempo reale, utilizzando dispositivi indossabili e telecamere. Immagina un mondo in cui un orologio o una telecamera possono segnalare ai caregiver che qualcuno potrebbe aver bisogno di aiuto prima che inizi a comportarsi in modo problematico. Sembra fantascienza, ma sta diventando realtà!
L'Impostazione dello Studio
Per questa ricerca, è stato creato un sistema che combina un braccialetto e video da telecamere. Il braccialetto, chiamato EmbracePlus, raccoglie vari segnali di salute da chi lo indossa, come la frequenza cardiaca e la temperatura della pelle. Le telecamere sono posizionate nelle aree comuni di una struttura per osservare e registrare i comportamenti.
I ricercatori hanno iniziato raccogliendo un piccolo gruppo di Partecipanti con demenza grave. Hanno installato telecamere e chiesto ai partecipanti di indossare i braccialetti per 24-72 ore in giorni diversi. Durante questo tempo, i caregiver avrebbero anche monitorato i segni di agitazione e annotato quando si verificavano questi eventi.
Come Funziona?
Il braccialetto raccoglie diversi tipi di informazioni, come come si muove la persona e come il suo corpo risponde in termini di stress. Invia questi segnali a un sistema sicuro dove i ricercatori possono analizzare i Dati.
Raccolta Dati
Il braccialetto tiene traccia di:
- Conduttanza cutanea: Questo mostra quanto qualcuno possa essere sudato o stressato.
- Frequenza cardiaca: Un aumento della frequenza cardiaca può indicare ansia o agitazione.
- Movimento: Questo può mostrare se una persona è più irrequieta del solito.
Nel frattempo, le telecamere catturano il comportamento visivo dei partecipanti. Quando le telecamere notano un certo comportamento, registrano il momento esatto in cui si verificano quegli eventi. Queste informazioni combinate aiutano a creare un quadro più chiaro di cosa sta succedendo con la persona in quel momento.
I Vantaggi di Combinare Strumenti
Quando i dati del braccialetto e i video vengono analizzati insieme, i ricercatori possono identificare schemi che precedono i momenti di agitazione. Ad esempio, se il braccialetto indica un picco nella frequenza cardiaca pochi minuti prima che le telecamere catturino la persona che cammina avanti e indietro, questo potrebbe segnalare un'imminente crisi di agitazione.
Sistema di Allerta Precoce
Una delle scoperte interessanti è che il sistema può individuare segni di agitazione fino a sei minuti prima che si verifichino. Questo dà ai caregiver il tempo di intervenire-magari controllando la persona o fornendo qualcosa che la calmi. È come avere una sfera di cristallo che ti dice quando qualcuno sta per avere un momento difficile!
Il Successo dello Studio Pilota
In una piccola prova, tre partecipanti hanno indossato il braccialetto EmbracePlus mentre i ricercatori monitoravano i loro comportamenti attraverso le telecamere. I risultati sono stati incoraggianti. Il sistema "alimentato da AI" è stato in grado di prevedere quando l'agitazione potrebbe verificarsi, a volte anche prima che il comportamento fosse visibile.
Cosa Hanno Scoperto?
I ricercatori hanno appreso che diversi partecipanti mostrano segni diversi prima di diventare agitati. Ad esempio, una persona potrebbe mostrare segni di stress attraverso aumenti della frequenza cardiaca, mentre un'altra potrebbe rivelare agitazione attraverso movimenti improvvisi. La chiave era collegare quei piccoli segnali a comportamenti più ampi.
Schemi di Agitazione
In generale, i ricercatori sono stati in grado di identificare e categorizzare i comportamenti in tempo reale. In alcuni casi, quando il braccialetto ha rilevato cambiamenti fisici, le telecamere confermavano quei cambiamenti, confermando che il sistema stava funzionando.
Il Ruolo della Tecnologia
Questo progetto evidenzia il potenziale della tecnologia per migliorare la vita delle persone con demenza. Invece di aspettare che si verifichi una crisi, i caregiver possono ora ricevere avvisi, permettendo loro di fornire aiuto prima che le cose degenerino.
L'Importanza della Privacy
Una grande preoccupazione nell'uso delle telecamere negli ambienti sanitari è la privacy. I ricercatori hanno preso misure per garantire che il sistema seguisse le linee guida per proteggere l'identità dei partecipanti. Ad esempio, hanno sfocato i volti nelle registrazioni video, assicurandosi che nessuna informazione personale potesse essere utilizzata in modo improprio. In questo modo, i caregiver possono monitorare i comportamenti senza violare la privacy di nessuno.
Prossimi Passi
Lo studio pilota è stato promettente. Tuttavia, i ricercatori sanno che c'è ancora molto lavoro da fare. Pianificano di ampliare lo studio per includere più partecipanti. Questo aiuterà a garantire che il sistema funzioni bene in diverse situazioni e con diverse persone. Più dati raccolgono, meglio possono perfezionare la tecnologia.
Guardando al Futuro
In futuro, l'obiettivo finale per i ricercatori è creare un sistema che operi autonomamente. Questo significa che la tecnologia monitorerebbe e prevederebbe l'agitazione senza bisogno di supervisione umana costante. Immagina uno scenario in cui il sistema può avvisare i caregiver di cambiamenti significativi in qualsiasi momento, permettendo loro di concentrarsi su altri aspetti della cura.
Conclusione
In sintesi, questo approccio mostra grandi promesse su come ci prendiamo cura delle persone con demenza. Utilizzando una combinazione di tecnologia indossabile e monitoraggio video, i caregiver possono potenzialmente ridurre lo stress e il pericolo associati all'agitazione nei pazienti con demenza. La fusione dei dati provenienti da entrambe le fonti consente previsioni accurate, che possono portare a una migliore assistenza e a una qualità di vita migliorata per coloro che sono colpiti da questa condizione difficile. È un passo verso un modo più comprensivo e proattivo di aiutare chi vive con la demenza e le loro famiglie.
Titolo: A Novel Multimodal System to Predict Agitation in People with Dementia Within Clinical Settings: A Proof of Concept
Estratto: Dementia is a neurodegenerative condition that combines several diseases and impacts millions around the world and those around them. Although cognitive impairment is profoundly disabling, it is the noncognitive features of dementia, referred to as Neuropsychiatric Symptoms (NPS), that are most closely associated with a diminished quality of life. Agitation and aggression (AA) in people living with dementia (PwD) contribute to distress and increased healthcare demands. Current assessment methods rely on caregiver intervention and reporting of incidents, introducing subjectivity and bias. Artificial Intelligence (AI) and predictive algorithms offer a potential solution for detecting AA episodes in PwD when utilized in real-time. We present a 5-year study system that integrates a multimodal approach, utilizing the EmbracePlus wristband and a video detection system to predict AA in severe dementia patients. We conducted a pilot study with three participants at the Ontario Shores Mental Health Institute to validate the functionality of the system. The system collects and processes raw and digital biomarkers from the EmbracePlus wristband to accurately predict AA. The system also detected pre-agitation patterns at least six minutes before the AA event, which was not previously discovered from the EmbracePlus wristband. Furthermore, the privacy-preserving video system uses a masking tool to hide the features of the people in frames and employs a deep learning model for AA detection. The video system also helps identify the actual start and end time of the agitation events for labeling. The promising results of the preliminary data analysis underscore the ability of the system to predict AA events. The ability of the proposed system to run autonomously in real-time and identify AA and pre-agitation symptoms without external assistance represents a significant milestone in this research field.
Autori: Abeer Badawi, Somayya Elmoghazy, Samira Choudhury, Sara Elgazzar, Khalid Elgazzar, Amer Burhan
Ultimo aggiornamento: 2024-10-25 00:00:00
Lingua: English
URL di origine: https://arxiv.org/abs/2411.08882
Fonte PDF: https://arxiv.org/pdf/2411.08882
Licenza: https://creativecommons.org/publicdomain/zero/1.0/
Modifiche: Questa sintesi è stata creata con l'assistenza di AI e potrebbe presentare delle imprecisioni. Per informazioni accurate, consultare i documenti originali collegati qui.
Si ringrazia arxiv per l'utilizzo della sua interoperabilità ad accesso aperto.