Usare i video per monitorare la camminata nei pazienti con demenza

Monitorare come le persone camminano, conosciuto come analisi della camminata, può aiutare a individuare problemi di salute in anticipo, specialmente per gli Anziani con demenza. Poiché questi individui hanno più probabilità di cadere, tenere traccia dei loro modelli di camminata può aiutare i caregiver e i medici ad agire rapidamente per prevenire incidenti. Utilizzare telecamere video semplici per monitorare la camminata invece di sistemi costosi rende questo processo più accessibile.

#Perché è importante il monitoraggio della camminata

Gli anziani con demenza spesso subiscono cadute a un tasso doppio rispetto a quelli senza problemi cognitivi. Cambiamenti nella loro camminata possono indicare infortuni, malattie o altri problemi che potrebbero avere difficoltà a comunicare. Monitorare le loro abitudini di camminata quotidianamente può rilevare questi cambiamenti in anticipo.

Tradizionalmente, analizzare la camminata richiede attrezzature costose, ma i recenti progressi nella tecnologia video ci permettono di monitorare i modelli di camminata usando telecamere normali. Questo rende più facile monitorare le persone in contesti quotidiani, fornendo uno strumento prezioso per i caregiver.

#Sfide nell'analisi della camminata

Anche se le tecnologie di visione computerizzata stanno migliorando, la maggior parte non è specificamente progettata per analizzare come gli anziani camminano. Camminare coinvolge molti movimenti sfumati, specialmente nella parte inferiore del corpo. Sapere dove si trova ogni articolazione in un video non è sufficiente. Informazioni clinicamente importanti come quanto tempo una persona trascorre in ogni passo o quanto lontano cammina devono anche essere estratte con precisione.

Errori nel tracciamento delle articolazioni possono portare a errori significativi nella misurazione dei modelli di camminata. I metodi precedenti dovevano calcolare manualmente le informazioni dalle sequenze catturate, creando più margine d'errore. Invece, utilizzare un modello specializzato può migliorare quanto accuratamente possiamo valutare le caratteristiche della camminata dai video.

#Lavori correlati

La ricerca sull'uso dei video per monitorare come le persone si muovono sta crescendo. Molti studi hanno dimostrato che è fattibile valutare le caratteristiche della camminata tramite video, specialmente in scenari medici. Alcuni ricercatori hanno confrontato i risultati delle analisi video con i dati di sistemi avanzati di misurazione della camminata e hanno trovato correlazioni promettenti.

Sebbene alcuni studi abbiano estratto con successo le caratteristiche della camminata, c'è ancora bisogno di modelli che siano ottimizzati per analizzare efficacemente come camminano gli anziani. Vari studi hanno usato algoritmi personalizzati per derivare caratteristiche della camminata dai video, mostrando il potenziale di questo metodo.

#Il nostro approccio

La nostra ricerca si concentra sull'uso di un video di una persona che cammina verso una telecamera per prevedere caratteristiche importanti della camminata. Abbiamo sviluppato un metodo che prende una sequenza di pose bidimensionale, che rappresenta le articolazioni del corpo di una persona nel tempo, e la traduce in caratteristiche di camminata tridimensionali.

Per farlo, abbiamo utilizzato una rete neurale specializzata. I dati utilizzati per il nostro modello provenivano da due luoghi diversi: un ospedale e una struttura di assistenza a lungo termine. I dati video e di profondità raccolti ci hanno aiutato a vedere quanto bene funzionava il nostro modello nella previsione delle caratteristiche della camminata.

#Raccolta dati

I dati per la nostra analisi sono stati raccolti utilizzando un sistema di telecamere che ha registrato persone mentre camminavano. Analizzando i video, abbiamo monitorato i movimenti delle caviglie e delle anche per raccogliere misure accurate della camminata, come la lunghezza del passo e il ritmo. Una pianificazione attenta e le approvazioni etiche erano in atto per garantire la sicurezza e la privacy dei partecipanti.

#Costruzione del modello

Il modello è stato addestrato utilizzando un metodo chiamato convalida incrociata a 10 pieghe. Questo rompe i dati in sezioni per addestrare e testare il modello correttamente. Ogni volta che il modello veniva addestrato, ci concentravamo sull'ottimizzazione della sua accuratezza confrontando i risultati con misure di verità di base. I risultati sono stati misurati utilizzando due metriche principali: correlazione di Spearman e errore medio assoluto.

#Risultati

I nostri risultati hanno mostrato che il modello poteva prevedere efficacemente alcune caratteristiche della camminata. In particolare, è stato in grado di correlarsi bene con le misurazioni di quanto velocemente una persona camminava e quanto lontano faceva passi.

Tuttavia, il modello ha avuto difficoltà a prevedere il tempo e la larghezza del passo, indicando margine di miglioramento. Quando abbiamo confrontato il nostro modello con un altro esistente, abbiamo scoperto che il nostro offriva migliori prestazioni complessive nelle misurazioni di velocità e lunghezza del passo, nonostante alcune difficoltà con il tempo.

#Importanza dei risultati

I risultati evidenziano il potenziale di utilizzare video semplici per misurare caratteristiche fisiche complesse come la camminata. Le informazioni ottenute possono guidare futuri sviluppi nel monitoraggio della salute per gli anziani. Essere in grado di monitorare efficacemente i cambiamenti nella camminata potrebbe portare a una migliore assistenza preventiva e, in ultima analisi, migliorare la qualità della vita per le persone con demenza.

#Ulteriore ricerca

C'è ancora molto da esplorare in questo campo. I futuri lavori potrebbero concentrarsi sul miglioramento di quanto accuratamente il modello prevede il tempo e la larghezza dei passi. Potremmo anche considerare di sviluppare modelli specializzati per ciascuna caratteristica per ottenere risultati migliori nel complesso.

Inoltre, raccogliere dati per periodi più lunghi può aiutarci a capire come i modelli di camminata cambiano nel tempo. Questo potrebbe portare a applicazioni utili nel monitoraggio dei rischi per la salute in modo più accurato.

#Conclusione

In sintesi, utilizzare la tecnologia video per monitorare i modelli di camminata nelle persone con demenza è sia promettente che necessario. La capacità di analizzare caratteristiche chiave della camminata può aiutare a prevenire cadute e altri problemi di salute. Man mano che perfezioniamo questi metodi e tecnologie, possiamo offrire una migliore assistenza e migliorare i risultati per questa popolazione vulnerabile.

Continuando a far progredire la nostra ricerca e applicando questi risultati in contesti reali, possiamo migliorare i sistemi di supporto disponibili per i caregiver e i professionisti della salute. Il futuro dell'analisi della camminata sta nel rendere questi strumenti più accessibili ed efficaci per tutti gli interessati.