Autore: Riccardo Biella, software engineer di Paradox Engineering

 

I sistemi sanitari affrontano sfide immense in molti paesi del mondo. Molti si confrontano con l'invecchiamento della popolazione e la necessità di controllare la spesa per il servizio sanitario pubblico, ma in molti casi i pazienti superano le risorse disponibili compresi i servizi di base come letti d'ospedale, medici e infermieri. Questa carenza è apparsa ancora più rilevante durante Emergenza Covid-19, con la maggior parte dei paesi che faticano a gestire la pandemia e fornire un'adeguata qualità delle cure.

Le tecnologie intelligenti abilitano tutta una nuova classe di servizi per migliorare l'assistenza ai pazienti, in particolare il trattamento degli anziani e delle lunghe degenze in ospedale, in strutture assistite o a casa. Sistemi sanitari connessi e tecnologie di monitoraggio remoto del paziente (RPM) sono stati sempre più utilizzati per garantire una sorveglianza costante, sostenere i caregiver professionali nei loro compiti quotidiani e rassicurare i famigliari.

Insieme a Minebea Intec e MinebeaMitsumi Sensing Division, in Paradox Engineering stiamo lavorando su una soluzione innovativa per il settore dell'assistenza gestita: il nostro obiettivo è quello di finalizzare una piattaforma tecnologica sicura e aperta per il monitoraggio non invasivo del paziente in ospedali, cliniche, case di cura e ambienti domestici.

È concepita come una soluzione adattiva, in grado di costruire conoscenzae generare un'intelligenza specifica per il paziente raccogliendo dati da più sensori, correlando più parametri e integrando un motore unico di intelligenza artificiale (AI) per il riconoscimento delle situazioni, l'analisi del comportamento, il monitoraggio dell'evoluzione della salute a lungo termine e le relazioni personali.

La soluzione fornisce un motore AI locale per prevenire possibili furti di dati dall'ambiente ospedaliero e proteggere meglio la privacy dei pazienti. Attualmente stiamo testando le tecniche di Machine Learning per migliorare alcune funzioni specifiche, come il rilevamento di eventi avversi: elaborando i dati provenienti da telecamere e sensori intelligenti collegati, il sistema può riconoscere le anomalie e avvertire immediatamente gli assistenti in caso di cadute, mancanza di movimenti o altri tipi di eventi avversi, garantendo un monitoraggio costante dei pazienti 24 ore su 24.

Un'altra caratteristica che stiamo testando riguarda il controllo dell'accesso alla stanza. Stiamo usando il Machine Learning per elaborare le immagini dalle telecamere intelligenti connesse al fine di riconoscere il numero di persone in una stanza e distinguere i pazienti dal personale dell'ospedale. Questa è una funzione importante per aumentare la sicurezza degli ospiti rilevando un accesso non autorizzato.

Siamo partiti da un dataset iniziale composto da centinaia di immagini di pazienti e medici per addestrare il sistema. Le PE Smart Cameras sono ora in grado di eseguire attività di rilevamento degli oggetti in tempo reale, distinguendo le persone all'interno della stanza e classificandole come pazienti o personale ospedaliero, grazie all'uso di una rete neurale profonda che può anche riconoscere oggetti come camici, uniformi, indumenti, strumenti medici e posture.

Guarda questo breve video per avere un'anteprima:

 

 

Volete saperne di più? Contattate i nostri esperti di Machine Learning!