Multisensorische Analyse menschlicher Aktivität zur Diagnose und Früherkennung funktioneller Einschränkungen (EYEFUL)

Durch eine Pathologie hervorgerufene körperliche und kognitive Veränderungen verschlechtern die Funktionsfähigkeit des Einzelnen, was die Durchführung von Aktivitäten des täglichen Lebens (ADLs) erschwert und zu Abhängigkeit und/oder Behinderung führt. Es gibt standardisierte Beobachtungstests zur klinischen Beurteilung des Ausmaßes der Funktionseinschränkung bei grundlegenden oder instrumentellen ADLs (z. B. Assessment Motor and Process Skills – AMPS). Andererseits bergen alle diese Tests das Problem der Subjektivität des Bewerters in der Analyse. Die Anwesenheit des Prüfers im Test kann einen Einfluss auf die Art und Weise haben, wie ein Proband ADLs durchführt.

Ziel des Projekts ist die Entwicklung einer Methodik zum Entwerfen, Implementieren und Validieren automatischer klinischer Tests zur Funktionseinschränkung, die: 1) objektive Beurteilungen mit klinischer Gültigkeit liefert und 2) die durch die physische Anwesenheit von eingeschränkter Funktion verursachte Störung bei der Testdurchführung beseitigt der Gutachter. Die Subjektivität des menschlichen Bewerters wird durch ein automatisches System ersetzt, das während der Funktionsbewertung des Benutzers multimodale (d. h. multisensorische) Informationen aus der Umgebung extrahiert. Dazu gehören insbesondere Audio-, Video- und Tiefensensoren sowie die Informationen, die von tragbaren Sensoren gesammelt werden, die die Testperson möglicherweise mit sich führt. Die objektive Beurteilung liefert zudem Hinweise, die angesichts der klinischen Vorgeschichte des Probanden zur Früherkennung von Einschränkungen genutzt werden können.

Dieses Problem wurde in der Literatur nicht systematisch behandelt. Das Projekt ist somit ein erster Lösungsansatz für die Entwicklung und klinische Validierung eines automatisierten Systems, das eine objektive Auswertung von Beobachtungstests ermöglicht. Die klinische Bewertung funktioneller Einschränkungen wird dann in einer angepassten realen Umgebung (ausgestattet mit den entsprechenden elektronischen Sensoren) in den URJC-Einrichtungen durchgeführt.

Das Teilprojekt EYEFUL-URJC spielt eine Schlüsselrolle bei der methodischen Gestaltung und klinischen Validierung der automatischen Bewertungstools. Sie werden auch die tatsächlichen Tests an normalen Probanden und Patienten durchführen und dabei die Ergebnisse der aktuellen Tools (z. B. AMPS) mit den Ergebnissen der für das Projekt entwickelten Bewertungstools vergleichen. Um relevante Merkmale aus Video-, Tiefen-, Audio- und anderen Sensoren zu extrahieren, nutzt das Projekt die Forschungserfahrung zur automatischen Erfassung menschlicher Aktivitäten in intelligenten Räumen von EYEFUL-UPM und EYEFUL-UAH. Das EYEFUL-UPM-Teilprojekt konzentriert sich auf die Analyse des Gesichtes, der Kopfhaltung, des Blicks und der genauen 3D-Ausrichtung der Gesichtsmarkierungen des Probanden, die die Schätzung von Gesichtsattributen ermöglichen, die für verschiedene Tests nützlich sind (d. h. Aufmerksamkeitsfokus, Vorhandensein von Schmerzen, Verwirrung). , Angst usw.). Das Teilprojekt EYEFUL-UAH konzentriert die Analyse auf die Ganzkörperaktivität des Benutzers und seine Interaktion mit Objekten, mit Tiefen- und Videosensoren und integriert auch Audio- und Wearables-Daten, um die Funktionsfähigkeit der bewerteten Personen automatisch zu bewerten. Die drei koordinierten Gruppen gehen das Projekt interdisziplinär an und erfordern während der gesamten Entwicklung einen hohen Feedbackbedarf. Diese enge Interaktion ist von grundlegender Bedeutung, um eine angemessene Fokussierung der technischen Entwicklungen angesichts der strengen klinischen Anforderungen der Aufgabe sicherzustellen.