Análisis Multisensorial de la Actividad Humana para el Diagnóstico y Detección Temprana de Limitaciones Funcionales (EYEFUL)

Los cambios físicos y cognitivos provocados por una patología empeoran la capacidad funcional del individuo dificultando la realización de las Actividades de la Vida Diaria (AVD) y provocando dependencia y/o discapacidad. Existen pruebas observacionales estandarizadas para la evaluación clínica del grado de limitación funcional en las AVD básicas o instrumentales (p. ej., Evaluación de Habilidades Motoras y Procesales - AMPS). Por otro lado, todas estas pruebas conllevan el problema de la subjetividad del evaluador en el análisis. La presencia del evaluador en la prueba puede influir en la forma en que un sujeto realiza las AVD.

El objetivo del proyecto es desarrollar una metodología para diseñar, implementar y validar pruebas clínicas automáticas de limitación funcional, que: 1) brinden evaluaciones objetivas con validez clínica, y 2) eliminen la interferencia en la ejecución de la prueba causada por la presencia física de el evaluador. La subjetividad del evaluador humano será reemplazada por un sistema automático que extrae información multimodal (es decir, multisensorial) del entorno durante la evaluación funcional del usuario. Incluyendo específicamente sensores de audio, video y profundidad y la información recopilada de sensores portátiles que el sujeto bajo prueba pueda llevar. La valoración objetiva también aportará pistas que, dada la historia clínica del sujeto, pueden utilizarse para la detección precoz de limitaciones.

Este problema no ha sido abordado sistemáticamente en la literatura. El proyecto es, por tanto, una primera solución para el desarrollo y validación clínica de un sistema automatizado que permita una evaluación objetiva de pruebas observacionales. Posteriormente se abordará la evaluación clínica de las limitaciones funcionales en un entorno real adaptado (dotado de los sensores electrónicos adecuados) en las instalaciones de la URJC.

El subproyecto EYEFUL-URJC tiene un papel clave en el diseño metodológico y la validación clínica de las herramientas de evaluación automática. También llevarán a cabo pruebas reales en sujetos normales y pacientes comparando el resultado de las herramientas actuales, como AMPS, con el resultado de las herramientas de evaluación desarrolladas para el proyecto. Para extraer características relevantes de sensores de vídeo, profundidad, audio y otros, el proyecto aprovecha la experiencia de investigación sobre detección automática de actividades humanas en espacios inteligentes de EYEFUL-UPM y EYEFUL-UAH. El subproyecto EYEFUL-UPM se concentra en el análisis de la cara del sujeto, la postura de la cabeza, la mirada y la alineación 3D precisa de los puntos de referencia faciales, que permiten estimar los atributos faciales útiles para diferentes pruebas (es decir, foco de atención, presencia de dolor, confusión). , miedo, etc.). El subproyecto EYEFUL-UAH concentra el análisis de la actividad corporal total del usuario y su interacción con objetos, con sensores de profundidad y vídeo, e integra también datos de audio y wearables para evaluar automáticamente la capacidad funcional de las personas evaluadas. Los tres grupos coordinados abordan el proyecto de forma interdisciplinar, con fuertes necesidades de retroalimentación entre ellos a lo largo del desarrollo. Esta estrecha interacción es fundamental para asegurar el adecuado enfoque de los desarrollos técnicos dados los estrictos requisitos clínicos de la tarea.