Analyse multisensorielle de l'activité humaine pour le diagnostic et la détection précoce des limitations fonctionnelles (EYEFUL)

Les changements physiques et cognitifs provoqués par une pathologie aggravent les capacités fonctionnelles de l'individu, rendant plus difficile l'exécution des activités de la vie quotidienne (AVQ) et provoquant une dépendance et/ou un handicap. Il existe des tests d'observation standardisés pour l'évaluation clinique du degré de limitation fonctionnelle dans les AVQ de base ou instrumentales (par exemple, Assessment Motor and Process Skills - AMPS). D'un autre côté, tous ces tests posent le problème de la subjectivité de l'évaluateur dans l'analyse. La présence de l'évaluateur au test peut avoir une influence sur la manière dont un sujet accomplit les AVQ.

L'objectif du projet est de développer une méthodologie pour concevoir, mettre en œuvre et valider des tests cliniques automatiques de limitation fonctionnelle, qui : 1) donnent des évaluations objectives avec une validité clinique, et 2) suppriment l'interférence dans l'exécution du test causée par la présence physique de l’évaluateur. La subjectivité de l'évaluateur humain sera remplacée par un système automatique qui extrait des informations multimodales (c'est-à-dire multisensorielles) de l'environnement lors de l'évaluation fonctionnelle de l'utilisateur. Y compris spécifiquement les capteurs audio, vidéo et de profondeur et les informations collectées à partir des capteurs portables que le sujet testé peut transporter. L'évaluation objective fournira également des indices qui, compte tenu des antécédents cliniques du sujet, pourront être utilisés pour une détection précoce des limitations.

Ce problème n’a pas été systématiquement abordé dans la littérature. Le projet est ainsi une première solution de développement et de validation clinique d'un système automatisé permettant une évaluation objective des tests d'observation. L'évaluation clinique des limitations fonctionnelles sera ensuite réalisée dans un environnement réel adapté (équipé des capteurs électroniques adéquats) dans les installations de l'URJC.

Le sous-projet EYEFUL-URJC joue un rôle clé dans la conception méthodologique et la validation clinique des outils d'évaluation automatique. Ils effectueront également des tests réels sur des sujets normaux et des patients en comparant les résultats des outils actuels, comme AMPS, avec les résultats des outils d'évaluation développés pour le projet. Afin d'extraire des caractéristiques pertinentes des capteurs vidéo, de profondeur, audio et autres, le projet s'appuie sur l'expérience de recherche sur la détection automatique des activités humaines dans les espaces intelligents d'EYEFUL-UPM et d'EYEFUL-UAH. Le sous-projet EYEFUL-UPM se concentre sur l'analyse du visage du sujet, de la pose de la tête, du regard et de l'alignement 3D précis des repères faciaux, qui permettent d'estimer les attributs du visage utiles pour différents tests (c'est-à-dire la concentration de l'attention, la présence de douleur, la confusion). , peur, etc.). Le sous-projet EYEFUL-UAH concentre l'analyse sur l'activité corporelle entière de l'utilisateur et son interaction avec les objets, avec des capteurs de profondeur et vidéo, et intègre également des données audio et portables pour évaluer automatiquement la capacité fonctionnelle des personnes évaluées. Les trois groupes coordonnés abordent le projet de manière interdisciplinaire, avec une forte exigence de feedback entre eux tout au long du développement. Cette interaction étroite est fondamentale pour garantir une orientation adéquate des développements techniques compte tenu des exigences cliniques strictes de la tâche.