A kórházi idősek táplálékfelvételének automatizált fényképes mérésének/kiértékelésének érvényessége, megbízhatósága és megvalósíthatósága (PAMPILLE)

Az alultápláltság a kórházi idősek 50-70%-át érinti, és klinikai hatásai miatt még aggasztóbb az időseknél. Az élelmiszer-fogyasztás mérése elengedhetetlen a szükségletek felismeréséhez, a kórházban lévő idősek tápláltsági állapotának nyomon követéséhez, és speciális terápiás intézkedések végrehajtásához, mint például a táplálékkiegészítők vagy az energia-fehérje növelése az alultápláltság vagy az alultápláltság kockázatának leküzdése érdekében. Sajnos ezt az intézkedést a gyakorlatban ritkán hajtják végre hatékonyan, így a beteg táplálékhiányban marad, ami hozzájárul a megnövekedett morbiditás és mortalitás kockázatához.

Bár a táplálékfelvétel mérlegelése a referencia módszer, ez rutin terhet jelent az egészségügyi csapatok számára. A kórházi környezetben e korlátok leküzdése érdekében a bevitelt három egymást követő napon leolvasott élelmiszerek alapján félkvantitatív módszerrel becsülik meg. Meg kell jegyezni, hogy ez a módszer továbbra is összetett, pontatlan és csak a leginkább alultáplált betegek számára fenntartott. Az utóbbi években a fényképészeti módszerek fejlődése a tömegmérés érdekes alternatívájává vált. Az étkezés előtt és után készült fényképek alapján, hogy kikövetkeztessük a ténylegesen elfogyasztott mennyiséget, ezek a módszerek a mérési módszerhez hasonló eredményeket adnak, bár még mindig vannak korlátozások (emberi beavatkozás szükségessége, szabványosított menük súlya és a betegekhez igazított táplálékkezelés hiánya). E korlátok leküzdésére a kutató egységben nemrégiben kifejlesztettek egy automatizált fényképezési módszert, amely a 2D és 3D képek automatikus feldolgozására szolgáló modern technikákon alapul mesterséges intelligenciából származó technikákkal párosítva, de még nem validálták.

Ennek a projektnek az eredetisége és innovációja a készített fényképek automatizált elemzésében és a megmaradt élelmiszer százalékos arányára való átalakításában rejlik, köszönhetően a kép-előfeldolgozási és neurális osztályozási algoritmusoknak egy 2D és 3D szoftverrel (szabadalma alatt).