Multisensoriell analyse av menneskelig aktivitet for diagnose og tidlig påvisning av funksjonelle begrensninger (EYEFUL)

Fysiske og kognitive endringer provosert av en patologi forverrer funksjonsevnen til individet, noe som gjør det vanskeligere å utføre Activities of Daily Living (ADL) og forårsaker avhengighet og/eller funksjonshemming. Det finnes standardiserte observasjonstester for klinisk vurdering av graden av funksjonsbegrensning i grunnleggende eller instrumentelle ADL (f.eks. Assessment Motor and Process Skills - AMPS). På den annen side bærer alle disse testene problemet med evaluatorens subjektivitet i analysen. Tilstedeværelsen av evaluator i testen kan ha innflytelse på måten en person utfører ADL.

Målet med prosjektet er å utvikle en metodikk for å designe, implementere og validere automatiske kliniske tester av funksjonsbegrensninger, som: 1) gir objektive vurderinger med klinisk validitet, og 2) fjerner interferensen i testutførelsen forårsaket av fysisk tilstedeværelse av evaluatoren. Den menneskelige evaluatorsubjektiviteten vil bli erstattet med et automatisk system som trekker ut multimodal (dvs. multisensoriell) informasjon fra miljøet under brukerfunksjonsvurderingen. Spesielt inkludert lyd-, video- og dybdesensorer og informasjonen som er samlet inn fra bærbare sensorer som forsøkspersonen som testes kan bære. Den objektive vurderingen vil også gi holdepunkter som, gitt fagets kliniske historie, kan brukes til tidlig oppdagelse av begrensninger.

Dette problemet er ikke systematisk behandlet i litteraturen. Prosjektet er dermed en første løsning av utvikling og klinisk validering av et automatisert system som tillater en objektiv evaluering av observasjonstester. Håndtering av den kliniske vurderingen av funksjonelle begrensninger vil deretter bli utført i et tilpasset virkelig miljø (utstyrt med tilstrekkelige elektroniske sensorer) i URJC-fasilitetene.

Delprosjektet EYEFUL-URJC har en nøkkelrolle i metodologisk design og klinisk validering av de automatiske evalueringsverktøyene. De vil også utføre de faktiske testene på normale forsøkspersoner og pasienter og sammenligne resultatet av dagens verktøy, som AMPS, med resultatet av vurderingsverktøyene utviklet for prosjektet. For å trekke ut relevante funksjoner fra video, dybde, lyd og andre sensorer, utnytter prosjektet forskningserfaringen på automatisk sansing av menneskelige aktiviteter i intelligente rom av EYEFUL-UPM og EYEFUL-UAH. EYEFUL-UPM-delprosjektet konsentrerer seg om analysen av motivets ansikt, hodestilling, blikk og nøyaktig 3D-justering av ansiktets landemerker, som muliggjør estimering av ansiktsegenskaper som er nyttige for forskjellige tester (dvs. fokus på oppmerksomhet, tilstedeværelse av smerte, forvirring , frykt osv.). EYEFUL-UAH-delprosjektet konsentrerer analysen om brukerens hele kroppsaktivitet og hans/hennes interaksjon med objekter, med dybde- og videosensorer, og integrerer også lyd- og wearables data for automatisk å vurdere funksjonsevnen til de evaluerte personene. De tre koordinerte gruppene tilnærmer seg prosjektet på en tverrfaglig måte, med sterke tilbakemeldingskrav blant dem underveis i utviklingen. Dette nære samspillet er grunnleggende for å sikre tilstrekkelig fokus på den tekniske utviklingen gitt de strenge kliniske kravene til oppgaven.