Análise Multissensorial da Atividade Humana para Diagnóstico e Detecção Precoce de Limitações Funcionais (EYEFUL)

As alterações físicas e cognitivas provocadas por uma patologia pioram a capacidade funcional do indivíduo dificultando a realização das Atividades de Vida Diária (AVD) e causando dependência e/ou incapacidade. Existem testes observacionais padronizados para avaliação clínica do grau de limitação funcional em AVDs básicas ou instrumentais (por exemplo, Avaliação de Habilidades Motoras e de Processo - AMPS). Por outro lado, todos estes testes carregam o problema da subjetividade do avaliador na análise. A presença do avaliador no teste pode influenciar na forma como o sujeito realiza as AVD.

O objetivo do projeto é desenvolver uma metodologia para projetar, implementar e validar testes clínicos automáticos de limitação funcional, que: 1) proporcionem avaliações objetivas com validade clínica, e 2) eliminem a interferência na execução do teste causada pela presença física de o avaliador. A subjetividade do avaliador humano será substituída por um sistema automático que extrai informações multimodais (ou seja, multissensoriais) do ambiente durante a avaliação funcional do usuário. Incluindo especificamente sensores de áudio, vídeo e profundidade e as informações coletadas de sensores vestíveis que o sujeito em teste pode carregar. A avaliação objetiva também fornecerá pistas que, dada a história clínica do sujeito, poderão ser utilizadas para detecção precoce de limitações.

Este problema não foi abordado sistematicamente na literatura. O projeto constitui assim uma primeira solução de desenvolvimento e validação clínica de um sistema automatizado que permite uma avaliação objetiva de testes observacionais. O tratamento da avaliação clínica das limitações funcionais será então realizado em ambiente real adaptado (equipado com os sensores eletrónicos adequados) nas instalações da URJC.

O subprojeto EYEFUL-URJC tem papel fundamental no desenho metodológico e validação clínica das ferramentas de avaliação automática. Eles também realizarão os testes reais em indivíduos e pacientes normais, comparando os resultados das ferramentas atuais, como AMPS, com os resultados das ferramentas de avaliação desenvolvidas para o projeto. Para extrair características relevantes de sensores de vídeo, profundidade, áudio e outros, o projeto aproveita a experiência de pesquisa em detecção automática de atividades humanas em espaços inteligentes do EYEFUL-UPM e EYEFUL-UAH. O subprojeto EYEFUL-UPM concentra-se na análise da face do sujeito, pose da cabeça, olhar e alinhamento 3D preciso dos pontos de referência faciais, que permitem a estimativa de atributos faciais úteis para diferentes testes (ou seja, foco de atenção, presença de dor, confusão , medo, etc.). O subprojeto EYEFUL-UAH concentra a análise da atividade corporal total do usuário e sua interação com objetos, com sensores de profundidade e vídeo, e integra também dados de áudio e wearables para avaliar automaticamente a capacidade funcional das pessoas avaliadas. Os três grupos coordenados abordam o projeto de forma interdisciplinar, com forte necessidade de feedback entre eles ao longo do desenvolvimento. Esta estreita interação é fundamental para garantir o foco adequado dos desenvolvimentos técnicos dados os rigorosos requisitos clínicos da tarefa.