Multisensoriell analys av mänsklig aktivitet för diagnos och tidig upptäckt av funktionella begränsningar (EYEFUL)

Fysiska och kognitiva förändringar framkallade av en patologi försämrar individens funktionsförmåga vilket gör det svårare att utföra Activities of Daily Living (ADL) och orsakar beroende och/eller funktionshinder. Det finns standardiserade observationstester för klinisk bedömning av graden av funktionsbegränsning i grundläggande eller instrumentella ADL (t.ex. Assessment Motor and Process Skills - AMPS). Å andra sidan bär alla dessa tester problemet med utvärderarens subjektivitet i analysen. Närvaron av utvärderaren i testet kan ha en inverkan på hur en person utför ADL.

Målet med projektet är att utveckla en metodik för att designa, implementera och validera automatiska kliniska tester av funktionsbegränsningar, som: 1) ger objektiva bedömningar med klinisk validitet, och 2) tar bort störningar i testutförandet som orsakas av fysisk närvaro av utvärderaren. Den mänskliga utvärderarens subjektivitet kommer att ersättas med ett automatiskt system som extraherar multimodal (dvs multisensoriell) information från miljön under användarens funktionsbedömning. Specifikt inklusive ljud-, video- och djupsensorer och den information som samlas in från bärbara sensorer som försökspersonen kan bära. Den objektiva bedömningen kommer också att ge ledtrådar som, givet ämnets kliniska historia, kan användas för tidig upptäckt av begränsningar.

Detta problem har inte systematiskt behandlats i litteraturen. Projektet är alltså en första lösning av utveckling och klinisk validering av ett automatiserat system som möjliggör en objektiv utvärdering av observationstester. Att tackla den kliniska bedömningen av funktionella begränsningar kommer sedan att utföras i en anpassad verklig miljö (utrustad med lämpliga elektroniska sensorer) i URJC-anläggningarna.

Delprojektet EYEFUL-URJC har en nyckelroll i den metodologiska designen och kliniska valideringen av de automatiska utvärderingsverktygen. De kommer också att utföra de faktiska testerna på normala försökspersoner och patienter och jämföra resultatet av de nuvarande verktygen, som AMPS, med resultatet av de bedömningsverktyg som utvecklats för projektet. För att extrahera relevanta funktioner från video-, djup-, ljud- och andra sensorer, utnyttjar projektet forskningserfarenheterna om automatisk avkänning av mänskliga aktiviteter i intelligenta utrymmen av EYEFUL-UPM och EYEFUL-UAH. Delprojektet EYEFUL-UPM koncentrerar sig på analysen av motivets ansikte, huvudställning, blick och noggrann 3D-inriktning av ansiktets landmärken, som möjliggör uppskattning av ansiktsattribut som är användbara för olika tester (d.v.s. fokus på uppmärksamhet, närvaro av smärta, förvirring rädsla, etc.). Delprojektet EYEFUL-UAH koncentrerar analysen på användarens hela kroppsaktivitet och hennes/hans interaktion med objekt, med djup- och videosensorer, och integrerar även ljud- och bärbara data för att automatiskt bedöma funktionsförmågan hos de utvärderade personerna. De tre samordnade grupperna förhåller sig till projektet på ett tvärvetenskapligt sätt, med starka krav på feedback under hela utvecklingen. Denna nära interaktion är grundläggande för att säkerställa en tillräcklig fokusering av den tekniska utvecklingen givet de strikta kliniska kraven för uppgiften.