Viviamo in un mondo di segnali wireless che fluiscono intorno a noi e rimbalzano sui nostri corpi. I ricercatori del MIT stanno ora sfruttando questi segnali riflessi per fornire a scienziati e operatori sanitari preziose informazioni sul comportamento e sulla salute delle persone.

Il sistema, chiamato Marco, trasmette un segnale a radiofrequenza (RF) a bassa potenza in un ambiente. Il segnale tornerà al sistema con alcune modifiche se è rimbalzato su un essere umano in movimento. Nuovi algoritmi analizzano quindi quei riflessi modificati e li associano a individui specifici.

Il sistema quindi traccia il movimento di ogni individuo attorno a una planimetria digitale. L'abbinamento di questi modelli di movimento con altri dati può fornire informazioni su come le persone interagiscono tra loro e con l'ambiente.

In un documento presentato questa settimana alla Conferenza sui fattori umani nei sistemi informatici, i ricercatori descrivono il sistema e il suo utilizzo nel mondo reale in sei località:due strutture di vita assistita, tre appartamenti abitati da coppie, e una casa a schiera con quattro residenti. I casi di studio hanno dimostrato la capacità del sistema di distinguere gli individui sulla base esclusivamente di segnali wireless e hanno rivelato alcuni utili modelli comportamentali.

In una struttura di residenza assistita, con il permesso della famiglia del paziente e degli operatori sanitari, i ricercatori hanno monitorato un paziente con demenza che spesso si agitava per ragioni sconosciute. Più di un mese, hanno misurato l'aumento del ritmo del paziente tra le aree della loro unità, un segno noto di agitazione. Abbinando un maggiore ritmo al registro dei visitatori, hanno determinato che il paziente era più agitato durante i giorni successivi alle visite dei familiari. Questo mostra che Marko può fornire un nuovo, modo passivo per tracciare i profili di salute funzionale dei pazienti a casa, dicono i ricercatori.

"Questi sono bit interessanti che abbiamo scoperto attraverso i dati, " dice il primo autore Chen-Yu Hsu, un dottorato di ricerca studente del Laboratorio di Informatica e Intelligenza Artificiale (CSAIL). "Viviamo in un mare di segnali wireless, e il modo in cui ci muoviamo e camminiamo cambia questi riflessi. Abbiamo sviluppato il sistema che ascolta queste riflessioni... per comprendere meglio il comportamento e la salute delle persone".

La ricerca è guidata da Dina Katabi, l'Andrew ed Erna Viterbi Professore di Ingegneria Elettrica e Informatica e direttore del Centro MIT per le reti wireless e l'informatica mobile (Wireless@MIT). Insieme a Katabi e Hsu sulla carta ci sono gli studenti laureati CSAIL Mingmin Zhao e Guang-He Lee e l'alunno Rumen Hristov SM '16.

Predire "tracklet" e identità

Quando distribuito in una casa, Marko emette un segnale RF. Quando il segnale rimbalza, crea un tipo di mappa termica tagliata in "frame" verticali e orizzontali, " che indica dove si trovano le persone in uno spazio tridimensionale. Le persone appaiono come macchie luminose sulla mappa. Le cornici verticali catturano l'altezza e la corporatura della persona, mentre i frame orizzontali determinano la loro posizione generale. Mentre gli individui camminano, il sistema analizza i frame RF, circa 30 al secondo, per generare brevi traiettorie, chiamati tracklet.

Una rete neurale convoluzionale, un modello di apprendimento automatico comunemente utilizzato per l'elaborazione delle immagini, utilizza quei tracklet per separare i riflessi di determinati individui. Per ogni individuo che sente, il sistema crea due "maschere filtranti, " che sono piccoli cerchi intorno all'individuo. Queste maschere fondamentalmente filtrano tutti i segnali al di fuori del cerchio, che blocca la traiettoria e l'altezza dell'individuo mentre si muove. Combinando tutte queste informazioni:altezza, costruire, e movimento:la rete associa riflessioni RF specifiche a individui specifici.

Ma per contrassegnare le identità con quei blob anonimi, il sistema deve prima essere "addestrato". Per qualche giorno, gli individui indossano sensori accelerometrici a bassa potenza, che possono essere utilizzati per etichettare i segnali radio riflessi con le rispettive identità. Quando distribuito in formazione, Marko genera prima i tracklet degli utenti, come fa in pratica. Quindi, un algoritmo correla determinate caratteristiche di accelerazione con le caratteristiche di movimento. Quando gli utenti camminano, ad esempio, l'accelerazione oscilla a passi, ma diventa una linea piatta quando si fermano. L'algoritmo trova la migliore corrispondenza tra i dati di accelerazione e il tracklet, ed etichette che tracciano l'identità dell'utente. Così facendo, Marko apprende quali segnali riflessi sono correlati a identità specifiche.

I sensori non devono mai essere caricati, e, dopo l'allenamento, gli individui non hanno bisogno di indossarli di nuovo. Nelle distribuzioni domestiche, Marko è stato in grado di etichettare le identità delle persone nelle nuove case con una precisione compresa tra l'85 e il 95 percento.

Trovare un buon equilibrio (raccolta dati)

I ricercatori sperano che le strutture sanitarie utilizzeranno Marko per monitorare passivamente, dire, come i pazienti interagiscono con la famiglia e gli operatori sanitari, e se i pazienti ricevono i farmaci in tempo. In una struttura di residenza assistita, ad esempio, i ricercatori hanno notato momenti specifici in cui un'infermiera camminava verso un armadietto dei medicinali nella stanza di un paziente e poi verso il letto del paziente. Ciò indicava che l'infermiera aveva, in quei momenti specifici, somministrato il farmaco del paziente.

Il sistema può anche sostituire questionari e diari attualmente utilizzati da psicologi o scienziati comportamentali per acquisire dati sulle dinamiche familiari dei loro soggetti di studio, orari giornalieri, o modelli di sonno, tra gli altri comportamenti. Questi metodi di registrazione tradizionali possono essere imprecisi, contenere pregiudizi, e non sono adatti per studi a lungo termine, dove le persone potrebbero dover ricordare cosa hanno fatto giorni o settimane fa. Alcuni ricercatori hanno iniziato a dotare le persone di sensori indossabili per monitorare il movimento e la biometria. Ma i pazienti anziani, specialmente, spesso dimentica di indossarli o caricarli. "La motivazione qui è quella di progettare strumenti migliori per i ricercatori, " dice Hsu.

Perché non installare solo le telecamere? Per i principianti, ciò richiederebbe che qualcuno guardi e registri manualmente tutte le informazioni necessarie. Marco, d'altra parte, etichetta automaticamente i modelli comportamentali, come il movimento, dormire, e interazione, ad aree specifiche, giorni, e tempi.

Anche, il video è solo più invasivo, Hsu aggiunge:"La maggior parte delle persone non è così a suo agio nell'essere filmata tutto il tempo, soprattutto a casa propria. L'uso dei segnali radio per fare tutto questo lavoro crea un buon equilibrio tra ottenere un certo livello di informazioni utili, ma senza far sentire le persone a disagio".

Katabi e i suoi studenti hanno anche in programma di combinare Marko con il loro lavoro precedente sull'inferenza della respirazione e della frequenza cardiaca dai segnali radio circostanti. Marko verrà quindi utilizzato per associare tali dati biometrici agli individui corrispondenti. Potrebbe anche monitorare la velocità di camminata delle persone, che è un buon indicatore di salute funzionale nei pazienti anziani.

"Il potenziale qui è immenso, "dice Cecilia Mascolo, un professore di sistemi mobili presso il Dipartimento di Informatica e Tecnologia dell'Università di Cambridge. "Per quanto riguarda l'imaging attraverso le fotocamere, offre un modello di raccolta delle informazioni meno ricco di dati e più mirato, che è molto gradito dal punto di vista della privacy dell'utente. I dati raccolti, però, è ancora molto ricco, e la valutazione della carta mostra un'accuratezza che può consentire una serie di applicazioni molto utili, ad esempio nell'assistenza agli anziani, monitoraggio dell'aderenza medica, o anche cure ospedaliere."

"Ancora, come comunità, dobbiamo essere consapevoli dei rischi per la privacy che questo tipo di tecnologia comporta, " aggiunge Mascolo. Certe tecniche di calcolo, lei dice, dovrebbe essere considerato per garantire che i dati rimangano privati.

Questa storia è stata ripubblicata per gentile concessione di MIT News (web.mit.edu/newsoffice/), un popolare sito che copre notizie sulla ricerca del MIT, innovazione e didattica.