Detección automática de daños cognitivos y demencia a largo plazo
En este proyecto se propone el desarrollo de un sistema para la detección automática de indicadores compatibles con la demencia y el deterioro cognitivo a largo plazo. La idea es detectar de forma temprana estos indicativos para poder empezar una posible terapia que ralentice el avance de la enfermedad. La infraestructura del sistema que se propone se compondría de una serie de cámaras, que se colocarían en la casa de las personas mayores. Estas cámaras captarían información visual de las personas mientras realizan sus tareas cotidianas: en la cocina, en el pasillo, en el salón o en la habitación. Así, estas imágenes se procesarán con algoritmos de inteligencia artificial para obtener una serie de métricas. Estas métricas, observadas en el contexto temporal, permitirían detectar la aparición, o el avance y su ritmo, de deterioro cognitivo y demencia en personas mayores, y realizar predicciones a futuro del avance de las mismas. La Figura 1 muestra un esquema del sistema que se propone.
Las cámaras que se usen deben tener capacidad de cómputo por sí mismas. Esto debe ser así por dos razones. La primera es que una arquitectura distribuida como la que se propone te evita tener que contar obligatoriamente con un servicio externo que procese los datos. Puesto que los sistemas que se proponen utilizarán los más novedosos métodos de inteligencia artificial y machine learning, se necesitaría gran capacidad de cómputo centralizado. Esto no es escalable puesto que los requisitos crecerían conforme se añadan más cámaras. Sin embargo, procesando los datos en la propia cámara, este efecto se minimiza puesto que cada cámara procesa sus propios datos. Por otro lado, esto ayuda a proteger la intimidad de las personas, puesto que ninguna imagen abandonaría su ámbito privado. Las imágenes se procesarían en el propio dispositivo y serían únicamente las métricas las que se enviarían a un servidor central remoto para su almacenamiento y consulta.
Las imágenes captadas estarían siendo procesadas por varios algoritmos de inteligencia artificial. Por un lado, debe existir un sistema de identificación que detecte de forma única a la persona que se quiere monitorizar en las imágenes. Esto es necesario porque en el escenario pueden aparecer personas que no queremos monitorizar como cuidadores, familiares o visitas.También debemos obtener una estimación de la pose de la persona. La pose estará materializada por un conjunto de puntos 3D que corresponden con las articulaciones del cuerpo humano. Esta información es útil para detecta la precisión de los movimientos al realizar tareas y puede ser usada para apoyar al algoritmo de clasificación de tareas que se detalla a continuación. Adicionalmente podría ser usado para detectar afecciones del tipo físico.Por otro lado, debe ser ejecutado un sistema de detección de tareas. Este sistema debe ser capaz de inferir qué tarea está ejecutando la persona (sin hacer nada, cocinando, viendo la tv, leyendo un libro, conversando) a partir de las imágenes provenientes de las cámaras. Esto es útil para saber qué tareas se llevan a cabo y cuánto tiempo duran puesto que la disminución de la variedad de tareas y el aumento del tiempo que se tarda en realizar cada una de ellas puede estar relacionado con afecciones cognitivas.Estos tres algoritmos que se proponen estarán basados en métodos de machine learning, y más concretamente haciendo uso de las más novedosas arquitecturas deep learning.
Otro objetivo importante es hacer predicciones sobre la evolución hacia el futuro de estas métricas. Se desarrollará un método de inferencia que realice predicciones hacia el futuro teniendo en cuenta el historial de la persona. Esto dotará a los especialistas de más información sobre la persona de forma que puedan ajustar las terapias de manera más adecuada. Asimismo, permitirá evaluar si las medidas tienen efecto comparando la predicción en cierto momento con la realidad después de aplicarlas.El último de los objetivos que se persigue es el de mostrar la información que se obtenga del procesamiento de datos de forma clara y útil para los médicos, terapeutas, cuidadores y familiares de la persona afectada. Para este fin, se creará un portal web que permita visualizar, agregar y procesar las métricas obtenidas por el sistema. Esta herramienta permitirá realizar un análisis temporal de todas las métricas de forma que se pueda concluir si existe deterioro cognitivo o no, cómo de rápido ha ido avanzando, y qué efectos puede tener en el futuro. Así, con esta información cuantitativa, se podrían proponer terapias para frenar el avance de la demencia y el deterioro cognitivo por parte de médicos y especialistas.
Así pues, los objetivos concretos son los siguientes:
O1-Creación de un sistema basado en machine learning e inteligencia artificial que a partir de imágenes sea capaz de calcular qué tarea realiza una persona, cuánto tiempo le lleva completarla, y si la ha completado o no.
O2-Desarrollo de un sistema que realice inferencias sobre las métricas mencionadas anteriormente hacia el futuro para poder tener predicciones de la evolución en cierto momento.
O3-Mostrar de forma clara las métricas obtenidas del procesamiento de las imágenes y las predicciones para que médicos, terapeutas y familiares puedan tomar las medidas oportunas para frenar el avance o la aparición de demencia o deterioro cognitivo.
Este proyecto público competitivo, que durará hasta 2024, está financiado bajo el programa AYUDAS PARA LA REALIZACIÓN DE PROYECTOS DE INVESTIGACIÓN EMERGENTES 2021 por la Universidad de Alicante, Referencia: GRE21-07A.
