AI hindrar äldre att falla

– Det finns en del forskning och lösningar gällande falldetektion, det vill säga att upptäcka när en person redan har ramlat, men fallprevention är ännu ett väldigt outforskat område, säger Henrik Runeskog.

I forskningen har han arbetat med balans baserat på tyngdpunkten och tryckpunkter i en kropp. Definitionen av balans är var någonstans tyngdpunkten befinner sig i relationen till ens fötter. Tyngdpunkten ska vara rakt över ens fötter, om den inte är det ökar risken för fall. Genom att mäta var en person har sin tyngdpunkt, sina tryckpunkter och sina fötter satte han ett mått på vilken balans personen har. Och för att mäta detta har han tagit hjälp av deep learning-teknik.

Han har använt sig av ett neuralt nätverk som består av olika lager. Nätverket tränades med en enorm mängd data, vilket i det här fallet är bilder på personer som gör vanliga saker. Varje bild har etiketter med platserna för olika kroppsdelar på personerna.

– Nätverket ser över olika kännetecken för hur olika kroppsdelar ser ut i olika bilder. Det krävs en stor mängd träning för att nätverket ska förstå var personen har sina kroppsdelar. Jag tränade med 25 000 bilder.

– Ur det här nätverket får vi fram 2D-bilder men att mäta tyngdpunkt är 3D-koordinerat. Så där har vi med stereoskopi och två kameror bredvid varandra fått fram djupseende i bilderna. Då kunde vi se var personerna har sin tryckpunkt i jämförelse till sina fötter.

Tekniken kan användas hemma

Resultaten har sedan jämförts med en tryckplatta, vilket är ett vanligt verktyg för att mäta balans på personer.

– Vi har fått fram relativt goda resultat men de är framtagna på för lite data. Resultaten är definitivt inte lika bra som att stå på en tryckplatta, men för att stå på en sådan behöver man ju oftast besöka en läkarmottagning. Med vår sorts balansestimering kan man istället sätta in kameror i hemmet som mäter kontinuerligt.

Henrik Runeskog har tillsammans med Atea arbetat med projektet under pandemin och har därmed inte lyckats testa tekniken på tillräckligt många äldre människor, som är den primära målgruppen. Men han tror att liknande teknik har framtiden för sig.

– Innan någon sätter in ett sådant här verktyg i ett hem krävs ju enorm forskning och en extrem mängd data, så det ligger nog relativt långt fram i tiden. Men jag hoppas att forskningen på området ökar, och att vi om cirka två år kan se bekräftade fallpreventionsmetoder börja komma ut på marknaden.