Norskutviklet kunstig intelligens kan varsle eldre 4-10 sekunder før de faller

– Hva har skjedd fram til det tidspunktet der vedkommende faller? Er det mulig å gjenkjenne og varsle om det i forkant?

Dette ville forsker Asbjørn Danielsen ved Universitetet i Tromsø finne ut av. Resultatet ble en doktorgrad, og selskapet «IKT-Smia» med fem teknologer tilknyttet universitetet. Nå trenger de sykehus, sykehjem og privatpersoner som kan teste teknologien.

Fall blant eldre og funksjonshemmede er dyrt for samfunnet og dramatisk for den som faller. Hvis de blir liggende etter et fall øker dødeligheten drastisk, opp til 50 prosent hvis personen blir liggende mer enn en time, forteller Danielsen, som nylig har forsvart sin doktorgrad ved Universitetet i Oslo.

Hvert år opplever 1 av 3 av eldre over 65 år fall. På bakgrunn av statistikk fra Irland anslår forskeren at fall koster det norske samfunnet opp mot syv milliarder kroner i året.

• El- og IT-forbundet ber regjeringen opprette et teknologifond: Vil gi kommunene støtte til å ta i bruk eksisterende velferdsteknologi (saken kan leses av abonnenter).

Ikke-invaderende militær teknologi

De fleste fall blant eldre skjer på badet og soverommet, kanskje ikke der de fleste vil ha rettet et kamera mot seg. Derfor har forskeren tatt utgangspunktet i et termisk kamera, som måler temperatur i kroppen og ikke viser personen visuelt.

De termiske dataene gjør det mulig å registrere bevegelser og endringer relatert til fall ved å kobles opp mot algoritmer for bilde- og videoanalyse.

Et 6×8 centimeter kredittkortlignende langbølget infrarødt system kombinert med en ultralydsensor kan monteres i taket hos den eldre. Denne gjør det mulig å monitorere aktivitet samtidig som personvernet opprettholdes på en ikke-påtrengende måte.

Dette lar seg gjøre blant annet fordi teknologi som tidligere vært forbeholdt militære formål er blitt billigere og mer tilgjengelig, forteller Danielsen.

– Dataene vi får kan sammenlignes med et sett med piksler i lav oppløsning. Det kan ikke gjenkjenne individer, men er en anonymisert måte å finne ut hvor en person er. Informasjonen som lagres vil ikke være noe mer sensitiv enn det at noen åpner en dør, sier forskeren.

• Norwegian Open AI lab vil styrke det norske AI-miljøet: – Det er visse områder som Norge allerede er gode på, og det er her vi må satse (saken kan leses av abonnenter).

Måler risiko i prosent

Den kunstige intelligensen kan ifølge forskeren detektere 95-98 prosent av kommende fall fra seng, og varsle opp til 10 sekunder før fallet. Slik kan den eldre oppfatte faren og ta grep (bokstavelig talt) for å unngå fallet.

Men under testingen har det også blitt en del falske positiver: Seks prosent av gangene varselet ble aktivert var det falsk alarm og intet fall i sikte.

Forskeren opererer med en fallrisiko basert på sannsynlighetsregning.

– I det øyeblikket du har falt er risikoen null. Og selv om vi kan detektere at fallrisikoen øker med for eksempel 20 prosent, kan vi ikke fastslå at et fall kommer til å skje. Vi ser derfor etter endringen som skjer innenfor et tidsområde, sier Danielsen.

• Eldre får offline video på trimsykkelen: – En strålende idé

Mangelfulle forskningsdata

Det er ifølge forskeren kun utført noen få undersøkelser av eldre som faller. Det siste som ble gjort var i USA i 2015, der man med et akselerometer monitorerte eldre i en periode på ett år.

– Det systemet registrerte 84 fall der det bare hadde skjedd ett. Og unnlot dessuten å detektere tre av fire. Altså både positive og negative falske. Men det virkelig store problemet er at de baserer seg på en kilde. Enten bilder, termisk IR, eller akselerometer. Vi ønsket å kombinere flere, sier Danielsen.

Siden det er problematisk å be gamle folk om å begynne å falle i forskningsøyemed, har UIT-forskerne brukt yngre frivillige forsøkspersoner i studien, og mye av dataene i fra studiene har gått til testing og lite til læring.

– Folk går forskjellig, og folk faller forskjellig. Noen har muskelsvakheter. Derfor må maskinen lære seg hvordan den enkelte faller, sier Danielsen.

Det håper forskeren å kunne gjøre noe med nå.

• OsloMet Artificial Intelligence Lab: Oslomet åpner forskningssenter for kunstig intelligens.

Samarbeid med kommunene

Fem teknologer tilknyttet Universitetet i Tromsø jobber nå med å ta teknologien til neste nivå gjennom selskapet IKT-Smia. De er i kontakt med flere kommuner i regionen, og håper å få testet teknologien både i private hjem, på sykehus og på aldershjem.

– Vi prøver å få til et samarbeid med kommuner og helseforetak, slik at vi får testet og videreutviklet teknologien i et realistisk miljø. Vi jobber med en tjeneste som distribueres i sky, men også lokalt på sykehus og sykehjem.

Å få prediksjon til å fungere er et omfattende prosjekt. Vi er nødt til å ha opptak av eldre personer som faller. I dag har jeg bare et eksperiment basert på yngre frivillige. Men hvis jeg kan prediktere på fire sekunder når yngre faller, tror jeg det vi skal kunne prediktere eldres fall med en større tidshorisont.

– Kan bli en viktig del av framtidens eldreomsorg

Den kunstige intelligensen får skryt av tidligere styreleder i Forskningsrådet Ingvild Myhre i en artikkel på Universitetet i Oslos nettavis Titan.

– Hvis vi ser til København, så er det en by som har gjort en rekke grep på teknologisiden som gjør at eldre bor lenger hjemme. Dette gjøres på en måte som bidrar til en god livskvalitet og trygghet, og det å kunne forhindre at eldre faller hjemme, er en viktig del av dette, sier Myhre til nettavisen.

Hun påpeker at framtiden innen eldreomsorg antageligvis vil innebære en stor grad av utbygging av såkalte eldrelandsbyer. Her vil eldre mennesker bo i egne leiligheter eller hus og ha tilgang til alt av butikker og fritidstilbud i nærheten, samt nødvendig pleietilbud.

– Når de eldre i en slik landsby skal klare seg selv i større grad enn på et sykehjem, er det også ekstremt viktig at de kan ha med seg teknologi som hindrer fall når de er ute og går og er mer aktive enn de vil være på et typisk sykehjem, sier hun.

Interessert i AI? Les mer på vår samleside om kunstig intelligens og maskinlæring »