Die Autonomie intelligenter Maschinen nimmt immer weiter zu und damit auch die Möglichkeit Aufgaben zu übernehmen, die ursprünglich ausschließlich den Menschen vorbehalten waren. Die Chancen, die sich daraus für den demografischen Wandel und die alternde Gesellschaft ergeben, sind immens. Neue Technologien sollen das Leben älterer Menschen vereinfachen und die Selbstständigkeit bis ins hohe Alter fördern. Gleichzeitig kann der Pflegeaufwand sowohl für Familien als auch die Pflegeeinrichtungen reduziert werden. Der Einsatz künstlicher Intelligenz, in der derzeitigen Ausprägung des maschinellen Lernens, ist unumstritten eine der Schlüsseltechnologien und hilft dabei, die Bewegung des Menschen interpretieren zu lernen.
Sturzerkennung ist eine wichtige Technologie im Bereich der Assistenzsysteme für ältere Menschen und Menschen mit Beeinträchtigungen. Mithilfe von Sensoren und Algorithmen kann ein Sturz erkannt und ein Notruf automatisch ausgelöst werden. Dies ermöglicht es betroffenen Personen, unabhängiger und selbstständiger zu leben, und erhöht gleichzeitig die Sicherheit im Falle eines Sturzes.
Stürze sind häufige Ereignisse in höheren Altersstufen. Jeder dritte über 65-Jährige stürzt einmal oder mehrmals pro Jahr¹. Mehr als die Hälfte der Gestürzten sind aufgrund altersbedingter körperlicher Einschränkungen nicht in der Lage, selbstständig aufzustehen. Bis zur Hilfeleistung können Stunden oder sogar Tage vergehen².
Für ältere Menschen haben Stürze meist weitreichende Folgen. Häufig führen sie zu Frakturen, Verlust der Mobilität, Einschränkungen der Selbstständigkeit, Pflegebedürftigkeit oder sogar zum Tod. Des Weiteren können sie einen negativen Einfluss auf das Selbstwertgefühl, Aktivität und die sozialen Kontakte der Betroffenen haben².
Experte im Gespräch: Herausforderungen und Chancen der künstlichen Intelligenz in der Erkennung von Stürzen
Heutzutage gibt es zahlreiche technische Lösungen, die Stürze in Echtzeit erkennen und schnell und unkompliziert die Angehörigen oder professionelle Notrufdienste benachrichtigen. Wir haben für Sie bei unserem Data Scientist, Jan Peukert, der an der Entwicklung unserer Sturzerkennung arbeitet, nachgefragt.
Jan Peukert beschäftigt sich mit der Aufnahme, Analyse und Auswertung der Sensordaten und entwickelt verschiedene Algorithmen, die in dem Gardia Notrufarmband verbaut sind.
Herr Peukert, welche technischen Lösungen bietet der Markt in dem Bereich der Sturzerkennung?
Die wohl bekannteste Lösung am Markt sind Sturzmelder. Diese erkennen teils nur harte Stürze und setzen voraus, dass die betroffene Person in einigen Fällen bis zu 30 Sekunden nach einem Sturz regungslos bleibt und leiten nur dann einen automatischen Notruf ein. Allerdings ist in Notsituationen häufig zu beobachten, dass sich gestürzte Personen noch bewegen können oder mit dem Arm zucken. Damit wird in den meisten Fällen kein automatischer Notruf ausgelöst.
In diesem Fall muss der Betroffene Hilfe über einen Notfallknopf anfordern. Sollte die gestürzte Person nicht in der Lage sein, den Notrufknopf zu betätigen, kann es dazu führen, dass sie stundenlang auf dem Boden liegen bleibt und auf zeitnahe Hilfe warten muss. Wie sie sehen, hat diese Lösung gravierende Nachteile.
Wodurch zeichnet sich denn Ihre Sturzerkennung aus?
Die Sturzerkennung von Gardia basiert auf den Daten von drei verschiedenen Sensoren und versucht Ereignisse in Alltagsereignisse und Sturzereignisse einzuteilen. Das Zusammenspiel dieser drei Sensoren ermöglicht uns eine robustere und sehr genaue Sturzerkennung. Ebenfalls konnten wir die Analyse der Sensordaten so weit optimieren, dass wir eine Akkulaufzeit von bis zu 21 Tagen erreichen. Dies erwirken wir durch eine Auslagerung der Sensordatenanalyse. Die eingebaute „Aufweckfunktion“ aktiviert den Sensor nur bei kritischen Ereignissen und führt zu einer entsprechenden Analyse. Wir ermitteln dabei verschiedene Merkmale, die an neuronale Netze weitergeleitet werden, die dann letztendlich die finale Entscheidung fällen, ob es sich bei einem Ereignis um einen Sturz handelt oder eben nicht.
Für das Trainieren der neuronalen Netze wurden verschiedenste Sturzarten, wie „Stürzen aus dem Gehen“ oder „vom Stuhl kippen“, nachgestellt. Die Alltagsereignisse wurden nicht im Labor nachgestellt, sondern im Alltag von verschiedenen Personen aufgezeichnet, um möglichst reale Daten zu erhalten.
Oft werden spezifische Ereignisse nachgestellt, bei denen jedoch unklar ist, ob es sich bei diesen Ereignissen um kritische Ereignisse handelt, wie oft diese Ereignisse in einer kritischen Form im Alltag auftreten und ob die Ereignisse realistisch im Labor nachgestellt werden. Durch die Aufzeichnungen von ganzen Tagen über mehrere Wochen können die neuronalen Netze mit realistischen Daten trainiert werden und damit zu einer intelligenten Sturzerkennung führen, die fast alle Stürze korrekt erkennt.
Künstliche Intelligenz zur Erkennung von Stürzen: eine vielversprechende Lösung in der medizinischen Versorgung
Der Einsatz von künstlicher Intelligenz zur Erkennung von Stürzen gehört zu den wichtigsten Anwendungsgebieten der Gesundheitsversorgung. Mithilfe von Bewegungserfassung und -analyse können Stürze automatisch erkannt und geeignete Maßnahmen ergriffen werden, um neben den erlittenen Verletzungen der gestürzten Person weitere gesundheitliche Folgen zu vermeiden oder schnell Hilfe zu leisten.
Die Sturzerkennung mittels künstlicher Intelligenz ist ein wichtiger und vielversprechender Bereich der medizinischen Versorgung. Es bietet die Möglichkeit, das Leben älterer Menschen und Menschen mit körperlichen Einschränkungen zu verbessern und gleichzeitig den Pflegeaufwand zu reduzieren.
Und so funktioniert die intelligente Sturzerkennung des Gardia Notrufarmbands:
