Les chercheurs ont depuis longtemps pu utiliser des informations à partir de montres intelligentes pour identifier les mouvements physiques, comme s'asseoir ou marcher, que les porteurs se produisent dans un cadre de laboratoire contrôlé.
Désormais, les chercheurs de la Washington State University ont développé un moyen, en utilisant un algorithme informatique et un grand ensemble de données rassemblé dans des montres intelligentes, pour identifier de manière plus exhaustive ce que les gens font dans des contextes quotidiens, tels que le travail, la consommation, la consommation de passe-temps ou les courses.
L'œuvre, publiée dans le IEEE Journal of Biomedical and Health Informaticspourrait un jour conduire à améliorer l'évaluation et la compréhension de la santé cognitive, de la réhabilitation, de la gestion des maladies ou de la reprise chirurgicale. Dans leur étude, les chercheurs ont pu identifier avec précision les activités 78% du temps.
« Si nous voulons déterminer si quelqu'un a besoin d'aide aux soins dans sa maison ou ailleurs et quel niveau d'assistance, alors nous devons savoir dans quelle mesure la personne peut effectuer des activités critiques », a déclaré Diane Cook, professeur WSU Regents à l'École de génie électrique et d'informatique de WSU. « Dans quelle mesure peut-on se baigner, se nourrir, gérer les finances ou faire leurs propres courses? Ce sont les choses dont vous avez vraiment besoin pour être en mesure d'accomplir pour être indépendante. »
L'un des grands défis des soins de santé est d'essayer d'évaluer comment les personnes malades ou les personnes âgées gèrent leur vie quotidienne. Les professionnels de la santé ont souvent besoin d'informations plus complètes sur la façon dont une personne effectue des activités fonctionnelles, ou un comportement de plus haut niveau dirigé par des objectifs, pour vraiment évaluer sa santé. Comme quiconque essaie d'aider un parent éloigné avec des défis vieillissants ou de santé le sait, que les informations sur la façon dont une personne se comporte pour payer ses factures, faire des courses ou cuisiner des repas est complexe, variable et difficile à rassembler – que ce soit dans un cabinet de médecin ou avec une smartwatch.
Le manque de conscience de l'état cognitif et physique d'une personne est l'un des obstacles auxquels nous sommes confrontés à mesure que nous vieillissons, et donc avoir un moyen automatisé de donner des indicateurs de l'endroit où une personne nous permettra un jour de mieux intervenir et de les garder non seulement en bonne santé, mais idéalement indépendants. Ce travail jette les bases d'applications plus avancées et consacrées au comportement dans la santé numérique et l'IA centrée sur l'homme. «
Diane Cook, professeur WSU Regents, École de génie électrique et informatique de la WSU
Pour leur étude, les chercheurs de la WSU ont collecté des informations sur l'activité sur plusieurs années à partir de plusieurs études.
« Chaque fois que nous avions une étude qui a collecté des données sur les smartwatch, nous avons ajouté une question à notre application de collecte de données qui a demandé aux participants d'auto-étiqueter leur activité actuelle, et c'est ainsi que nous nous sommes retrouvés avec tant de participants de tant d'études », a-t-elle déclaré. « Et puis nous avons simplement creusé pour voir si nous pouvons effectuer une reconnaissance d'activité. »
Les 503 participants à l'étude sur huit ans ont été demandés à des moments aléatoires tout au long de la journée de choisir parmi une liste de 12 catégories pour décrire ce qu'ils faisaient. Les catégories comprenaient des choses comme faire des courses, dormir, voyager, travailler, manger, socialiser ou se détendre. Les chercheurs ont analysé une variété de méthodes d'intelligence artificielle pour leur capacité à généraliser à travers la population des participants à l'étude.
Les chercheurs ont développé un ensemble de données à grande échelle qui comprend plus de 32 millions de points de données étiquetés, chaque point représentant une minute d'activité. Ils ont ensuite formé un modèle d'IA pour prédire quelle activité fonctionnelle s'était produite. Ils ont pu prédire les activités jusqu'à 77,7% du temps.
« Une étape fondamentale consiste à effectuer une reconnaissance d'activité car si nous pouvons décrire le comportement d'une personne en termes d'activité dans des catégories bien reconnues, alors nous pouvons commencer à parler de leurs modèles de comportement et de leurs changements dans leurs modèles », a déclaré Cook. « Nous pouvons utiliser ce que nous ressentons pour essayer d'approximer les mesures traditionnelles de la santé, comme la santé cognitive et l'indépendance fonctionnelle. »
Les chercheurs espèrent utiliser leur modèle dans de futures études dans des domaines tels que la capacité d'automatiser les diagnostics cliniques et de rechercher des liens entre le comportement, la santé, la génétique et l'environnement. Les méthodes et l'ensemble de données sans aucune information d'identification sont également accessibles au public pour que d'autres chercheurs puissent utiliser. Les travaux ont été financés par les National Institutes of Health.
