ARMORI: Asistente Robótico para la MOnitorización de personas mayores en Residencias Inteligentes

En este proyecto se va a emplear un ecosistema de tecnologías AAL (Ambient Assistant Living), que incluye un robot social de asistencia.

Investigador principal

Antonio J. Bandera Rubio

Sede:

UMA

Tecnología

Big data, Robótica

Agentes agregados

Hospital Universitario Virgen del Rocío, Servicio Andaluz de Salud

Resumen de la propuesta

En este proyecto se va a emplear un ecosistema de tecnologías AAL (Ambient Assistant Living), que incluye un robot social de asistencia. Dicho sistema se va a instalar, en un proyecto en curso, en una residencia para personas mayores. En ARMORI se procesarán los datos recogidos por este ecosistema para adaptarse a los usuarios, reconocer y evaluar su estado físico o cognitivo, predecir situaciones de riesgo, y presentar la información recopilada de forma eficiente a los profesionales sanitarios.

Objetivo del proyecto

Hipótesis de partida: es posible emplear un ecosistema de tecnologías AAL (Ambient Assistant Living), integrado en una residencia de personas mayores, para ayudar de forma activa en la detección precoz de deterioro cognitivo o motor, así como en la prevención de posibles situaciones de riesgo. El proyecto ARMORI se realizará en una residencia de mayores, en la que se integra un ecosistema de AAL que incluye un robot social. El objetivo del proyecto es recopilar, tratar y representar los datos recogidos por dicho ecosistema de forma que sean útiles para que el personal sanitario monitorice, evalúe y diagnostique a los residentes, y prevea potenciales situaciones de riesgo. Este objetivo principal se puede desglosar en los siguientes subobjetivos:

- Proporcionar casos de uso para la aceptabilidad y utilidad

- Adaptar el funcionamiento del sistema a cada usuario

- Monitorizar activamente

- Reconocer y evaluar estado físico y cognitivo

- Ayudar en la detección de situaciones de riesgo

Resultados esperados e indicadores

  1. Despliegue y evaluación del ecosistema ARMORI en una residencia.
  2. Validación de los algoritmos de evaluación del estado del paciente y de detección de situaciones de riesgo.

Indicadores (esperados hasta el 31/12/2021)

  • Nuevo personal investigador (equivalente anual): 1 Equivalencia a Dedicación Plena (10 meses)
  • Patentes: 1
  • Nº contratos transferencia: 1
  • Congresos: 5
  • Publicaciones indexadas: 2
  • Tesis doctorales: 1

Justificación potencial impacto tecnológico del proyecto TRL

El sistema desplegado en ARMORI persigue aliviar la carga de trabajo de los profesionales sanitarios que trabajan en residencias de personas mayores, así como fomentar el envejecimiento activo y autónomo, aprovechando las ventajas (proactividad, facilitación social, movilidad,…) que la robótica ofrece. Al terminar el proyecto el ecosistema completo de AAL se situará en un TRL 9, pues todos sus componentes están certificados y habrá sido probado durante meses en un entorno real.

Avances

Antonio J. Bandera Rubio como investigador principal y miembros de su equipo de investigación, pertenecientes a la Universidad de Málaga, junto con Cristina Suárez y su equipo por parte del SAS y de su Fundación FISEVI como colaboradores, tienen como objetivo recopilar, tratar y representar los datos recogidos por dicho ecosistema de forma que sean útiles para que el personal sanitario monitorice, evalúe y diagnostique a los residentes, y prevea potenciales situaciones de riesgo.

Durante el desarrollo del proyecto, aún en curso, se han definido tanto la arquitectura física como lógica del ecosistema. La idea es monitorizar aquellos factores que los profesionales que trabajan en la misma han demandado, incluyendo módulos para la detección de caídas, presencia de residentes en pasillos, identificación, etcétera.

En este proyecto se han definido unos casos de uso iniciales, cuya idea fue la de mostrar las capacidades del ecosistema con demostraciones en la propia residencia e interaccionando con los profesionales para el desarrollo de nuevas funcionalidades y casos de uso. También se ha abordado un caso de uso más complejo, relacionado con la atención a personas aisladas por enfermedad.

Para el diseño y validación de los casos de uso, al grupo de profesionales sanitarios, de la residencia o del SAS, también se han incorporado expertos de otras empresas y otros grupos de investigación nacionales y/o internacionales.

Asimismo, el despliegue del sistema de AAL se ha evaluado con éxito en el laboratorio, incorporando, además del robot social, sensores de presencia y cámaras térmicas para detección de caídas. Como se ha comentado, además de la arquitectura hardware, se han implementado los algoritmos software que, por ejemplo, detectan la presencia de personas o las caídas de éstas y que están basados en redes neuronales convolucionales.

Noticia_UMA-CEIATECH_10