Vivemos em um mundo de sinais sem fio fluindo ao nosso redor e ricocheteando em nossos corpos. Os pesquisadores do MIT agora estão aproveitando esses reflexos de sinal para fornecer aos cientistas e cuidadores percepções valiosas sobre o comportamento e a saúde das pessoas.

O sistema, chamado Marko, transmite um sinal de radiofrequência (RF) de baixa potência para um ambiente. O sinal retornará ao sistema com certas mudanças se for refletido em um humano em movimento. Novos algoritmos então analisam essas reflexões alteradas e as associam a indivíduos específicos.

O sistema então rastreia o movimento de cada indivíduo em torno de uma planta digital. Combinar esses padrões de movimento com outros dados pode fornecer percepções sobre como as pessoas interagem umas com as outras e com o ambiente.

Em um artigo apresentado na Conferência sobre Fatores Humanos em Sistemas Computacionais esta semana, os pesquisadores descrevem o sistema e seu uso no mundo real em seis locais:duas instalações de vida assistida, três apartamentos habitados por casais, e uma casa geminada com quatro moradores. Os estudos de caso demonstraram a capacidade do sistema de distinguir indivíduos com base apenas em sinais sem fio - e revelaram alguns padrões de comportamento úteis.

Em uma unidade de vida assistida, com a permissão da família do paciente e cuidadores, os pesquisadores monitoraram um paciente com demência que frequentemente ficava agitado por razões desconhecidas. Mais de um mês, eles mediram o ritmo aumentado do paciente entre as áreas de sua unidade - um sinal conhecido de agitação. Ao combinar o ritmo aumentado com o registro de visitantes, eles determinaram que o paciente estava mais agitado durante os dias seguintes às visitas familiares. Isso mostra que Marko pode fornecer um novo, maneira passiva de rastrear perfis funcionais de saúde de pacientes em casa, dizem os pesquisadores.

"Essas são partes interessantes que descobrimos por meio de dados, "diz o primeiro autor Chen-Yu Hsu, um Ph.D. Aluno do Laboratório de Ciência da Computação e Inteligência Artificial (CSAIL). "Vivemos em um mar de sinais sem fio, e a maneira como nos movemos e caminhamos muda esses reflexos. Desenvolvemos o sistema que escuta essas reflexões ... para entender melhor o comportamento e a saúde das pessoas. ”

A pesquisa é liderada por Dina Katabi, o professor Andrew e Erna Viterbi de Engenharia Elétrica e Ciência da Computação e diretor do Centro de Redes Sem Fio e Computação Móvel do MIT (Wireless @ MIT). Junto com Katabi e Hsu no papel estão os alunos de pós-graduação do CSAIL Mingmin Zhao e Guang-He Lee e o ex-aluno Rumen Hristov SM '16.

Previsão de "rastros" e identidades

Quando implantado em uma casa, Marko emite um sinal RF. Quando o sinal é recuperado, ele cria um tipo de mapa de calor cortado em quadros "verticais e horizontais", "que indica onde as pessoas estão em um espaço tridimensional. As pessoas aparecem como bolhas brilhantes no mapa. As molduras verticais captam a altura e a constituição da pessoa, enquanto os quadros horizontais determinam sua localização geral. À medida que os indivíduos caminham, o sistema analisa os quadros de RF - cerca de 30 por segundo - para gerar trajetórias curtas, chamados de tracklets.

Uma rede neural convolucional - um modelo de aprendizado de máquina comumente usado para processamento de imagens - usa esses tracklets para separar reflexos de certos indivíduos. Para cada indivíduo que sente, o sistema cria duas "máscaras de filtragem, "que são pequenos círculos ao redor do indivíduo. Essas máscaras basicamente filtram todos os sinais fora do círculo, que bloqueia a trajetória e a altura do indivíduo à medida que ele se move. Combinando todas essas informações - altura, construir, e movimento - a rede associa reflexos RF específicos a indivíduos específicos.

Mas para marcar identidades para esses blobs anônimos, o sistema deve primeiro ser "treinado". Por alguns dias, indivíduos usam sensores de acelerômetro de baixa potência, que pode ser usado para rotular os sinais de rádio refletidos com suas respectivas identidades. Quando implantado no treinamento, Marko primeiro gera os tracklets dos usuários, como acontece na prática. Então, um algoritmo correlaciona certos recursos de aceleração com recursos de movimento. Quando os usuários caminham, por exemplo, a aceleração oscila com passos, mas se torna uma linha plana quando eles param. O algoritmo encontra a melhor correspondência entre os dados de aceleração e o tracklet, e rotula esse tracklet com a identidade do usuário. Ao fazer isso, Marko aprende quais sinais refletidos se correlacionam com identidades específicas.

Os sensores nunca precisam ser carregados, e, após o treinamento, os indivíduos não precisam usá-los novamente. Em implantações domésticas, Marko conseguiu marcar as identidades de indivíduos em novas casas com uma precisão de 85 a 95%.

Atingindo um bom equilíbrio (coleta de dados)

Os pesquisadores esperam que os centros de saúde usem Marko para monitorar passivamente, dizer, como os pacientes interagem com a família e cuidadores, e se os pacientes recebem os medicamentos na hora certa. Em uma instalação de vida assistida, por exemplo, os pesquisadores observaram horários específicos em que uma enfermeira caminhava até um armário de remédios no quarto de um paciente e, em seguida, para a cama do paciente. Isso indicou que a enfermeira tinha, naqueles momentos específicos, administrou a medicação do paciente.

O sistema também pode substituir questionários e diários usados ​​atualmente por psicólogos ou cientistas comportamentais para capturar dados sobre a dinâmica familiar de seus sujeitos de estudo, programações diárias, ou padrões de sono, entre outros comportamentos. Esses métodos tradicionais de gravação podem ser imprecisos, conter preconceito, e não são adequados para estudos de longo prazo, onde as pessoas podem ter que se lembrar do que fizeram dias ou semanas atrás. Alguns pesquisadores começaram a equipar as pessoas com sensores vestíveis para monitorar o movimento e a biometria. Mas os pacientes idosos, especialmente, muitas vezes se esquecem de usá-los ou carregá-los. "A motivação aqui é projetar melhores ferramentas para pesquisadores, "Hsu diz.

Por que não apenas instalar câmeras? Para iniciantes, isso exigiria que alguém assistisse e registrasse manualmente todas as informações necessárias. Marko, por outro lado, marca automaticamente os padrões de comportamento, como movimento, dormir, e interação - para áreas específicas, dias, e tempos.

Também, o vídeo é apenas mais invasivo, Hsu acrescenta:"A maioria das pessoas não se sente confortável em ser filmada o tempo todo, especialmente em sua própria casa. Usar sinais de rádio para fazer todo esse trabalho atinge um bom equilíbrio entre obter algum nível de informações úteis, mas não fazendo as pessoas se sentirem desconfortáveis. "

Katabi e seus alunos também planejam combinar Marko com seu trabalho anterior de inferir a respiração e os batimentos cardíacos a partir dos sinais de rádio ao redor. Marko será então usado para associar esses dados biométricos aos indivíduos correspondentes. Ele também pode rastrear a velocidade de caminhada das pessoas, que é um bom indicador de saúde funcional em pacientes idosos.

"O potencial aqui é imenso, "diz Cecilia Mascolo, professor de sistemas móveis no Departamento de Ciência da Computação e Tecnologia da Universidade de Cambridge. "Com relação à imagem por meio de câmeras, oferece um modelo de coleta de informações menos rico em dados e mais direcionado, o que é muito bem-vindo do ponto de vista da privacidade do usuário. Os dados coletados, Contudo, ainda é muito rico, e a avaliação do papel mostra precisão, o que pode permitir uma série de aplicações muito úteis, por exemplo, no cuidado de idosos, monitoramento de adesão médica, ou mesmo atendimento hospitalar. "

"Ainda, como uma comunidade, precisamos estar cientes dos riscos de privacidade que esse tipo de tecnologia traz, "Mascolo acrescenta. Certas técnicas de computação, ela diz, deve ser considerado para garantir que os dados permaneçam privados.

Esta história foi republicada por cortesia do MIT News (web.mit.edu/newsoffice/), um site popular que cobre notícias sobre pesquisas do MIT, inovação e ensino.