Kunstig Intelligens i Nattugla skaper trygghet og god nattero for hjemmeboende eldre.

Offentlig prosjektsammendrag

Easymeeting vil forbedre eksisterende tjenester og funksjonalitet i Nattugla, som er et kamera for digitalt tilsyn. Med bruk av Kunstig Intelligens (KI) og datasyn, vil vi utvikle nye og mer nøyaktige alarmer til nytte for helsearbeiderne. Falldeteksjon finnes som funksjon i dag, men baserer seg ofte på radarteknologi fremfor datasyn. Vår hypotese er at vi skal kunne gi mer nøyaktige og nyanserte alarmer med bruk av KI. Fall og beinbrudd som følge av fall, er en av de største kostnadene for helsevesenet. Rehabilitering koster mange milliarder for Norge alene. Vi tror at vi kan redusere fall med med så mye som 5% om vi kan gi nøyaktige prediksjoner og bedre kunnskap om hvordan og når fall oppstår. Fall har spesielt alvorlige konsekvenser for eldre, og medfører ofte tilbakegang på andre helsemessige områder. Vi ønsker å videreutvikle teknologien med det overordnede mål om å gjøre den pålitelig nok til å varsle når uhellet er ute, men også kunne gi forvarsel om fare for fall, slik at man kan forebygge dette. Vi ønsker å utvikle gode metoder for å anvende data som Nattugla registrerer, uten at dette går på bekostning av våre strenge retningslinjer for personvern. Dersom vi kan tilgjengeliggjøre anonymiserte data for bearbeidelse utenfor kameraenheten, kan dette prosesseres i større nevrale nettverk, og gjøre analyser for å predikere uønskede hendelser. Vi tror også at vi kan bruke disse data til å forutse avvik i bevegelsesmønster over lengre tidsperioder som pleierne ikke ser i daglig virke. Dette kan brukes til å gi tidlige indikasjoner på flere typer geriatriske sykdommer. Vi skal lage en digital tvilling av situasjoner hvor helsearbeidere kan gjenspille modellen. Dette vil skape bedre forståelse for hva som skjedde, og hvordan man kan forebygge og persontilpasse pleie og omsorg til den enkelte tjenestemottaker. Anonymiserte modeller kan videre benyttes i læring for å skape bedre forståelse for uønskede situasjoner og som læreobjekter til KI nettverk.