Iäkkäiden ihmisten kasvava määrä asettaa yhteiskunnille sekä taloudellisia että sosiaalisia haasteita.
Viime vuosikymmenen aikana on kehitetty teknologiaa, jonka tarkoituksena on parantaa ikääntyneiden elämänlaatua ja lisätä heidän kykyään elää itsenäisesti. Aktiivisen ja avustetun asumisen (Active and Assisted Living, AAL) järjestelmien ala kukoistaa. Inlisol on osa tätä kasvavaa kehitysuuntaa, ja sen tavoitteena on nopeuttaa koko AAL-järjestelmän kehittämistä.
Aktiivisen ja avustetun asumisen (AAL) järjestelmät
AAL-järjestelmiä on kehitetty luomaan paremmat elinolosuhteet ikääntyneille ja vammaisille ihmisille ja tukemaan hoitajia ja hoitohenkilökuntaa käyttäytymis- ja hälytystiedoilla, joista voi olla hyötyä ennaltaehkäisyssä tai oikea-aikaisissa toimenpiteissä.
AAL-järjestelmiä käytetään yksinkertaisten päivittäisten tapojen seurantaan, esimerkiksi liikkumisen tai lepoaikojen mittaamiseen, ruoan ja lääkkeiden saannin tarkistamiseen jne. sekä psykologiseen hyvinvointiin vaikuttavien sosiaalisten tekijöiden korostamiseen. AAL-järjestelmillä voidaan automaattisesti tarkistaa monia vanhusten päivittäisiin toimintoihin liittyviä näkökohtia, mikä vähentää kustannuksia ja lisää terveydenhuollon ammattilaisten valvontamahdollisuuksia.
AAL-järjestelmien suunnittelu
AAL-järjestelmää suunniteltaessa ensimmäisenä vaiheena olisi valittava sensorit tiedonkeruuta ja toimintoja varten.
Saadut tiedot on kerättävä ja arvioitava, jotta niistä voidaan poimia merkityksellistä tietoa, kuten tunnistaa muutokset tottumuksissa. Usein käytetään heterogeenisiä sensoreita, ja tietoja on kerättävä pitkän ajan kuluessa, jotta kunkin yksilön ”normaali” käyttäytyminen voidaan oppia.
Kun valitaan, mitä sensoreita käytetään, tärkein huomioon otettava seikka on se, miten tarkkailtavat ihmiset hyväksyvät sensorit.
AAL-järjestelmien suunnittelussa on otettava huomioon seurattavien henkilöiden tarpeet. Ihmiskeskeinen lähestymistapa, jossa loppukäyttäjät ovat mukana ja osallistuvat suunnitteluprosessin kaikkiin vaiheisiin, on paras käytäntö.
Poikkeamien havaitseminen
Poikkeavuuksien ja epänormaalien käyttäytymismuutosten havaitsemiseksi on ensin luotava järjestelmällinen malli yksilön tavanomaisen toiminnan pitkäaikaisista havainnoista. Sitten normaalia mallia verrataan uusiin havaintoihin ja poikkeama arvioidaan.
Normaalin käsite ei ole yleinen, eikä se ole sama eri koehenkilöillä. Se liittyy läheisesti kuhunkin yksittäiseen henkilöön, joten se on opittava kunkin henkilön pitkäaikaisesta havainnoinnista. Viimeaikaisen teknisen kehityksen ansiosta on mahdollista kerätä ja tallentaa valtava määrä tietoa ihmisten tottumuksista.
Käsittelyrajoitteet
Monet AAL-järjestelmät on kehitetty antamaan hälytyksiä, kun vaaratilanteita havaitaan. Näissä tapauksissa tietojen reaaliaikainen käsittely on välttämätöntä, jotta voidaan puuttua tilanteeseen nopeasti, mutta samalla tarvitaan vankkoja käsittelytekniikoita väärien hälytysten välttämiseksi.
Kun havaitaan muutoksia tottumuksissa, tarvitaan pitkiä havaintojaksoja. Tällöin AAL-järjestelmien on kerättävä tietoja kaikista henkilön jokapäiväisen elämän osa-alueista, ja tuloksia voidaan arvioida vasta sitten, kun normaalikäyttäytymisen mallit on rakennettu. Näissä tapauksissa offline-käsittely voidaan tehdä pilvipalvelukehyksessä kerätystä suuresta tietomäärästä.
Haasteet
Seuraavan vuosikymmenen aikana teknologia leviää todennäköisesti huomattavasti ihmisten koteihin, ja reaaliaikaista tietoa syntyy valtavia määriä. Haasteena on tarjota näille järjestelmille älykkyyttä. Inlisolin kaltaiset yritykset keskittyvät älykkyyden kehittämiseen ja sisällyttämiseen koneoppimisen avulla.
AAL:n tulevaisuus
AAL-järjestelmien kehittäminen on viime vuosina saanut paljon huomiota tiedeyhteisöltä useista syistä:
- ne voivat vähentää iäkkäiden ihmisten jokapäiväisen elämän avustamisesta aiheutuvia kustannuksia;
- niillä voidaan seurata yksin asuvien ihmisten fyysistä ja psyykkistä hyvinvointia;
- ja ne voivat havaita käyttäytymismuutoksia, jotka voivat olla merkki varhaisvaiheen hermoston rappeutumissairauksista.