Dettagli
- Settore ERC
- PE6 - Computer Science and Informatics
- Sottosettore ERC
- PE6_7 - Artificial intelligence, intelligent systems, natural language processing
- Data avvio progetto
- CUP
- D53D23017460001
- Sostegno finanziario ricevuto
- €79.369,00
Descrizione e scopo
La riabilitazione motoria e la relativa supervisione clinica sono attualmente disponibili solo presso centri specializzati (ad esempio palestre sanitarie) e in presenza di professionisti sanitari (ad esempio fisioterapisti), un problema che limita fortemente la disponibilità di questi servizi. Il progetto attuale ha introdotto un quadro tecnologico innovativo per eliminare infrastrutture costose e aumentare il numero di pazienti che un operatore sanitario può supervisionare. Per raggiungere questo obiettivo, l'Unità di Ricerca UNIPR ha collaborato con le altre Unità di Ricerca per integrare il monitoraggio in tempo reale e semi-autonomo, l'allenamento e la supervisione delle attività riabilitative potenzialmente eseguibili da un soggetto, indipendentemente dal contesto fisico in cui può esercitarsi, compresa la propria abitazione.
Finalità
A tal fine, abbiamo sfruttato le metodologie di intelligenza artificiale attualmente disponibili per l'integrazione dei dati dei sensori da un quadro subsimbolico (machine learning) in un sistema di rappresentazione della conoscenza basato sull'ontologia che modella la visione del paziente da parte dell'operatore sanitario. Questo approccio porta a un avatar simbolico delle variabili fisiopatologiche del soggetto, rappresentato come un gemello digitale. Il progetto SORTT prevede uno spazio intelligente in cui una serie di sensori acquisiscono una griglia di condizioni motorie, fisiologiche e legate allo stress per descrivere e monitorare lo stato e l'attività del paziente durante la sessione di riabilitazione motoria. Lo spazio intelligente raccoglie le fonti di dati (dedicate e generiche) disponibili nell'ambiente, che possono differire per tipo, frequenza di raccolta e qualità dei dati. Inoltre, stabilisce se i dati in entrata sono sufficienti per monitorare in modo sicuro il paziente ed elabora i dati in biomarcatori digitali significativi per gli operatori sanitari.
Risultati attesi
In questa prospettiva di ricerca, l'unità UNIPR ha contribuito a definire una metodologia innovativa per implementare l'approccio scelto, definito come sistema di modellazione basato sull'ontologia. Questo quadro descrittivo e inferenziale si basa sulla raccolta di biomarcatori, che possono essere integrati attraverso un linguaggio ad hoc o un'ontologia con i dati ambientali, portando a un quadro completo del contesto in cui il soggetto esegue gli esercizi di riabilitazione. La semplificazione e la generalizzazione dei descrittori anatomici classici svolgono un ruolo sostanziale nell'area del linguaggio relativo alla descrizione dei movimenti. Di conseguenza, il progetto e l'attività dell'unità di ricerca UNIPR hanno portato significativi progressi conoscitivi in diversi campi (riabilitazione, IoT, ontologia applicata, IA per la sanità) e hanno comportato collaborazioni altamente interdisciplinari con centri accademici nazionali (Università di Bologna, CNR-ISTC) e gruppi internazionali (Tufts University School of Medicine, Boston, MA, USA, e RIV Capital - Lussemburgo e Dubai - Emirati Arabi Uniti).
Risultati raggiunti
In sintesi, il progetto ha dimostrato la fattibilità delle metodologie applicate e ha aperto una nuova prospettiva nel monitoraggio sanitario digitale, compresi studi sulla brevettabilità e commerciabilità dei risultati della ricerca. Sono state fornite pubblicazioni di ricerca internazionali e nazionali su tutti questi argomenti.
Responsabile scientifico
Modificato il