Soutenir le vieillissement grâce aux maisons intelligentes pour la surveillance et la gestion des soins de santé des personnes âgées

Supporting Healthy Aging with Smart Home Technology for Elderly Healthcare Monitoring and Management

• Auteur / Autrice : Mohammad Shiralizadeh dezfoli
• Direction : Mircea-Dan Istrate
• Type : Projet de thèse
• Discipline(s) : Bioingénierie
• Date : Inscription en doctorat le 01/11/2024
• Etablissement(s) : Compiègne
• Ecole(s) doctorale(s) : Sciences pour l'ingénieur
• Partenaire(s) de recherche : Laboratoire : Biomécanique et bioingénierie

Mots clés

Mots clés libres

Viellissement

Ia

ESanté

Ontologie

EHealth

Ageing

Ai

Ontology

Résumé

De plus en plus de personnes âgées préfèrent vivre chez elles mais en toute sécurité ; pendant qu'ils vivent à la maison, certains signes de fragilité peuvent commencer mais sont généralement détectés tardivement (p. ex. après une situation désespérée). En surveillant les habitudes de la personne, nous sommes en mesure d'identifier le niveau de base et de détecter de légers changements. En même temps, nous avons de plus en plus de capteurs à la maison qui sont utilisés pour les applications domotiques (c.-à-d. l'automatisation de la lumière et du chauffage); les informations provenant de ces capteurs peuvent constituer une source importante d'informations pour surveiller les activités des personnes âgées sans avoir à installer de nouveaux systèmes de surveillance. L'objectif de cette recherche est de proposer un système de surveillance de l'état physiologique adaptatif pour les personnes âgées vivant à domicile en utilisant des capteurs existants à domicile afin de fournir un système durable. Toutes les sources d'information (capteurs, applications mobiles) seront représentées par une ontologie spécifique et utilisées par le système AI afin de détecter la fragilité des personnes âgées de manière précoce mais aussi de détecter la détresse. La représentation ontologique permettra d'ajouter ou de remplacer facilement des capteurs et de fusionner les données. Le système d'IA sera composé d'approches spécifiques d'apprentissage automatique afin de détecter la détresse et la fragilité, mais aussi d'aider à la prise de décision en envoyant des données synthétiques aux utilisateurs, à la famille des utilisateurs et au personnel médical. Ces travaux de recherche s'inscrivent dans le cadre d'une collaboration existante entre des laboratoires de la Sorbonne Université - SU (BMBI, GEEPS, LIP6) et de l'Université de Waterloo (Ubilab, CBB). Deux expérimentations sont prévues pendant le doctorat : le premier se trouve sur la plateforme eBioMed (UTC), un laboratoire entièrement équipé avec différents capteurs permettant des tests de scénarios ; la deuxième est à l'Institut de recherche sur le vieillissement (RIA) Waterloo, qui dispose d'un appartement entièrement équipé et fait appel à des bénévoles âgés et qui peuvent y vivre pendant une période déterminée. L'utilisation de deux plates-formes équipées différentes a été prévue afin de tester l'adaptation et la fiabilité de l'algorithme. Le système AI proposé doit être facilement adaptable à différents capteurs, afin de fournir une détection de fragilité et de détresse sûre et explicable.

More and more elderly people prefer to live at home but securely; while living at home some signals of frailty may start but are typically detected late (e.g., after a distressful situation). By monitoring the person's habits, we are able to identify the baseline level and to detect slight changes. At the same time, we have more and more sensor at home that are used for domotics applications (i.e., light and heating automation); the information from these sensors can be an important source of information for monitoring the activities of the elderly without needing to install new monitoring systems. The aim of this research is to propose an adaptive physiological state monitoring system for elderly people living at home using existing sensors at home in order to provide a sustainable system. All information sources (sensors, mobile applications) will be represented by a specific ontology and used by AI system in order to detect elderly frailty early but to also detect distress. The ontology representation will allow the easy addition or replacement of sensors and provide data fusion. The AI system will be composed of specific machine learning approaches in order to detect distress and frailty, but also help with decision-making by sending synthetic data to the users, family of the users and medical staff. This research work is in the framework of an existing collaboration between laboratories from Sorbonne Université - SU (BMBI, GEEPS, LIP6) and Waterloo University (Ubilab, CBB). Two experimentations are planned during the PhD: the first one is on the eBioMed platform (UTC), a fully equipped laboratory with different sensors allowing for scenarios testing; the second one is at the Research Institution for Aging (RIA) Waterloo, which has a fully equipped apartment and uses elderly volunteers and who can live there for a specified period. Using two different equipped platforms was planned in order to test the algorithm adaptation and reliability. The proposed AI system must be easily adapt to different sensors, to provide safe and explainable frailty and distress detection.