日常的な転落リスクの評価をより良くするために,現代の技術を用いた実験的研究

科学分野:

• ゲロントロジー
• コンピュータ科学
• 公衆衛生

背景:

• 年齢に起因する移動能力の低下や 身体の弱さにより 転倒のリスクが高まり,公衆衛生に重大な問題を 引き起こしています.
• 現在の臨床的な転倒リスク評価は,通常の活動や環境要因を捉えていないため,限られています.
• 落下リスクの総合的な評価に不可欠な環境データがない.

研究 の 目的:

• 人工知能 (AI) とビデオメガネを用いた転落リスク評価の新しいアプローチを開発し,評価する.
• 環境データ収集を落下リスク評価に組み込み,現在の方法の限界を克服する.
• AIとウェアラブルテクノロジーを組み合わせて,落下リスク評価の正確性と包括性を向上させる.

主な方法:

• 大量の画像データセットで環境と地形型の検出を訓練した,コンボリューションニューラルネットワーク (CNN) を含むAIモデルを開発した.
• ビデオグラスを使って 参加者のリアルなデータを記録し 環境と潜在的転落の危険性を 自動でラベル付けすることができました
• 撮影したビデオデータ内の特定の落下リスクを特定するためにCNNオブジェクト検出アルゴリズムを実装します.

主要な成果:

• AIベースの枠組みは,落下リスクの評価において有望な効率性と正確性を示しました.
• フレームワークのコンポーネントは,様々な歩行条件と地形で75%以上の精度を達成しました.
• AIは,落下リスクの特定において,平均0.93の精度スコアを達成しました.

結論:

• 人工知能を駆使したビデオグラスは 落下リスクの評価に 現代的で倫理的でプライバシーを守る方法を提供します
• この技術は高齢者の健康と生活の質を 大きく改善する可能性を秘めています
• 将来の研究は,AIの有効性をさらに検証するために,より大きなコホートを持つ実世界の家庭環境で導入することに焦点を当てます.