En av fyra äldre faller varje år i USA. Med mer än 37 miljoner sjukhusinläggningar varje år, ungefär en miljon fall inträffar på sjukhus och kan leda till allvarliga skador och till och med dödsfall. Patienter faller ofta när de försöker ta sig ur sängen eller när de går längre än de kan. Sjuksköterskor kan inte ständigt övervaka enskilda patienter på grund av antalet patienter de tar hand om. Sensorer kan kontinuerligt övervaka patienter, men många upptäcker bara fallet när det händer utan att lämna tillräckligt med tid för en sjuksköterska att ingripa.
Carnegie Mellon University civil- och miljöteknik Professor Hae Young Noh utvecklar sensorer som förutsäger när en person är på väg att falla genom att känna vibrationer från en persons rörelse. Använda signalbehandling och maskininlärning, hennes sensorer upptäcker en persons rörelse och karakteriserar vad dessa rörelser betyder:om de kommer ut ur sängen, om de tar ett steg till, och om de kommer att falla.
Till skillnad från andra sensorer som övervakar patientrörelser eller vitala tecken, Nohs sensorer identifierar avsikten med en persons rörelser – oavsett om de förbereder sig för att gå ut ur sängen eller bara rullar över och sätter sig upp. Dessa sensorer, placerad på sängramen, kommer sedan att varna sjuksköterskan när den förutsäger att en patient kan komma upp, så att sjuksköterskan kan komma till patienten i tid.
Precis som en sten skapar vågor när den tappas i vatten, vår rörelse och kontakt med objekt skapar också vågor som en sensor kan upptäcka. Sensorerna innehåller accelerometrar som upptäcker vågsignaler som fortplantar sig genom sängramen. De använder signalbehandlingsmetoder och maskininlärningstekniker för att klassificera vibrationer, avgöra om patienten har en avsikt att lämna eller inte.
Mycket exakt och mycket känslig, sensorerna är också placerade på golvet för att upptäcka när en persons gång, eller sätt att gå, försämras.
"Vissa människor kan bara gå cirka tio steg, " sa Noh. "Och de brukade vara friska, så de ska försöka ta det 11:e steget. För det är över deras gräns, risken för ett fall ökar, och det syns i gångförsämringsmönstret innan det faktiskt händer. Vi försöker upptäcka det mönstret."
Sensorerna kan lokalisera varje fotsteg med mindre än 0,34 meters fel, ungefär lika stor som en fot, vilket gör att de kan upptäcka gånghastighet, steglängd, och stegfrekvens—faktorer relaterade till att förutsäga fallrisk. Systemet kan också uppskatta individuella fotstegskrafter och vänster-högerbalans av fotstegskrafter inom 5 % fel av kroppsvikten. Sensorerna kan till och med använda vibrationssignalerna för att upptäcka humör, eftersom beteendemönster tyder på hur människor mår.
Teamet kommer snart att sätta in sensorerna på sjukhus för testning. I framtiden, sensorerna kan användas för olika applikationer, som att känna av djur och studera gångförsämringar i olika populationer inklusive barn och de som har genetiska sjukdomar som påverkar deras muskelfunktion och gångförmåga. Ph.D. studenter Mostafa Mirshekari, Jonathan Fagert, och Shijia Pan, såväl som elektro- och datatekniker, samarbetar professor Pei Zhang i projektet med sensorer för sjukhussängar.
"Patienter kan vara för blyga och vill inte oroa andra, " säger Noh, "Men information om deras symtom är ibland kritisk. Så, om en sensor kan plocka upp dem och meddela vårdgivarna, familjer, eller läkare, det kan hjälpa till med förebyggande och behandling."
