Un système de suivi des mouvements sans fil pourrait collecter des données sur la santé et le comportement

Les signaux radiofréquences peuvent être utilisés pour suivre les mouvements des gens dans leur propre maison.

Nous vivons dans un monde de signaux sans fil qui circulent autour de nous et qui rebondissent sur notre corps. Les chercheurs du MIT tirent maintenant parti de ces réflexions sur les signaux pour fournir aux scientifiques et aux soignants de précieux renseignements sur le comportement et la santé des gens.

Le système, appelé Marko, transmet un signal radio-fréquence (RF) de faible puissance dans un environnement. Le signal retournera au système avec certains changements s’il a rebondi sur un humain en mouvement. De nouveaux algorithmes analysent ensuite ces réflexions modifiées et les associent à des individus spécifiques.

Le système retrace ensuite les mouvements de chaque individu autour d’un plan d’étage numérique. L’appariement de ces modèles de mouvement avec d’autres données peut fournir des indications sur la façon dont les gens interagissent les uns avec les autres et avec l’environnement.

Dans un article présenté cette semaine à la Conférence sur les facteurs humains dans les systèmes informatiques, les chercheurs décrivent le système et son utilisation dans le monde réel à six endroits : deux résidences assistées, trois appartements habités par des couples et une maison en rangée de quatre résidents. Les études de cas ont démontré la capacité du système à distinguer les individus en se basant uniquement sur les signaux sans fil – et ont révélé quelques modèles comportementaux utiles.

Dans un établissement de vie assistée, avec la permission de la famille et des soignants du patient, les chercheurs ont suivi un patient atteint de démence qui s’agitait souvent pour des raisons inconnues. Pendant un mois, ils ont mesuré l’augmentation de la stimulation du patient entre les zones de leur unité – un signe connu d’agitation. En faisant correspondre le rythme accru avec le registre des visiteurs, ils ont déterminé que le patient était plus agité au cours des jours qui ont suivi les visites familiales. Cela montre que Marko peut fournir un nouveau moyen passif de suivre les profils de santé fonctionnelle des patients à domicile, selon les chercheurs.

“Ce sont des éléments intéressants que nous avons découverts grâce aux données”, dit le premier auteur Chen-Yu Hsu, un étudiant au doctorat du laboratoire de recherche en informatique et intelligence artificielle du MIT (CSAIL). “Nous vivons dans une mer de signaux sans fil, et la façon dont nous nous déplaçons et marchons change ces réflexions. Nous avons développé le système qui écoute ces réflexions… pour mieux comprendre le comportement et la santé des gens.”

La recherche est dirigée par Dina Katabi, titulaire de la chaire Andrew et Erna Viterbi de génie électrique et d’informatique et directrice du MIT Center for Wireless Networks and Mobile Computing (Wireless@MIT). Mingmin Zhao et Guang-He Lee, étudiants diplômés de la CSAIL, ainsi que Rumen Hristov SM’16, ancien élève de Rumen Hristov, se joindront à Dina Katabi et Chen-Yu Hsu sur ce papier.

Prédire les “tracklets” et les identités

Lorsqu’il est déployé dans une maison, Marko émet un signal RF. Lorsque le signal rebondit, il crée une sorte de carte de chaleur découpée en “trames” verticales et horizontales, qui indique où se trouvent les gens dans un espace tridimensionnel. Les personnes apparaissent sous forme de gouttes lumineuses sur la carte. Les trames verticales capturent la taille et la construction de la personne, tandis que les trames horizontales déterminent son emplacement général. Au fur et à mesure que les individus marchent, le système analyse les trames RF – environ 30 par seconde – pour générer de courtes trajectoires, appelées tracklets.

Un réseau de neurones convolutifs – un modèle d’apprentissage machine couramment utilisé pour le traitement d’images – utilise ces tracklets pour séparer les réflexions de certaines personnes. Pour chaque individu qu’il détecte, le système crée deux “masques de filtrage”, qui sont de petits cercles autour de l’individu. Ces masques filtrent essentiellement tous les signaux à l’extérieur du cercle, ce qui verrouille la trajectoire et la hauteur de l’individu lorsqu’il se déplace. En combinant toutes ces informations – hauteur, construction et mouvement – le réseau associe des réflexions RF spécifiques à des individus spécifiques.

Mais pour marquer les identités de ces masses anonymes, le système doit d’abord être “formé”. Pendant quelques jours, les personnes portent des capteurs d’accéléromètre de faible puissance, qui peuvent être utilisés pour marquer les signaux radio réfléchis avec leur identité respective. Lorsqu’il est déployé en formation, Marko génère d’abord les tracklets des utilisateurs, comme c’est le cas dans la pratique. Ensuite, un algorithme met en corrélation certaines caractéristiques d’accélération avec des caractéristiques de mouvement. Lorsque les utilisateurs marchent, par exemple, l’accélération oscille avec les pas, mais devient une ligne plate lorsqu’ils s’arrêtent. L’algorithme trouve la meilleure correspondance entre les données d’accélération et le tracklet, et étiquette ce tracklet avec l’identité de l’utilisateur. Ce faisant, Marko apprend quels signaux réfléchis sont corrélés à des identités spécifiques.

Les capteurs n’ont jamais besoin d’être rechargés et, après la formation, les individus n’ont plus besoin de les porter. Dans les déploiements à domicile, Marko a été en mesure de marquer l’identité des individus dans les nouvelles maisons avec une précision de 85 à 95 %.

Trouver un bon équilibre (collecte de données)

Les chercheurs espèrent que les établissements de soins de santé utiliseront Marko pour surveiller passivement, par exemple, la façon dont les patients interagissent avec leur famille et les soignants, et si les patients reçoivent leurs médicaments à temps. Dans un établissement de vie assistée, par exemple, les chercheurs ont noté des heures précises où une infirmière se rendait à pied à l’armoire à pharmacie dans la chambre d’un patient, puis au lit du patient. Cela indiquait que l’infirmière avait, à ces moments précis, administré les médicaments du patient.

Le système peut également remplacer les questionnaires et les agendas actuellement utilisés par les psychologues ou les spécialistes du comportement pour saisir des données sur la dynamique familiale, les horaires quotidiens ou les habitudes de sommeil de leurs sujets, entre autres comportements. Ces méthodes d’enregistrement traditionnelles peuvent être inexactes, contenir des biais et ne conviennent pas aux études à long terme, où les gens peuvent devoir se rappeler ce qu’ils ont fait il y a quelques jours ou quelques semaines. Certains chercheurs ont commencé à équiper les gens de capteurs portables pour surveiller les mouvements et la biométrie. Mais les patients âgés, en particulier, oublient souvent de les porter ou de les recharger. “La motivation ici est de concevoir de meilleurs outils pour des chercheurs” a dit Chen-Yu Hsu.

Pourquoi ne pas simplement installer des caméras ? Pour commencer, il faudrait que quelqu’un surveille et enregistre manuellement toutes les informations nécessaires. Marko, d’autre part, étiquette automatiquement les modèles comportementaux – tels que le mouvement, le sommeil et l’interaction – à des zones, des jours et des heures spécifiques.

En outre, la vidéo est juste plus envahissante, ajoute Chen-Yu : “La plupart des gens ne sont pas à l’aise avec le fait d’être filmés tout le temps, surtout dans leur propre maison. L’utilisation des signaux radio pour faire tout ce travail établit un bon équilibre entre l’obtention d’un certain niveau d’information utile, mais ne met pas les gens mal à l’aise.”

Dina et ses élèves prévoient également de combiner Marko avec leurs travaux antérieurs sur la déduction de la respiration et de la fréquence cardiaque à partir des signaux radio environnants. Marko sera ensuite utilisé pour associer ces données biométriques aux individus correspondants. Il pourrait également suivre la vitesse de marche des gens, ce qui est un bon indicateur de la santé fonctionnelle chez les patients âgés.

“Le potentiel ici est immense”, déclare Cecilia Mascolo, professeur de systèmes mobiles au Département d’informatique et de technologie de l’Université de Cambridge. “En ce qui concerne l’imagerie par caméras, elle offre un modèle moins riche en données et plus ciblé de collecte d’informations, ce qui est très bien accueilli du point de vue de la protection de la vie privée des utilisateurs. Les données recueillies sont cependant encore très riches et l’évaluation sur papier montre une précision qui peut permettre un certain nombre d’applications très utiles, par exemple dans les soins aux personnes âgées, le suivi de l’observance médicale, ou encore les soins hospitaliers”.

“Pourtant, en tant que communauté, nous devons être conscients des risques d’entrave à la vie privée que comporte ce type de technologie”, ajoute Mascolo. Certaines techniques de calcul, dit-elle, devraient être envisagées pour s’assurer que les données demeurent privées.

Article original sur MIT News. Lire l’article original.

Lire aussi : Des scientifiques ont trouvé un moyen de photographier les gens à travers les murs en utilisant le WiFi

Source : Big Think – Traduit par Anguille sous roche