nlaic logo


 

Usecase Sensara

Transcript:

Nou kijk. Wat wij doen: Wij plakken  kleine, draadloze, batterijgevoede   sensoren aan de muren van ouderenwoningen.  Extramuraal en intramuraal. Al die sensoren,   die sturen hun bevindingen continu naar de  cloud, naar internet. De betrokken zorgverleners,   dat kan dus de mantelzorger zijn of professionele  thuiszorg, of medewerkers van zorginstellingen,   die krijgen smartphones van ons, eigenlijk onze apps  en die kunnen op deze smartphones continu   het welzijn van van hun cliënten of  dierbaren volgen. Ze worden op tijd geattendeerd   op allerlei noodsituaties en dat kunnen  korte termijn noodsituaties zijn, zoals dat   iemand gevallen is, of iemand uit bed  stapt, of lange termijn zorgwekkende   veranderingen in het gedrag van deze  mensen zoals dat bijvoorbeeld iemand slechter   slaapt, of niet meer naar buiten gaat, of te  vaak naar de wc gaat. Bij allemaal van dit soort   dingen worden de betrokken  zorgverleners automatisch geïnformeerd. We hebben een brede collectie van algoritmes  ontwikkeld, die draaien allemaal in de cloud.   En die zijn zelflerend, adaptief, gebaseerd op  machine learning technieken. Wat ze doen?    Aan de ene kant herkennen ze continu automatisch de activiteiten van de bewoners.    Nadat wij het systeem installeren wordt   het systeem de eerste twee weken getraind zodat  het systeem het normale gedrag van de bewoners   leert. Daarna worden deze activiteiten  langdurig geobserveerd door onze   algoritmes. Die zijn getraind om een aantal zorgwekkende veranderingen in het gedrag van mensen   te detecteren. Mocht dat gebeuren dan stuurt ons systeem een notificatie naar de   betrokken zorgverlener. Deep  learning is om twee redenen minder geschikt. Punt één: Je moet ontzettend veel data  hebben. Dat is dus denk ik veel beter geschikt    voor meer beeld verwerkende sensoren. Wij  werken zonder camera's dus wij hebben geen   camerabeelden. Dat is één ding. Daarnaast, wat voor ons belangrijk is: Het moet natuurlijk   vrij betrouwbaar werken en ook een beetje  uitlegbaar zijn. Met deep learning is het vaak...   "De resultaten kunnen  minder voorspelbaar zijn", zo zal ik het zeggen. Wij hebben heel veel enthousiaste  gebruikers als je kijkt    aan de professionele kant, wat  bijna alle professionele gebruikers benoemen, is dat ze met Sensara veel beter  weten wat er speelt bij de cliënten zodat   ze op tijd gewoon de beste, de best passende zorg  kunnen leveren dat is heel erg belangrijk.   Dus dat voor het continu eigenlijk genoemd. Als  je kijkt naar de families, naar de mantelzorgers...   Zij geven bijna altijd aan, dat Sensara  hen rust geeft. Dat ze zich nu gewoon niet meer zo veel,  maar juist minder zorgen hoeven te maken  over hun dierbaren. Wat wij ook vaak   horen wanneer bijvoorbeeld Sensara bepaalde  noodsituaties weet te voorkomen dan horen   wij verhalen typische verhalen zijn bijvoorbeeld: "Mijn  moeder kan met dit systeem langer zelfstandig   thuis wonen." Verder bijvoorbeeld:  "Bij mijn moeder werden we geattendeerd   op een noodsituatie met het resultaat dat  wij echt op tijd konden ingrijpen   en daarmee het aantal gezonde blije levensjaren in  de eigen prettige omgeving konden vergroten..