Descripción

Los teléfonos móviles actuales disponen de sensores de movimiento y de posicionamiento que pueden ofrecer nuevos servicios a la población de avanzada edad. El uso generalizado de estos terminales ofrece la posibilidad de aprovechar un dispositivo genérico para tareas de monitorización y activación de señales que habitualmente recaerían en dispositivos específicos. Un ejemplo de ello lo constituiría una aplicación para la detección de caídas en personas mayores. Existen en la literatura diversos algoritmos para la detección de caídas gracias al análisis de la señal producida por un acelerómetro. Sin embargo cotejados esos algoritmos con una base de datos de actividad real de personas que incluye caídas reales se ha observado que producen muchos falsos positivos, algo que en una aplicación en producción conduciría a una excesiva interacción con el usuario, lo que finalmente podría provocar la desactivación de la aplicación por parte del usuario.

En el proyecto se plantea desarrollar un prototipo de aplicación para dispositivos móviles que permita mejorar la detección de caídas a través de la incorporación de más información por parte de otros dispositivos tales como el posicionamiento por GPS y de un mayor nivel de aprendizaje automático que rebaje sustancialmente el número de falsos positivos habituales en los algoritmos de detección de caídas. La combinación de técnicas de aprendizaje supervisado offline con técnicas de aprendizaje por refuerzo o con técnicas de aprendizaje por patrones pueden mejorar la capacidad predictiva de una herramienta software como la descrita y con ello mejorar sustancialmente la satisfacción del usuario. La implementación de esta aplicación en un dispositivo de telefonía móvil permitiría aprovechar un dispositivo genérico de amplio uso sin la necesidad de adquirir otros dispositivos específicos así como la posibilidad de generar alarmas automáticas tanto a la red social del usuario como a servicios de emergencia.