Radar e AI: la Rivoluzione per Misurare i Neonati Senza Nemmeno Toccarli!

Ciao a tutti! Oggi voglio parlarvi di una cosa che mi sta davvero a cuore e che, credetemi, potrebbe cambiare radicalmente il modo in cui ci prendiamo cura dei più piccoli, specialmente quelli appena nati. Immaginate la scena: un neonato, magari in terapia intensiva, che ha bisogno di essere monitorato costantemente. Altezza e peso sono parametri fondamentali, ci dicono se sta crescendo bene, se ha bisogno di più nutrimento, se le terapie stanno funzionando. Ma come si fa di solito? Metro, bilancia… procedure che, per quanto necessarie, possono essere stressanti per il bimbo, difficili per il personale e, diciamocelo, comportano sempre un minimo rischio di infezione, soprattutto per i più fragili.

Un Problema Serio da Risolvere

Non è solo una questione di fastidio. Pensate ai neonati critici, quelli che non possono essere spostati facilmente, o quelli che hanno già tubicini e cateteri. Misurarli con i metodi tradizionali diventa un incubo, e l’accuratezza può risentirne. E se vi dicessi che spesso i piccoli stanno rannicchiati, con braccia e gambe flesse? Provate voi a misurare l’altezza precisa in quelle condizioni! Serve qualcosa di diverso, qualcosa che sia conveniente, sicuro e preciso.

Negli ultimi anni, la ricerca si è data da fare per trovare soluzioni “contactless”, cioè senza contatto. Abbiamo visto tentativi con immagini e video, sensori 3D a luce strutturata, ultrasuoni. Alcuni di noi, in passato, hanno anche esplorato l’uso di radar a banda ultralarga (IR-UWB) per misurare gli adulti, con buoni risultati. Ma c’erano dei “ma”: spesso servivano più sensori, i soggetti dovevano stare immobili (impossibile con un neonato!), e poi c’è sempre la questione della privacy quando si usano telecamere.

La Nostra Idea: Un Radar Speciale e un Cervello Artificiale

Ed è qui che entra in gioco la nostra proposta, qualcosa che, a quanto ne sappiamo, è una prima assoluta: usare un singolo sensore radar a onda continua modulata in frequenza (FMCW) abbinato a una rete neurale convoluzionale (CNN), un tipo di intelligenza artificiale bravissima a riconoscere pattern nelle immagini. L’obiettivo? Misurare altezza e peso dei neonati in modo semplice, non invasivo e rispettando la loro privacy. E, perché no, pensare a un sistema che un giorno possa essere usato anche a casa per un monitoraggio continuo.

Ma come funziona ‘sto marchingegno? Ve lo spiego in modo semplice. Il radar FMCW, posizionato a circa 40 cm dal piccolo e leggermente inclinato, emette segnali innocui. Questi segnali “rimbalzano” sul corpicino del neonato e tornano indietro. Elaborando questi segnali di ritorno, riusciamo a costruire una specie di “mappa” 2D che ci dice la distanza e l’angolo del bambino rispetto al radar. Fin qui, tutto bene. Ma i neonati si muovono, giusto? E noi vogliamo sfruttare proprio questi movimenti!

Analizzando queste mappe in sequenza (noi abbiamo usato intervalli di 30 secondi), creiamo delle “heatmap” di movimento. Immaginatele come delle immagini colorate dove le zone più “calde” (gialle, nel nostro caso) indicano dove c’è stato più movimento. Queste heatmap diventano l’input per la nostra intelligenza artificiale.

L’Intelligenza Artificiale al Lavoro (e come scarta le “foto mosse”)

Ora, non tutte le heatmap sono uguali. Se il neonato si agita troppo, l’immagine che ne risulta è confusa, “sparpagliata”, e non rappresenta bene la forma del corpo. Dare in pasto queste immagini “brutte” all’AI sarebbe controproducente. Quindi, abbiamo usato un’altra astuzia matematica, il K-means clustering. In pratica, questo algoritmo ci aiuta a identificare e scartare le heatmap generate durante movimenti eccessivi, assicurandoci che l’AI impari solo da immagini “buone”, quelle che rappresentano chiaramente il piccolo.

Abbiamo costruito due modelli di machine learning separati: uno per stimare l’altezza e uno per il peso. Per farvi capire, l’AI “guarda” queste heatmap e, dopo essere stata addestrata con tanti esempi, impara a correlare le caratteristiche di queste immagini con le misure reali di altezza e peso.

I Risultati sul Campo: Promettenti!

Abbiamo condotto il nostro studio su 15 neonati ricoverati nella terapia intensiva neonatale dell’Ospedale Universitario di Hanyang (ovviamente con il consenso informato dei genitori e l’approvazione del comitato etico). Li abbiamo divisi in due gruppi. Il primo, di 10 neonati, è servito per addestrare e testare il modello. Il secondo, di 5 neonati, è stato usato solo per validare il modello già addestrato, per vedere se “generalizzava” bene su dati nuovi.

E i risultati? Davvero incoraggianti! Per il primo gruppo, l’errore medio assoluto (MAE) per l’altezza è stato di 1.34 cm e per il peso di 0.23 kg. Per il secondo gruppo (quello di validazione), i valori sono stati simili: MAE di 1.51 cm per l’altezza e 0.20 kg per il peso. In generale, gli errori medi si sono mantenuti entro il 10% dei valori reali, e i coefficienti di correlazione intraclasse (ICC), che misurano l’accordo tra le nostre stime e le misure reali, erano alti, indicando una buona affidabilità. Abbiamo anche usato i grafici di Bland-Altman, che ci hanno confermato visivamente questo buon accordo.

Abbiamo confrontato il nostro modello CNN con altri modelli noti (ShuffleNet, ResNet, DenseNet, AlexNet). Il nostro si è difeso benissimo, ma soprattutto abbiamo puntato su un modello che fosse un buon compromesso tra accuratezza e leggerezza computazionale, pensando a un futuro utilizzo in tempo reale, magari anche a casa.

Perché Questa Tecnologia è Importante?

Ve lo dico papale papale: questa tecnologia ha il potenziale per essere una piccola grande rivoluzione. Pensateci:

• Meno stress per i neonati: niente più spostamenti o contatti fastidiosi.
• Riduzione del rischio di infezioni: cruciale, specialmente per i più vulnerabili.
• Privacy garantita: il radar non “vede” come una telecamera, ma percepisce forme e movimenti.
• Misure più pratiche e veloci: un aiuto enorme per il personale sanitario.
• Monitoraggio continuo: immaginate di poter seguire la crescita del bambino giorno dopo giorno, anche a casa, identificando precocemente eventuali anomalie. Questo è particolarmente vero se pensiamo che siamo più interessati ai trend di crescita a lungo termine che alla precisione assoluta della singola misurazione, che può variare per fattori temporanei come l’idratazione.

Rispetto a studi precedenti, usare un singolo radar FMCW semplifica il setup, riduce i costi e migliora l’efficienza. Inoltre, la capacità di questo radar di rilevare l’angolo permette una detezione del movimento più accurata, ottima per generare le nostre heatmap.

Certo, Ci Sono Ancora Sfide (Ma Siamo Fiduciosi!)

Siamo onesti, ogni ricerca ha i suoi limiti. Uno dei nostri è la scelta della soglia per definire un movimento “eccessivo”; potrebbe aver bisogno di aggiustamenti in contesti diversi. Poi, il numero di neonati coinvolti era piccolo. Anche se abbiamo ridotto il tempo di misurazione a 15 minuti, c’è comunque un tempo di pre-elaborazione dei dati per l’AI. E sì, le tecniche di elaborazione del segnale che usiamo sono consolidate, non rivoluzionarie in sé, ma la loro applicazione in questo contesto neonatale, dove muovere i piccoli è un rischio, è ciò che per noi ha un grande significato clinico. Misurare neonati con movimenti molto vigorosi resta una sfida.

Ma ogni sfida è uno stimolo a migliorare! La ricerca futura si concentrerà sull’ottimizzare queste tecniche, magari con soglie adattive, e ovviamente sull’allargare gli studi a più bambini. Pensiamo anche all’integrazione con l’Internet of Things (IoT) per un monitoraggio davvero smart e connesso.

Insomma, ragazzi, la strada è tracciata. Usare un radar e l’intelligenza artificiale per misurare i nostri cuccioli d’uomo senza disturbarli non è fantascienza, ma una possibilità concreta che stiamo esplorando con entusiasmo. E i primi risultati ci dicono che siamo sulla strada giusta per offrire uno strumento in più per la salute e il benessere dei neonati. E questo, per me, è già un successo enorme!

Fonte: Springer