Conforme a las estipulaciones del Programa de Innovación y Talento Plus (PIT+), Decreto 169/2022, de 30 de diciembre, por el que se aprueba la primera convocatoria de subvenciones destinadas a la financiación de contratación de personal investigador, proyecto PIT+, queremos anunciar la contratación de dos nuevos investigadores en la familia de Ilke Benson.
Esta convocatoria está financiada con un porcentaje del 85% con cargo al Programa Extremadura FSE + 2021-2027, dentro de la prioridad 5 “P5 Empleo juvenil”, Objetivo específico “ a) mejorar el acceso al empleo y a medidas de activación de todos los demandantes de empleo, y en particular de las personas jóvenes, especialmente a través de la aplicación de la Garantía Juvenil, de los desempleados de larga duración y los grupos desfavorecidos en el mercado laboral, y de las personas inactivas, así como mediante la promoción del empleo por cuenta propia y la economía social”, medida 5.A.04 “Formación en alternancia con el empleo”. Se trata de una acción subvencionada por la Junta de Extremadura, Consejería competente en materia de empleo-Servicio Extremeño Público de Empleo-, conforme a lo establecido en el Decreto 7/2002, de 29 de Enero.
Dentro del Proyecto PDaruma, estas dos contrataciones se engloban en el marco PIT`+ como "APLICACIÓN DE TÉCNICAS DE MACHINE LEARNING PARA MEJORA DEL MODELO PREVENTIVO DE CAÍDAS EN PERSONAS MAYORES (PURPLE DARUMA) Y DESARROLLO DEL PANEL DE CONTROL SAAS DE SUPERVISIÓN DEL MODELO Y SENSORES", con Expediente número 06/ITP/008/23.
El proyecto Purple Daruma (PDaruma) tiene como objetivo la elaboración de un sistema de supervisión remota de actividad y estados físicos de pacientes mayores con aviso previo a una caída.
El proyecto consta de dos partes diferenciadas:
Desarrollo del Panel de Control (Dashboard) para el control de datos, gráficas, ubicación, acceso, etc. para los usuarios pacientes, familiares (al tratarse de personas mayores) o personal espcializado (médicos, fisioterapeutas, personal laboral auxiliar médico, etc.).
Se pretende poner en valor la cantidad de datos adquirida de cada paciente para mostrar, de forma visual, datos estadísticos, calculados, previsiones, en tiempo real, etc. de cada sensor (o de un conjunto de los mismos). Al tratarse de un acceso por diferente tipología de usuario, se pretende realizar un desarrollo SaaS (Software as a Service) para disponer de dicho dashboard en cualquier momento (y de forma responsive para adaptarse a visualizaciones en dispositivos móviles o tablets).
Debido a que la cantidad de datos a procesar son enormes, se pretende realizar un pre-procesado de los mismos para disponer de agregados por cada paciente (ofreciendo la posibilidad de disponer de datos de binarios almacenados en ocasiones excepcionales).
También se pretende disponer de un sistema de aviso, en tiempo real, al familiar del paciente en caso de necesitarse (ya sean avisos generados manualmente o automatizados). Estos avisos se efectuarán vía API de Whatsapp o email. También dispondrá de un sistema de ubicación en tiempo real y un sistema de descarga de trayecto del paciente.
Las gráficas se mostrarán en rangos de tiempo o en tiempo real, pudiendo acceder a las mismas en función del perfil (la aplicación deberá gestionar perfiles de usuario y permisos de los mismos).
Por otro lado, dado que el proyecto ya lleva un tiempo recabando datos de sensores en pacientes (y de testeo) se pretende implementar y mejorar un modelo de machine learning viable para la prevención de caídas en ancianos y personas con movilidad reducida en base a estos datos de cada paciente. Por ello, las tareas a desarrollar serían:
Determinación de los límites para la clasificación automática de los datos de entrada en Base de Datos (teniendo en cuenta la significación estadística determinada)
Elección del modelo algorítmico de machine learning en función de la metodología usada (aprendizaje supervisado). Aplicación de las técnicas disponibles para un primer diseño del modelo.
Entrenamiento del modelo de machine learning diseñado (con el sesgo destinado al aprendizaje: 80%)
Análisis de Errores. Evaluación del modelo diseñado a través del método de evaluación cruzada, k-fold con y sin repeticiones (con el sesgo usado para la evaluación del modelo: 20%).
Implementación del modelo seleccionado para su aplicación en producción y puesta en funcionamiento.
Los OBJETIVOS que se esperan para el proyecto, con el programa PIT+ serían:
Conseguir un panel de control que informe, según el perfil, de los datos del paciente (o de los pacientes) en tiempo real o en rangos de tiempo supervisados.
Obtener un modelo viable para la prevención de caídas en personas mayores y puesta en marcha del proyecto con la implementación de dicho modelo.
Como objetivo secundario se destaca la acción del big data en este proyecto dado que los datos recabados podrán usarse para futuros estudios médicos con machine learning en personas mayores.