Britse onderzoekers werken aan een nieuwe manier om een urineweginfectie te herkennen met behulp van kunstmatige intelligentie en robots. Wetenschappers van de Universiteit van Edinburgh en Heriot-Watt University werken hier samen met het Schotse National Robotarium en twee Schotse verpleeghuisaanbieders in het samenwerkingsproject FEATHER. Het samenwerkingsproject ontving onlangs ongeveer $ 1,3 miljoen aan Britse overheidssubsidies.
Katheters in verpleeghuizen
Een urineweginfectie zoals een blaasontsteking is één van de meest voorkomende aandoeningen in de huisartsenpraktijk. In verpleeghuizen is het zelfs de meest voorkomende infectie. Deze, vaak hardnekkige infectie, treft wereldwijd jaarlijks 150 miljoen mensen. Bij een vroege diagnose kan het worden behandeld met antibiotica. Indien onbehandeld, kunnen urineweginfecties leiden tot sepsis, nierbeschadiging en zelfs de dood.
In verpleeghuizen zijn urineweginfecties, mede door het vele gebruik van katheters, zelfs de meest voorkomende infecties. Veel bewoners merken daar echter een tijd niks van of melden zich niet. Tevens is een urineweginfectie ook voor zorgmedewerkers vaak lastig te herkennen. Helaas kan een late signalering grote gevolgen hebben voor de kwetsbare bewoners.
Vroegsignalering urineweginfectie
Daarom gaan de Britse onderzoekers sensoren en sociaal ondersteunende robots plaatsen bij mensen die zorgcentra wonen. Op die manier hopen ze een urineweginfectie zo vroeg mogelijk te kunnen detecteren. De sensoren houden mogelijke tekenen van infecties in de gaten zoals veranderingen in loopfunctie of slaappatroon.
Als het AI-aangedreven platform van het programma dergelijke signalen detecteert, interacteert het met de sociale robot. Vervolgens krijg een arts een signaal waarna hij of zij onderzoek zal doen. Het gaat hier dus om een unieke hightech benadering van een al lang voorkomend en hardnekkig probleem.
Interactief dataplatform
Gedurende het project zullen voortdurend gegevens worden verzameld over de dagelijkse activiteiten van individuen in hun huis. Dit gebeurt met sensoren die kunnen helpen bij het opsporen van veranderingen in gedrag of activiteitenniveau en die eventueel de robot activeren.
Het FEATHER-platform combineert en analyseert deze datapunten om mogelijke tekenen van infectie te signaleren al voordat een persoon of verzorger weet dat er een probleem is. Gedragsveranderingen kunnen bestaan uit het gebruik van een waterkoker, verandering in looptempo, cognitieve functie door interactie met een sociaal ondersteunende robot of een verandering in slaappatroon.
Vroege detectie urineweginfectie
De AI- en implementatieaspecten van het project worden geleid door professor Kia Nazarpour, dr. Nigel Goddard en dr. Lynda Webb van de Universiteit van Edinburgh. De Human Robot Interaction-aspecten worden geleid door professor Lynne Baillie, bijgestaan door Dr. Mauro Dragone van de Heriot-Watt University.
Professor Kia Nazarpour, projectleider en hoogleraar Digital Health aan de School of Informatics, University of Edinburgh vertelt op de website van The National Robatorium: “Dit unieke dataplatform zal individuen, verzorgers en clinici helpen om de tekenen van mogelijke urineweginfecties veel eerder te herkennen de onderzoeken en medische tests die nodig zijn. Eerdere detectie maakt tijdige behandeling mogelijk, verbetert de resultaten voor patiënten, vermindert het aantal mensen dat zich op de spoedeisende hulp presenteert en verlaagt de kosten.”
