Machine learning draagt bij aan goede oude dag
Door het gedrag van ouderen met machine learning te analyseren, kan hun fysieke gezondheid beter gevolgd worden. Dat draagt bij aan een gezondere en actievere oude dag. Dat stelt Ahmed Nait Aicha in zijn promotieonderzoek, dat hij op donderdag 19 november verdedigt aan de Universiteit van Amsterdam
De data scientist toont aan dat met ‘ambient technology’ de functionele gezondheid van zelfstandig wonende ouderen prima is te meten, zonder al te dure woningaanpassingen. Dat is technologie die ingebouwd is in apparaten die we dagelijks gebruiken, zoals een smartphone, lampen met bewegingssensoren, en slimme thermostaten.
Hij ontwikkelde machine-learning-algoritmen voor het detecteren van bezoek, het continu meten van de loopsnelheid in huis en het voorspellen van vallen in de nabije toekomst. Om de algoritmen te voeden, gebruikte Nait Aicha sensordata die hij verzamelde in zogenoemde ‘slimme huizen’.
Steeds meer ouderen blijven zelfstandig wonen. Ze behouden daarbij hun sociale netwerken en autonomie. Om dat te bevorderen is functionele gezondheid cruciaal, dat wil zeggen: de mate waarin iemand activiteiten kan uitvoeren zonder beperkt te worden door pijn of letsel. Als iemands fysieke gesteldheid regelmatig wordt gemeten, is tijdige interventie mogelijk. Daardoor kunnen ouderen langer gezond en actief blijven.
