Analyze-Me
Analyze-Me: strumenti software per l’elaborazione dei segnali fisiologici di pazienti con autismo non verbale
Fase 3
Tipo di progetto: Studio di fattibilità
Disabilità interessate: Autismo e Disturbi Pervasivi dello Sviluppo, Disabilità mentale, Disabilità multipla
Temi: Vita autodeterminata, Prestazioni e comunicazione, Sanità, Relazioni interpersonali
Stato: In corso
Sviluppo di un software per il rilevamento e la visualizzazione di segnali fisiologici legati a fattori di stress in pazienti con una forma non verbale di autismo.
I pazienti con una forma di autismo non verbale non sono in grado di comunicare con gli altri e sono a rischio di sviluppare comportamenti difficili (auto-aggressione, etero-aggressione, urla, distruzione, instabilità motoria). Alcuni di questi comportamenti possono essere pericolosi non solo per il paziente ma anche per chi lo assiste. Quando si verificano le crisi, è fondamentale individuarle in modo da poter intervenire in modo adeguato per modificare le condizioni ambientali e mitigarne le conseguenze. Poiché la comunicazione verbale è molto limitata, se non impossibile in alcuni casi, è difficile capire le ragioni di una crisi. È difficile stabilire se si tratti di un modo alternativo
di esprimere i bisogni della persona o se rifletta uno stato di coscienza o un’esperienza somatica, stress o dolore. Abbiamo già ricevuto il sostegno dell’Innovation Booster per la ricerca esplorativa e un prototipo. L’obiettivo del nostro progetto è sviluppare un software per rilevare e visualizzare l’attivazione del SNS, notoriamente correlata a dolore acuto/stress o comunicazione alternativa, analizzando i segnali fisiologici raccolti con il braccialetto Empatica E4. Questi segnali includono misure come l’attività elettrodermica (EDA), il volume del sangue pulsato (BVP), la temperatura e l’accelerazione 3D (ACC).
Come risultato del nostro precedente progetto, abbiamo sviluppato un’interfaccia grafica completa per l’elaborazione dei segnali fisiologici, che ci permette di estrarre oltre 100 caratteristiche diverse dai segnali BVP e EDA. Abbiamo anche ricevuto l’approvazione del comitato etico per la raccolta dei dati e abbiamo già iniziato a raccoglierli. Sulla base dei dati iniziali, siamo stati in grado di classificare gli eventi stressanti rispetto ai periodi di calma con un’accuratezza del 98% e di differenziare gli eventi stressanti dai tentativi di comunicazione non verbale (cosa difficile da realizzare per il personale non addestrato) con un’accuratezza del 97%.
