Il monitoraggio continuo del comportamento di un soggetto all'interno di una smart-home sensorizzata è uno strumento che i medici possono utilizzare per ottenere importanti indicatori per la diagnosi precoce di alcune patologie, tra le quali il decadimento cognitivo. I sensori installati nell'ambiente domestico, insieme a sensori indossabili (ad esempio smartwatch/wristband), possono infatti fornire informazioni utili riguardanti le attività e le abitudini del soggetto monitorato. Una variazione significativa del comportamento può essere un importante indicatore di un peggioramento dello stato di salute (ad esempio, degrado delle funzionalità cognitive).

All'interno di progettualità del PNRR, il laboratorio EveryWare Lab (in collaborazione con neurologi del Policlinico di Milano) sta conducendo un grosso studio (progetto SERENADE) che prevede un sistema di sensori all'interno di abitazioni di diverse persone affette da decadimento cognitivo, al fine di valutare su un lungo periodo eventuali cambi comportamentali che possono essere sintomi di peggioramento della condizione. Stiamo raccogliendo una grossa quantità di dati in smart-home che vengono periodicamente trasferiti su una piattaforma di telemedicina, per essere poi pseudoanonimizzati al fine di effettuare le analisi dei dati proteggendo la privacy dei soggetti monitorati.

Tesi triennali o magistrali.

Possibili tematiche:

  • Rilevamento di cambiamenti comportamentali sul sonno, analizzando dati collezionati da un materassino smart, da correlare con altri sensori domotici per il rilevamento di risvegli notturni. 
  • Rilevamento di cambiamenti comportamentali sugli spostamenti outdoor dei soggetti, sfruttando i dati collezionati dallo smartphone tramite Google Locations API.
  • Rilevamento di cambiamenti comportamentali nelle attività di preparazione e consumo pasti, sfruttando i dati da sensori ambientali installati in cucina e in altre stanze.
  • Studio e implementazione di un avatar (tramite AI generativa) per un assistente convesazionale installato in casa.
  • Studio di problematiche di privacy dei dati provenienti da monitoraggio remoto domestico e implementazione di moduli software per mitigarli nell’ambito di una architettura software basata su cloud computing.

Tesi magistrali.

Possibili tematiche:

  • Progettazione e sviluppo di algoritmi per il rilevamento di cambiamenti comportamentali che possano essere correlati con declino cognitivo. Questa tesi prevede di lavorare con i dati provenienti da varie dimensioni (es., sonno, mobilità, nutrizione, test cognitivi) per derivare un framework (explainable) per il supporto alla diagnosi dei clinici.
  • Utilizzo di Large Language Models (LLMs) per il riconoscimento automatico di attività umane dai dati collezionati alle abitazioni. 
  • Progettazione e sviluppo di un sistema multi-agente LLM per fornire ai clinici una interfaccia in linguaggio naturale per poter ottenere insight dai dati collezionati dalle abitazioni.