Un team di scienziati dell’Università della California ha sviluppato un nuovo sistema di navigazione, con un algoritmo che permetterà ai robot di comprendere i contesti clinici e riconoscere le emergenze in ospedale. 
L’intelligenza artificiale entra in ospedale con SafeDQN, il sistema di navigazione con un algoritmo che insegna ai robot a riconoscere le emergenze mediche.
Un team di ricerca di San Diego ha rivelato i risultati del proprio studio in un comunicato stampa, e si prepara a presentarli all’ICRA 2021, la Conferenza Internazionale di Robotica ed Automazione che si terrà dal 30 Maggio al 5 Giugno a Xi’an, in Cina.
Il progetto è nato dall’addestramento dell’algoritmo al riconoscimento dei contesti clinici, e da un lungo confronto con il personale medico. L’accordo unanime è stato che i robot possono aiutare medici, infermieri e lo staff ospedaliero soprattutto nel pronto soccorso, riconoscendo le necessità più urgenti e consegnando strumenti e forniture mediche.
Tuttavia, ciò significa che è altrettanto importante che le intelligenze artificiali siano in grado di capire quando evitare le situazioni in cui il personale è impegnato a trattare un paziente in condizioni gravi o critiche.
LEGGI ANCHE >>> Axa, attacco ransomware gigante dopo il rifiuto di pagare il riscatto
SafeDQN, come il robot impara a riconoscere le emergenze
Sulla base di questa necessità, il sistema di navigazione Safety Critical Deep Q-Network (SafeDQN) è stato costruito con il supporto di un algoritmo che riconosce quante persone si trovano in un determinato spazio e quanto velocemente si muovono.
Quando la condizione di un paziente peggiora, il personale medico lo raggiunge immediatamente per rispondere all’emergenza: SafeDQN è in grado di riconoscere i gruppi di persone sulla base dei loro movimenti nel pronto soccorso, e dirige il movimento dei robot lontano da medici ed infermieri, evitando così di intralciare il loro lavoro ed assumere un comportamento adeguato alla situazione.
L’apprendimento è avvenuto tramite lunghe osservazioni del comportamento del personale sanitario nel pronto soccorso, e con l’ausilio di oltre 700 clip di documentari e reality show statunitensi, come Trauma: Life in the E.R di TLC, e Boston EMS della ABC. I video sono stati successivamente raccolti in un dataset open source e messi a disposizione per la ricerca.
A confronto con altri sistemi di navigazione in varie simulazioni di contesti clinici, il sistema SafeDQN ha generato il percorso d’azione più efficiente e sicuro in tutti i casi.
POTREBBE INTERESSARTI >>> Clubhouse per Android, parte il conto alla rovescia per il debutto ufficiale
Il team si sta preparando per i test finali, in collaborazione con il centro per la simulazione medica dell’Università della California. Se l’algoritmo dimostrerà la propria efficacia in contesti più realistici, costituirà un importante aiuto non solo in ospedale, ma anche nelle operazioni di salvataggio.