Lo stress cronico rappresenta una delle sfide più impellenti per la salute pubblica, date le conseguenze dirette su qualità della vita, produttività e, se non gestito, può evolvere in forme croniche favorendo l’insorgenza di patologie come depressione, insonnia, disturbi metabolici e malattie cardiovascolari, con ricadute significative anche sui costi sanitari e sul benessere sociale.
Le metodologie di valutazione tradizionali, basate su questionari soggettivi, sono spesso inaffidabili, discontinue e inadatte a un monitoraggio continuo e integrato nei percorsi di prevenzione e cura.
Il progetto “Rilevamento dello stress umano con dispositivi indossabili” risponde alla crescente necessità di sviluppare strumenti affidabili e non invasivi per il rilevamento dello stress, introducendo un approccio alternativo, oggettivo e non invasivo che sfrutta il potenziale dei wearable devices e dell’Intelligenza Artificiale, posizionandosi all’avanguardia nel settore della Digital Health.
La soluzione: trasformare i segnali fisiologici in immagini
Il progetto, coordinato dallo Spoke 6 di Vitality – di cui l’Università degli Studi di Camerino è Spoke leader – affronta il problema del riconoscimento dello stress come un task di image classification, favorendo un’innovazione concreta nel settore della sanità digitale.
- Raccolta dati continuativa: vengono utilizzati i segnali fisiologici (come frequenza cardiaca, respirazione e temperatura corporea) acquisiti dai comuni dispositivi indossabili.
- Codifica: I dati acquisiti vengono convertiti in immagini digitali attraverso tecniche di codifica come Gramian Angular Field, Markov Transition Field e Recurrence Plot.
- Analisi con deep learning: Queste rappresentazioni grafiche sono analizzate da modelli di deep learning consolidati, come ResNet e VGG (modelli di reti neurali profonde) per identificare in modo automatico e oggettivo lo stato di stress.
I Partner strategici: una rete pubblico-privata per l’innovazione
Il successo del progetto è il risultato di una sinergia strategica tra diverse entità, unendo l’eccellenza della ricerca accademica e la capacità di innovazione del settore privato. Tra i soggetti pubblici: Università e centri di ricerca nel campo dell’Intelligenza Artificiale, machine learning e sanità digitale e Enti territoriali interessati a soluzioni per il benessere e la prevenzione. Tra i soggetti privati: aziende ICT impegnate nello sviluppo di dispositivi wearable e soluzioni e-health, Start-up innovative nel settore della digital health e imprese attive nella sensoristica e nell’analisi dei dati biometrici.
Risultati
Il progetto ha sviluppato e validato un prototipo di sistema capace di rilevare automaticamente lo stress. Gli esperimenti sul dataset pubblico WESAD hanno evidenziato un’accuratezza di classificazione superiore al 90% e un F1-score competitivo rispetto ad approcci presenti in letteratura. Inoltre, l’analisi comparativa ha mostrato come la scelta del metodo di codifica e della risoluzione delle immagini influisca in modo significativo sulle prestazioni. Questo conferma la solidità dell’approccio e ne dimostra il potenziale per applicazioni reali.
L’impatto sul territorio
L’impatto del progetto sul territorio si manifesta sotto diversi aspetti.
- Ambito sanitario e sociale: il progetto mette a disposizione strumenti di prevenzione non invasivi che permettono di monitorare lo stress in modo continuo e oggettivo, offrendo un supporto concreto ai professionisti della salute e contribuendo a ridurre i rischi legati alle forme croniche.
- Ambito economico: il progetto contribuisce a contenere i costi sanitari connessi alle patologie da stress e stimola la nascita di nuove soluzioni tecnologiche nel settore della digital health, favorendo lo sviluppo di un ecosistema innovativo di imprese e start-up.
- Ambito tecnologico: il progetto promuove l’integrazione tra dispositivi wearable e sistemi di intelligenza artificiale, incoraggiando la diffusione di applicazioni avanzate e lo sviluppo di nuove competenze digitali nel territorio.
Verso un monitoraggio dello stress continuo e non invasivo
Grazie all’integrazione tra i dispositivi wearable di uso quotidiano e le tecniche di Deep Learning, il progetto “Rilevamento dello stress umano con dispositivi indossabili” segna un passo decisivo nell’ambito della digital health, dimostrando che lo stress può essere riconosciuto in modo oggettivo, continuo e non invasivo.
Immagine fornita dallo Spoke 6 Unicam
