Apollo: um modelo para predição de acidentes por causas externas em ambientes inteligentes

• Ano de defesa: 2022
• Autor(a) principal: Tavares, João Elison da Rosa
• Orientador(a): Barbosa, Jorge Luis Victória
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade do Vale do Rio dos Sinos
• Programa de Pós-Graduação: Programa de Pós-Graduação em Computação Aplicada
• Departamento: Escola Politécnica
• País: Brasil
• Palavras-chave em Português: Computação ubíqua; Cuidados ubíquos; Ambientes inteligentes; Robótica ubíqua; Causas externas acidentais; Riscos à saúde
• Palavras-chave em Inglês: Ubiquitous computing; Ubiquitous healthcare; Smart environments; Ubiquitous robotics; Unintentional external causes; Health risks
• Área do conhecimento CNPq: ACCNPQ::Ciências Exatas e da Terra::Ciência da Computação
• Link de acesso: http://www.repositorio.jesuita.org.br/handle/UNISINOS/11258

Segundo dados da Organização Mundial da Saúde (OMS), em torno de 8% do total das mortes no mundo, aproximadamente 5 milhões/ano, são resultantes de causas externas. Estas causas podem ser intencionais, tais como homicídio com arma de fogo, ou não intencionais, sendo os acidentes domésticos como queda ou choque elétrico, os mais frequentes. Estes acidentes afetam principalmente as Pessoas com Autonomia Reduzida (PAR), como, por exemplo, idosos, crianças e Pessoas com Deficiência (PCD). Embora os protocolos e padrões da área médica tenham evoluído de modo a auxiliar no diagnóstico e mapeamento destes acidentes, observam-se ainda lacunas no suporte efetivo a prevenção destes incidentes de saúde. Pela perspectiva tecnológica, o desenvolvimento acelerado das últimas décadas vem proporcionando a aplicação da Internet das Coisas (Internet of Things, IoT), o uso de wearables e o desenvolvimento de ambientes inteligentes que contribuem para o monitoramento das atividades das pessoas, identificação de padrões ou detecção de acidentes, tais como quedas. Entretanto, embora a detecção de eventos possa colaborar para agilizar o atendimento médico e minimizar as consequências de um trauma, esta abordagem segue um modelo reativo pós-trauma. Em contrapartida, esta tese apresenta o modelo Apollo, que realiza a predição de acidentes baseando-se em históricos de contextos das PAR em ambientes inteligentes. O Apollo contribui cientificamente para a prevenção de incidentes por causas externas a partir da identificação de riscos e predição de acidentes, aplicando a abordagem dos cuidados ubíquos em ambientes inteligentes, contando ainda com o suporte de robôs de serviço. O modelo Apollo emprega algoritmos de aprendizado de máquina supervisionados para a detecção e classificação de riscos, em base aos históricos de contextos das PAR. Além disso, utiliza o modelo Hidden Markov Model (HMM) para a predição de acidentes. Complementarmente, a ontologia ApolloOnto foi projetada para formalizar o domínio da aplicação e estruturar os contextos processados. O Apollo Simulator foi implementado para a geração de datasets sintéticos que viabilizaram os experimentos. Para a avaliação da acurácia do Apollo foram modelados 15 cenários baseados em heurísticas e validados por 5 especialistas. Os cenários avaliados consideraram a predição de quedas de idosos, queimadura de surdos, choque elétrico e afogamento de crianças. A detecção de riscos atingiu F1-score médio de 97,9 %, enquanto a predição de acidentes obteve acurácia media de 100 %. Os resultados indicam a viabilidade e a efetividade do Apollo no suporte a predição de acidentes.