Jan-Willem Dijkstra had helemaal niet gedacht dat zijn baan bij SAP hem in de wereld van rolstoelen zou brengen, maar het kan raar lopen. Hij kwam via een Internet of Things-ideeën-wedstrijd intern op het idee om iets met decubitus (doorliggen) te doen, omdat hij daar in zijn eigen omgeving veel over hoorde: “we hebben nogal wat medici in de familie en dan gaan gesprekken soms in aparte richtingen.”
De negatieve effecten van structureel in een rolstoel zitten – waaronder decubitus – kosten heel veel geld, zo’n 132 miljoen per jaar om precies te zijn. Reden genoeg om daar iets mee te doen. De problemen die een slechte zithouding in een rolstoel opleveren gaan echter veel verder. Achterover hangen in een rolstoel maakt de spieren op langere termijn slap, waardoor mensen bijna niets meer kunnen. Maar ook binnen één dag merk je al het verschil tussen goed (of slecht) zitten. Dat laatste kost veel energie die nuttiger besteed kan worden aan dingen als sociale interactie, zelfredzame activiteiten zoals jezelf aankleden of zelfs eten. Dat gaat dus serieus ten koste van de kwaliteit van leven op de lange termijn.
Om een goede methode te vinden om een slechte houding in een rolstoel tegen te gaan moest er eerst data verzameld worden. In samenwerking met een bevriende rolstoelenfabrikant en onderzoeksbureau LOCOmotion werd er zo een eerste opzet gemaakt voor een Smart Wheelchair. Daar zitten elf sensoren in, waaronder temperatuur-, druk- en hoeksensoren.
Fabrikant Life & Mobility vertelde daarover dat de opstelling die werd bedacht voor de test eigenlijk te ingewikkeld is gemaakt. Veel van de sensordata bleek uiteindelijk niet heel nuttig en dat is gek genoeg goed nieuws. Het betekent namelijk dat er een beduidend simpelere opzet gebruikt kan worden die toch alle relevante data kan uitlezen van degene die in de rolstoel zit. Life & Mobility voorziet met het gereduceerde aantal sensoren dat er een kostprijs te halen valt die het mogelijk maakt om dit in al hun toekomstige modellen te gaan implementeren dus dat is meer dan goed nieuws voor de mensen die worstelen met decubitus.
In het proces van de data-analyse bewijst een tool als Leonardo ook zijn nut, want je hebt echt algoritmes nodig om vanuit de enorme hoop data die zelfs bij zo’n relatief kleine studie (20 mensen, twee weken) gegenereerd wordt iets te maken. De 100.000en datapunten moeten namelijk wel op één of andere manier terug zijn te brengen naar leesbare statistieken en daar kan een algoritme prima voor zorgen. Het werkt in die zin andersom: je kunt als onderzoeker aangeven wat je als relevante uitkomsten wil zien en op basis daarvan kun je dan de data laten filteren door de AI. Voor de duidelijkheid: de data wordt niet aangepast, alleen geordend zodat je er brood van kunt bakken.
De uitkomsten waren met dat systeem erbij redelijk snel duidelijk: er wordt veel slecht gezeten. Met die kennis kun je dan op verschillende manieren gaan kijken wat dat kan opleveren. Aan de ene kant kan er in de zorg veel geld bespaard worden doordat mensen een betere zithouding krijgen, maar dat betekent natuurlijk wel dat de slimme rolstoelen van straks ook een manier moeten hebben om hun passagiers te laten weten dat ze beter anders kunnen zitten. Ook daar zit een businessmodel in, want dit probleem speelt natuurlijk niet alleen maar bij mensen in een rolstoel.
Nadat het onderzoek en de uitkomsten van het onderzoek bij de rolstoelen werd gedeeld door SAP meldden zich eigenlijk ook meteen vervoersbedrijven en andere partijen, zo zegt Dijkstra. Die zagen wel iets in een methode om bijvoorbeeld chauffeurs in een betere houding te krijgen, met directe feedback van hun stoel. Het laat maar zien dat een simpel idee met de juiste data-analyse er achter heel ver kan komen, in dit geval letterlijk.
Meer weten over hoe data-analyse wordt gedaan met behulp van SAP Leonardo? Bekijk deze pagina voor meer informatie. Of wil je meer weten over de Smart Wheelchair? Bekijk dan deze video voor meer informatie.
[Afbeeldingen © Life&Mobility/SAP]
