Camerabewaking voor veiligere patiëntenzorg | Technisch Weekblad
Nieuws

Camerabewaking voor veiligere patiëntenzorg

Op een doorsnee ziekenhuisafdeling is geen continue monitoring van de patiënt aanwezig. Een verpleegkundige komt elke paar uur even kijken. Als er tussen die perioden in iets mis gaat, wie slaat dan alarm? ‘Van alle complicaties en onverwachte overlijdens in het ziekenhuis vindt 40% op een gewone verpleegafdeling plaats,’ zegt Sveta Zinger, hoofddocent electrical engineering van de Technische Universiteit Eindhoven.

Extensive Care

Zinger onderzoekt alternatieven voor de intensieve monitoring zoals die op een intensive care plaatsvindt. Daar houden zorgverleners hun patiënt 24 uur per dag in de gaten. Fysiek, met bijvoorbeeld electroden op de huid, monitort apparatuur continu vitale functies zoals hartslag en ademhaling. Dreigt er iets mis te gaan dan is meteen hulp ter plaatse. Zinger werkt aan een eenvoudiger systeem voor gebruik op de gewone afdeling dat op basis van camerabeelden de hartslag en ademhalingsfrequentie analyseert.

Bij elke hartslag stuurt het hart een puls met bloed door het lichaam. Zodra die puls de huid bereikt, zetten bloedvaatjes heel even uit, er passeert immers even wat meer bloed. Meer bloed zorgt voor een iets rodere kleur van de huid. Met het blote oog is dat niet zichtbaar, maar een gevoelige camera merkt dit ritmische kleurverschil wel op. Tegelijkertijd ziet de camera bewegingen van de romp en schouders en die zijn weer een maat voor de ademfrequentie.

Philips Vital Signs App 

Al in 2011 experimenteerde Philips met deze techniek op een IPhone. Hun Vital Signs App  was kortstondig een van ‘s werelds populairste gezondheidsapps. Zingers FORSEE project borduurt voort op deze techniek. ‘De analyse gaat heel goed, als je stil zit en met voldoende licht recht in de camera kijkt,’ zegt Zinger. ‘Maar, een patiënt ligt niet stil in zijn bed. Ook kan een stukje deken over het gezicht liggen of kan de patiënt even opstaan en helemaal uit beeld verdwijnen. Bovendien varieert de lichtsterkte gedurende de dag. Er zijn dus heel wat uitdagingen te overwinnen voordat de techniek van ons laboratorium naar de kliniek kan.’

De onderzoekers trainen hun beeldverwerkingsalgoritme met deep (machine) learning om het hoofd te volgen en voor analyse geschikte pixels op huid te herkennen, ook bij hele lage hoeveelheden licht, bijvoorbeeld ‘s nachts. 'Er is altijd wel licht aanwezig, bijvoorbeeld vanaf de gang of van ledjes op apparatuur. De analyse bij weinig licht lukt goed bij een lichte huid, maar is nog lastig bij een donkere huid.'

Praktijktest

Binnenkort starten de eerste onderzoeken op de intensive care van het Catharina Ziekenhuis in Eindhoven. De camera zal daarbij patiënten en gezonde vrijwilligers monitoren. 'We vergelijken de resultaten met die van de IC-apparatuur. In ons laboratorium zien we geen verschillen tussen deze metingen, we zijn benieuwd hoe dit in de praktijk uitpakt', zegt Zinger.

Om de privacy van de patiënt (er kijkt immers een camera mee) maakt Zinger zich geen zorgen. ‘We slaan geen camerabeelden op, ze blijven ook in de patiëntenkamer. Alleen de data over hartslag en ademfrequentie verlaten uiteindelijk de kamer.

Onderzoekers van Philips en de TU/e werken aan meer toepassingen voor cameramonitoring, maar daarvoor moet het systeem eerst leren beter betekenis aan beelden te geven. In theorie kan een camera zien of iemand uit bed valt. Zinger over haar ervaring met deze analyse. ‘Bij een test sloeg het systeem alarm toen een proefpersoon naast het bed lag en vervolgens nog eens omdat een verpleegkundige naast de persoon op de grond zat.” Andere toepassingen zijn er in het slaaponderzoek waarbij de camera de vele electroden vervangt en bij de monitoring van te vroeg geboren baby’s en mensen met brandwonden. Hun huid is immers zeer kwetsbaar en pijnlijk en beschadigt makkelijk door het plakken van electroden.

In theorie is cameramonitoring een mooie techniek, maar Zinger waarschuwt: ‘In het verleden strandden heel wat projecten omdat een patiënt zich niet zoals een proefpersoon in het laboratorium gedraagt. Met deep learning proberen we de kloof tussen laboratorium en praktijk te overbruggen zodat we met ons onderzoek meer bereiken dan alleen maar bouwen aan onze publicatielijst.’

Ontvang de nieuwsbrief

Meld je nu aan!

Gratis proefabonnement TW

Bestel nu 2 gratis proefnummers TW