AGE-WELL Strategic Impact Program – January 2016 Results
WP2.5 S1 – PCOACH: Wearable Caregiver Posture Coaching Feedback System
Dr. Tilak Dutta, Toronto Rehab Institute – University Health Network
Low back injuries account for the majority of injuries sustained by caregivers due to transferring from bed to toilet, patient lifting, and bathing. Family caregivers are often thrust into their new roles with no guidance on how to approach these high-risk tasks. We have developed a wearable system that provides real-time feedback to warn caregivers when they bend or twist too far. We call the device PostureCoach.
WP3.4 S1 – NAVIGATE: Collision Avoidance and Feedback System
Drs. Cynthia Goh and Pooja Viswanthan, University of Toronto
Powered mobility devices pose a safety risk. In fact, 20% of users report at least one major collision within a year. These safety issues often mean that older adults with dementia are excluded from using powered wheelchairs due to visuo-perceptual difficulties. Loss of mobility can in turn lead to depression and an increased reliance on caregivers. Our goal is to commercialize a novel collision avoidance and feedback system for powered wheelchairs. This can improve quality of life for people currently excluded from using powered wheelchairs by increasing safety and independent mobility. Our navigation-assistance system is an ‘after-market’ product that can be installed on commercial powered wheelchairs.
WP6.4 – SPEECH-ASSESS: WinterLight Labs: Cognitive Assessment through Speech
Dr. Frank Rudzicz, Toronto Rehab Institute – University of Toronto
Alzheimer’s disease (AD) is the most common cause of dementia and affects 44 million people worldwide. These numbers are predicted to triple by 2050. There is a pressing need for a simple, accessible, and efficient system for detecting and monitoring AD. This would improve the lives of people living with Alzheimer’s, accelerate clinical trials, and reduce individual and societal costs. Our team has developed a fully-automated assessment that uses natural language and machine learning to detect cognitive impairment. The software analyzes hundreds of variables in speech and language collected in free-form picture description.
Programme d’impact stratégique d’AGE-WELL: Janvier 2016 – Projets financés
WP2.5 S1 – Système portable d’enseignement de la posture aux soignants
Docteur Tilak Dutta, Toronto Rehabilitation Institute, Réseau universitaire de santé
La majorité des blessures chez les soignants surviennent au bas du dos, à force de transporter un patient entre son lit et la toilette, de le lever et de lui donner son bain. C’est souvent sans réserve que l’on confie de nouveaux rôles aux proches aidants, sans leur apprendre à exécuter certaines tâches dont le risque est pourtant élevé. Or notre équipe a conçu un système portable réactif en temps réel pour avertir les soignants si leurs mouvements sont trop accentués quand ils se plient ou se tournent, par exemple. Nous l’appelons PostureCoach ou coach de la posture.
WP3.4 S1 – Système réactif d’évitement des collisions
Docteures Cynthia Goh et Pooja Viswanthan, Université de Toronto
Les fauteuils roulants électriques ne sont pas sans risque pour la sécurité. En effet, 20 % des utilisateurs rapportent faire au moins une collision importante dans une année. Souvent, à cause de ces risques, les personnes d’âge avancé atteintes de démence ne peuvent pas utiliser un fauteuil roulant électrique puisqu’elles n’ont pas les capacités visuosensorielles requises. Or la perte de mobilité peut plonger une personne dans la dépression et la rendre encore plus dépendante de ses soignants. Nous souhaitons commercialiser un tout nouveau système réactif d’évitement des collisions pour fauteuils roulants électriques. Ce système améliorerait la qualité de vie des personnes qui ne peuvent se déplacer avec ce type d’équipement pour le moment, car leur sécurité et leur autonomie de déplacement s’en trouveraient renforcées. Notre système d’aide au déplacement est un produit du « marché secondaire » pouvant être installé sur un fauteuil roulant électrique commercial.
WP6.4 – WinterLight Labs : Évaluation cognitive par la parole
Docteur Frank Rudzicz, Toronto Rehabilitation Institute, Université de Toronto
La maladie d’Alzheimer, forme la plus courante de la démence, touche 44 millions de personnes dans le monde. Ce chiffre pourrait tripler d’ici 2050. Il est ainsi urgent de se doter d’un système de détection et de suivi de la maladie à la fois simple, accessible et efficace. Un tel système améliorerait la qualité de vie des personnes atteintes de l’Alzheimer, accélérerait les études cliniques et réduirait le fardeau individuel et social. Notre équipe a conçu un outil d’évaluation entièrement automatisé qui se base sur une analyse du langage naturel et l’apprentissage automatique pour détecter des troubles cognitifs. Le logiciel analyse en fait des centaines de manifestations de la parole et du langage, établies à partir de descriptions d’images sans structure imposée.