Novel eHealth methodologies to support the detection of age related decline

Nowadays, and more in the next future, the ageing population is determining a large impact on the public healthcare systems worldwide. To face the growing demand for long term services, the current healthcare model needs to shift its focus on the prevention and the early identification of chronic diseases, whose incidence is high in people aged 65+. Timely interventions are key to slow down decline and mitigate the symptoms in older individuals, besides limiting the use of hospital resources. Home monitoring technologies can allow the remote examination of the patients and the continuous tracking of the seniors’ health status in their living environment. Therefore, early signs of decline could be recognised more quickly. However, some issues related to the acceptance of the daily monitoring systems by the users and to the data reliability in uncontrolled setting could represent a barrier for their effective application. The main objective of my PhD is to design and develop novel eHealth solutions such as IoT sensors, explainable artificial intelligence applications and decision support systems to enable the early detection and remote assessment of decline in older adults. In particular two solutions are here proposed: the exploitation of the ecological assessment of handwriting as daily life activity monitoring and a decision support system for the posterior interpretation and the evaluation of a complex neuropsychological test. These technologies were successfully tested and validated using specific protocols and data which simulated the real-application scenario. The remarkable results suggested that these may be promising solutions for detecting physical and cognitive decline in the home setting.

Oggi, e ancor più nel prossimo futuro, l'invecchiamento della popolazione sta determinando un grande impatto sui sistemi sanitari pubblici di tutto il mondo. Per far fronte alla crescente domanda di cure a lungo termine, l'attuale modello sanitario deve spostare l'attenzione sulla prevenzione e l'identificazione precoce delle malattie croniche, la cui incidenza è elevata nelle persone di età superiore ai 65 anni. Interventi tempestivi sono fondamentali per rallentare il declino e mitigare i sintomi negli individui più anziani, oltre a limitare l'uso delle risorse ospedaliere. Le tecnologie di monitoraggio domiciliare possono consentire l'esame a distanza dei pazienti e il monitoraggio continuo dello stato di salute degli anziani nel loro ambiente di vita. Pertanto, i primi segni di declino potrebbero essere riconosciuti più rapidamente. Tuttavia, alcune problematiche legate all'accettazione dei sistemi di monitoraggio quotidiano da parte degli utenti e all'affidabilità dei dati in ambienti non controllati potrebbero rappresentare una barriera per la loro effettiva applicazione. L'obiettivo principale del mio dottorato è progettare e sviluppare nuove soluzioni di eHealth come sensori IoT, applicazioni di intelligenza artificiale interpretabile e sistemi di supporto alle decisioni per consentire la diagnosi precoce e la valutazione remota del declino negli anziani. In particolare vengono qui proposte due soluzioni: lo sfruttamento della valutazione ecologica della scrittura a mano come monitoraggio dell'attività quotidiana e un sistema di supporto alle decisioni per l'interpretazione a posteriori e la valutazione di un test neuropsicologico complesso. Queste tecnologie sono state testate e convalidate con successo utilizzando protocolli e dati specifici che simulavano lo scenario dell'applicazione reale. I notevoli risultati hanno suggerito che queste potrebbero essere soluzioni promettenti per rilevare il declino fisico e cognitivo nell'ambiente domestico.