Znanstvenici sa Sveučilišta Northeastern izumili su nosivi senzor koji upozorava njegovatelje tri minute prije autistično dijete ima agresivno otapanje. Iako je senzor još uvijek u ranoj fazi, tehnologija bi jednog dana mogla popuniti važnu prazninu za roditelje autistične djece. Jer osobe s autizmom često ne mogu izraziti kako se osjećaju riječima ili izrazima lica, skrbnici mogu biti ostavljeni da nagađaju o rastućoj napetosti svojih optuženika. Tragičan rezultat je da su mnogi roditelji autistična djeca strahuju od napuštanja kuće sa svojom nepredvidljivom djecom za sobom - ili to u potpunosti izbjegavaju.
“Otkrili smo da, ako koristimo posljednje tri minute fizioloških podataka, možemo predvidjeti hoće li se ta osoba ponašati agresivno u sljedeću jednu minutu s prosječnom preciznošću od 84 posto”, rekao je Matthew Goodwin, bihevioralni znanstvenik sa Sveučilišta Northeastern koji je osmislio senzor, u priopćenju za javnost.
Goodwin i njegovi kolege dizajnirali su senzor nakon što su promatrali kako je mali uzorak od 20 autistične djece doživio promjene njihovog otkucaja srca, temperature i kretanja u trenucima koji su doveli do naizgled nepredvidivih ispadi. Zatim su sastavili biblioteku fizioloških znakova koji se pojavljuju prije nego što autistično dijete postane agresivno. “Imali smo 87 sati promatranja pomoću te metode s 20 stacionarnih mladih s autizmom, snimivši 548 vremenski obilježenih agresivnih epizoda s popratnim podacima biosenzora”, kaže Goodwin.
Osim što osigurava sustav ranog upozorenja za roditelje, Goodwin sumnja da bi tehnologija mogla pomoći zdravstvenim djelatnicima da razviju strategije za autistične osobe koje će sami implementirati prije ispada. Ali sve su to dugoročni ciljevi. Za sada, kaže Goodwin, algoritam koji stoji iza nosivog senzora još uvijek treba naučiti čudne osobe s autizmom. U tu svrhu, Ministarstvo obrane nedavno je Goodwinu dodijelilo tri godine financiranja za razvoj svog senzora.
U svom sadašnjem obliku, Goodwin svoj proizvod uspoređuje s prvim iteracijama Siri, koji je morao naučiti nijanse govora svakog korisnika prije nego što se njegov softver za prepoznavanje jezika ispravno pokrenuo. “U ono vrijeme morali ste čitati poznate odlomke kako bi moglo naučiti kako izgovarate određene riječi”, kaže on. “Ovdje smo nekako u istom čamcu. Kako dobivamo više podataka od više ljudi tijekom duljeg vremenskog razdoblja, trebali bismo imati veći skup podataka koji će raditi sa svakom novom osobom koja dolazi.”
