Naukowcy z Northeastern University wynaleźli czujnik do noszenia, który ostrzega opiekunów trzy minuty wcześniej dziecko autystyczne ma agresywny krach. Chociaż czujnik jest wciąż na wczesnym etapie, technologia może pewnego dnia wypełnić ważną lukę dla rodziców dzieci autystycznych. Ponieważ osoby z autyzmem często nie potrafią wyrazić tego, co czują słowami lub mimiką, opiekunowie mogą być pozostawieni zgadywaniu narastającego napięcia u ich podopiecznych. Tragicznym skutkiem jest to, że wielu rodziców dzieci autystyczne boją się wychodzenia z domu z ich nieprzewidywalnymi dziećmi — albo całkowicie tego unikają.
„Odkryliśmy, że jeśli wykorzystamy dane fizjologiczne z ostatnich trzech minut, możemy przewidzieć, czy dana osoba będzie zachowywać się agresywnie w kolejną minutę ze średnią dokładnością 84 procent” – powiedział Matthew Goodwin, behawiorysta z Northeastern University, który wymyślił czujnik, w komunikacie prasowym.
Goodwin i współpracownicy zaprojektowali czujnik po zaobserwowaniu, jak doświadczyła mała próbka 20 dzieci z autyzmem zmiany częstości akcji serca, temperatury i ruchów w momentach prowadzących do pozornie nieprzewidywalnych wybuchy. Następnie skonstruowali bibliotekę charakterystycznych objawów fizjologicznych, które pojawiają się, zanim autystyczne dziecko stanie się agresywne. „Mieliśmy 87 godzin obserwacji przy użyciu tej metody z 20 hospitalizowanymi młodymi osobami z autyzmem, przechwytując 548 epizodów agresywnych oznaczonych znacznikiem czasu z towarzyszącymi im danymi z bioczujnika” – mówi Goodwin.
Poza zapewnieniem rodzicom systemu wczesnego ostrzegania, Goodwin podejrzewa, że technologia może pomóc świadczeniodawcom w opracowaniu strategii dla osób z autyzmem do samodzielnego wdrożenia przed wybuchem. Ale to wszystko są cele długoterminowe. Na razie, mówi Goodwin, algorytm stojący za czujnikiem do noszenia nadal musi uczyć się dziwactw bardziej autystycznych dzieci. W tym celu Departament Obrony przyznał niedawno Goodwin trzy lata finansowania na opracowanie czujnika.
W swojej obecnej formie Goodwin porównuje swój produkt do pierwszych iteracji Siri, które musiały nauczyć się niuansów mowy każdego użytkownika, zanim oprogramowanie do rozpoznawania języka zadziałało poprawnie. „Kiedyś musiałeś czytać znane fragmenty, aby nauczyć się, jak wymawiasz określone słowa”, mówi. „Jesteśmy tutaj na tej samej łodzi. Ponieważ otrzymujemy więcej danych od większej liczby osób w dłuższych okresach czasu, powinniśmy mieć większy zestaw danych, który będzie działał z każdą przychodzącą nową osobą”.
