Neue Technologie nutzt In-Cabin-Monitoring, um beginnende Demenz bei Fahrern frühzeitig zu erkennen

Forscher der Florida Atlantic University (FAU) führen eine bahnbrechende Studie durch, die Open-Source-In-Cabin-Monitoring- und KI-Sensorsysteme in Fahrzeugen einsetzt, um Fahrer auf ihr Demenzrisiko zu untersuchen. Dieser innovative Ansatz zielt darauf ab, frühzeitige Warnsignale für kognitive Veränderungen zu liefern, ein entscheidender Schritt zur Verbesserung der Straßensicherheit.

Der Bedarf an solcher Technologie wird durch besorgniserregende Statistiken unterstrichen: Schätzungsweise 4 bis 8 Millionen ältere Erwachsene mit leichter kognitiver Beeinträchtigung fahren derzeit in den Vereinigten Staaten, und ein Drittel von ihnen wird innerhalb von fünf Jahren Demenz entwickeln. Menschen mit fortschreitender Demenz sind schließlich nicht mehr in der Lage, sicher zu fahren, doch viele sind sich ihres kognitiven Rückgangs nicht bewusst.

Die Studie untersucht systematisch, wie das In-Cabin-Monitoring-System anomales Fahrverhalten erkennen kann, das auf kognitive Beeinträchtigungen hindeutet. Nur wenige Studien haben über den Einsatz kontinuierlicher, unauffälliger Sensoren und zugehöriger Überwachungsgeräte zur Erkennung subtiler Variationen in der Leistung hochkomplexer alltäglicher Aktivitäten über die Zeit berichtet.

„Die Neuropathologien der Alzheimer-Krankheit wurden in den Gehirnen älterer Fahrer gefunden, die bei Verkehrsunfällen ums Leben kamen, die nicht einmal wussten, dass sie die Krankheit hatten und keine offensichtlichen Anzeichen dafür zeigten“, sagte Prof. Ruth Tappen, die Hauptuntersuchende. „Der Zweck unserer Studie ergab sich aus der Bedeutung, kognitive Dysfunktionen so früh und effizient wie möglich zu identifizieren. Sensorsysteme, die in den Fahrzeugen älterer Fahrer installiert sind, können diese Veränderungen erkennen und frühzeitige Warnsignale für mögliche kognitive Veränderungen generieren.“

Längsschnittstudien-Design

Die Studie verwendet ein natürliches Längsschnitt-Design, um kontinuierliche Informationen über das Fahrverhalten zu erhalten, die mit den Ergebnissen umfangreicher kognitiver Tests verglichen werden, die alle drei Monate über drei Jahre hinweg durchgeführt werden. Eine dem Fahrer zugewandte Kamera, eine nach vorne gerichtete Kamera und eine Telematikeinheit sind im Fahrzeug installiert, und die Daten werden alle drei Monate heruntergeladen, wenn die kognitiven Tests durchgeführt werden.

Die Forscher bewerten abnormales Fahrverhalten wie das Verirren, das Ignorieren von Verkehrszeichen und -signalen, Beinahe-Kollisionen, Ablenkung und Müdigkeit, Reaktionszeit und Bremsmuster. Sie analysieren auch Reisemuster, einschließlich der Anzahl der Fahrten, der gefahrenen Meilen, der Autobahnmeilen, des Nachtfahrens und Tagesfahrens sowie des Fahrens bei schlechtem Wetter.

Open-Source-Hardware- und Softwareansatz

Das von FAU-Forschern am College of Engineering and Computer Science entwickelte In-Fahrzeug-Sensornetzwerk verwendet Open-Source-Hardware- und Softwarekomponenten, um die Zeit, Risiken und Kosten im Zusammenhang mit der Entwicklung von In-Fahrzeug-Sensoreinheiten zu reduzieren. Die In-Cabin-Sensorsysteme sind einfach und kompakt konzipiert, um komplexe Verkabelung, Sensorgröße und Sensoranzahl zu minimieren und so Unauffälligkeit zu gewährleisten.

Jedes In-Fahrzeug-Sensorsystem besteht aus zwei verteilten Sensoreinheiten: eine für Telematikdaten und eine andere für Videodaten. Die Trägheitsmesseinheit verarbeitet Daten, um hartes Bremsen, Beschleunigungen, Kurvenfahrten und GPS-Daten zu bestimmen. Die Videoeinheit hat integrierte KI-Funktionen, die Videos in Echtzeit analysieren, einschließlich fahrerbezogener Indizes wie Gesichtserkennung, Augenerkennung, Gähnen, Ablenkung, Rauchen und Mobiltelefonnutzung sowie Verhaltensindizes wie Verkehrszeichen 

Erkennung, Objekterkennung, Spurwechsel, Beinahe-Kollision und Fußgängererkennung.