De ‘boekjes’ staan er vol van: tips om van een slechte gewoonte af te raken. Het probleem is echter dat ieder van ons anders is en dus ook een andere aanpak nodig heeft. Binnenkort hebben we allemaal een virtuele coach die ons helpt om een gewenst doel te bereiken. Het geheim ligt in slimme sensoren, een massa data en machine learning.
Er zijn reeds veel sensoren op de markt die ons moeten motiveren om onze gezondheid te verbeteren. Denk maar aan de sensor-armbanden die je stappen, slaap en hartritme bijhouden. Het geeft een idee van hoe je dag verlopen is en wat je goed of minder goed gedaan hebt. Via de bijhorende app en website kan je een doel ingeven (bv. 3kg vermageren, 10.000 stappen per dag) en je wordt op de hoogte gehouden over hoe ver je verwijderd bent van dit doel. Maar als het gaat om ingebakken slechte gewoontes (roken, 's avonds snoepen voor tv, ...) neemt ons onderbewustzijn het van ons over, en hebben de metingen van onze hippe armband niet veel invloed.
Dat kan dus beter, vonden de onderzoekers van imec/Holst Centre. Stel je voor dat je een sensorarmband draagt die je kan leren kennen. Zo weet hij bv. (na enige tijd) dat je altijd met de auto naar het werk gaat, dat je bijna niet beweegt op het werk (zelfs niet tijdens de lunchpauze), dat je op dinsdag en vrijdag vlak na het werk naar de supermarkt gaat, en dat er na 20u niet veel actie meer te bespeuren valt. In het weekend merkt hij dat je op zaterdagvoormiddag gaat fietsen en dat je ook vaak 1 à 2 uur gaat wandelen.
Als je over zo’n intelligent sensorsysteem beschikt, is het mogelijk om heel persoonlijke en nuttige feedback te krijgen voor het behalen van een doel. Stel bv. dat je als doel ingeeft dat je wil vermageren. Dan kan het systeem voorstellen om met de fiets naar het werk te gaan wanneer het mooi weer is (op basis van locatiegegevens weet hij dat het maar 10km rijden is + hij weet ook dat je graag fietst + hij houdt het weerbericht nauwlettend voor je in de gaten); om tijdens de middag even te gaan wandelen in het park in de buurt; om geen chips en snoep te kopen (hij herinnert je hieraan vlak voor je de supermarkt binnenstapt); en ’s avonds stelt hij voor om nog eens een half uurtje te gaan wandelen na het eten. Dit zijn slechts enkele eenvoudige voorbeelden van wat een virtuele coach concreet kan doen. Het is vooral de bedoeling dat de gebruiker feedback en alternatieven krijgt op het juiste moment, zonder hem daarbij onnodig te storen.
Het zijn allemaal kleine tips waar we zelf ook wel op zouden komen, maar doordat het om ingebakken gewoontes gaat, hebben we een extra duwtje in de rug nodig. Een persoonlijke coach die altijd bij ons is, net zoals de grote Hollywoodsterren er eentje hebben. Alleen is deze veel goedkoper (en kan je hem ook afzetten).
Om bovenstaand scenario mogelijk te maken, zijn er verschillende componenten nodig. Alles begint met metingen en data. Dit kunnen data zijn van sensoren die je op je lichaam draagt, van sensoren die in de stad en op kantoor hangen (bv. luchtkwaliteit), van sensoren in de weginfrastructuur (bv. om files te detecteren), maar ook data uit je agenda, je Facebook Wall, je digitale boodschappenlijstje, het weerbericht enz.
Al deze data kunnen in de Cloud op een veilige manier samengebracht worden. De onderzoekers ontwikkelen nu algoritmes om automatisch gewoontes en voorkeuren van de gebruiker te detecteren en om een reeks gepersonaliseerde strategieën op te stellen die de gebruiker kan volgen om zijn vooropgesteld doel te bereiken. Een zogenaamde feedback generator zal ervoor zorgen dat de gebruiker zijn gekozen strategie blijft volgen.
Verschillende feedbackmechanismen kunnen naast elkaar gebruikt worden: via geluid (bieptoon of stem doorheen oortjes), via lichtsignalen (bv. LED-lichtjes in T-shirt), via tekstboodschappen of trillingen. Ook de mate van feedback moet dynamisch zijn: in het begin van de periode wordt vaak feedback gegeven, maar eens het systeem merkt dat slechte gewoontjes verminderen, kan minder vaak feedback gegeven worden. De imec-onderzoekers werken samen met gedragstherapeuten en psychologen om te kijken welke feedback het beste werkt en op welk moment de persoon er het meeste vatbaar voor is.
Imec en Holst Centre werken al langer aan sensormodules die betrouwbare en kwalitatieve metingen doen. Maar nu wordt er dus nog een extra laag aan toegevoegd omdat ook de interpretatie van die data van essentieel belang is om echt nuttige toepassingen te maken.
In een eerste experiment werden 70 proefpersonen opgevolgd gedurende twee weken. Ze droegen een ECG-sensor met ingebouwde versnellingsmeter, en werden ook gevraagd om vragenlijsten in te vullen i.v.m. hun voedingspatroon. Deze data werden verwerkt om gebruikersmodellen op te stellen en gewoontes te ontdekken. Op basis van een ruwe machine learning techniek is het mogelijk om een duidelijk onderscheid te maken tussen actieve en minder actieve mensen; tussen een werk- en weekenddag; en konden gewoontes herkend worden. Het opsporen van routines is een eerste stap die belangrijk is om het juiste moment te kunnen kiezen waarop feedback kan gegeven worden aan de gebruiker.
Stel dat we binnen enkele jaren over een virtuele digitale coach kunnen beschikken in de vorm van onze smartphone, een sensorarmband, een ECG-T-shirt. Toch betekent dit niet dat diëtisten, sportcoaches en dokters zonder werk zullen komen te zitten. De virtuele coach is een aanvulling op de echte ‘coaches’ die we in ons leven nodig hebben. Een dokter zou bv. een virtuele coach-toepassing kunnen voorschrijven aan een hartpatiënt om geleidelijk aan en onder controle meer beweging in te lassen in zijn leven. Op die manier heeft de dokter ook bij een volgende consultatie een beter zicht op de gezondheidsparameters van de patiënt en moet hij het niet alleen doen met de ‘momentopname’ van het doktersbezoek (waarbij je hartslag toch altijd iets hoger ligt omdat je te lang moest wachten in de muffe wachtkamer).
Wil je dit onderzoek op de voet volgen? Lees dan zeker elke maand het digitale imec magazine via magazine.imec.be
