Detección de caídas con radar mmWave: cómo funciona la sensórica sanitaria sin cámaras

Por qué el problema del baño acabó con la videovigilancia

Las caídas son uno de los accidentes más frecuentes en la atención a personas mayores y en los cuidados de larga duración. Los lugares de mayor riesgo, es decir, baños, aseos y el espacio tras las cortinas, son precisamente aquellos en los que no pueden instalarse cámaras por motivos de privacidad. Los dispositivos vestibles funcionan, pero solo cuando los pacientes se los ponen. El resultado, hasta hace poco, era una laguna de cobertura justo donde la cobertura más importa.

Qué mide realmente el radar de ondas milimétricas

El radar de ondas milimétricas (mmWave) emite una señal de radio de baja potencia en las bandas de 24, 60 o 77 GHz y mide las reflexiones. A partir de esas reflexiones deduce movimiento, posición, firmas de micro-Doppler y la postura aproximada del cuerpo, lo suficiente para distinguir entre estar de pie, caminar, sentarse, tumbarse y un descenso rápido (una caída). No hay imagen, ni persona reconocible, ni nada que vulnere la privacidad. El sensor ve "un cuerpo ha hecho esto" sin ver "esta persona ha hecho esto".

Por qué lo "multimodal" supera al radar por sí solo

El radar por sí solo puede generar falsas alarmas con objetos que caen, mascotas o alguien que se sienta bruscamente. Los sistemas modernos de detección de caídas fusionan varias modalidades:

• Radar de ondas milimétricas para la postura y el movimiento
• Interacción por voz para confirmar el estado del usuario cuando se detecta una anomalía, lo que reduce drásticamente las falsas alarmas
• Contexto ambiental (hora del día, estancia, actividad previa) para ponderar la inferencia

Es esa combinación la que hace que la alerta sea lo bastante fiable como para movilizar a un cuidador.

Por qué tiene que ejecutarse en el borde

Tanto la privacidad como la latencia exigen IA en el borde (edge AI). Enviar las reflexiones del radar a la nube para la inferencia reintroduciría el problema de privacidad (ahora la nube dispone de datos de comportamiento identificables) y añadiría segundos de retardo, algo fatal en la respuesta a una caída. La IA en el borde ejecuta la inferencia en el propio dispositivo, permite que solo la alerta salga de la habitación y cumple el margen de baja latencia.

El hardware sobre el que se apoya el sistema

Un sistema de detección de caídas que priorice la privacidad necesita tres cosas de su ordenador:

• Construcción de grado médico: seguridad eléctrica IEC 60601-1, apta para entornos clínicos
• Capacidad de IA en el borde: una GPU o NPU dedicada con potencia suficiente para el modelo
• Expansión PCIe: para tarjetas aceleradoras de IA y capturadoras de imagen si más adelante se fusiona la visión

Este es exactamente el perfil del Box PC de IA en el borde MAB-T660D de Avalue (Intel Raptor Lake Refresh de 14.ª generación, hasta 64GB DDR5, PCIe Gen4 x16) y, para el análisis centralizado de muchas habitaciones, del servidor HPS-GNRU4A (Intel Xeon 6, cuatro GPU de doble anchura, PCIe Gen5). Consulte el caso de despliegue real: Deepfens AI sobre la plataforma de grado médico de Avalue.

Hacia dónde va todo esto

El siguiente paso es el análisis de la salud conductual: usar los mismos datos de radar para señalar inactividad prolongada, cambios de movilidad nocturna o tendencias que apunten a un deterioro semanas antes de una caída. La misma pila de hardware centrada en la privacidad sirve tanto para las alertas como para el conocimiento a largo plazo, sin las grabaciones de vídeo que generan riesgo de gobernanza.

Qué aporta TSL Automation

TSL Automation suministra la plataforma de IA en el borde de grado médico de Avalue en todo el mundo. Póngase en contacto con nuestro equipo para dimensionar un despliegue de detección de caídas o de cuidados inteligentes en torno al nodo de borde MAB-T660D y al servidor central HPS-GNRU4A.