InnovaWelfare

Anno: 2022

Descrizione: Il progetto mira a sviluppare uno strumento diagnostico per l’ADHD basato su realtà virtuale e machine learning, che simula una classe scolastica per valutare in maniera oggettiva i sintomi dell’ADHD in bambini e adolescenti

Risultati: Prototipo di gioco serio in ambiente VR realizzato; definizione di un Research Domain Construct (RDC) per la diagnosi dell’ADHD; implementazione di componenti per la misurazione di attenzione, impulsività e organizzazione comportamentale; integrazione di un modello di machine learning (decision tree) per la classificazione dei sintomi

Partner del progetto: Bina Nusantara University, Universitas Indonesia – Dr. Cipto Mangunkusumo General Hospital

Tipologia di servizio: Sanitario

Utenti target: ADHD, Ragazzi

Luogo: A scuola

Condizioni dell'utente target

Aree di fragilità – Funzioni:

  • Funzioni mentali: L'utente target ha difficoltà nell’attenzione, nella memoria e nel controllo degli impulsi a causa dei sintomi di ADHD
  • Funzioni neuromuscoloscheletriche e correlate al movimento: L'utente target necessita di regolare l’iperattività e la coordinazione motoria

Aree di fragilità – Attività e partecipazione:

  • Apprendimento e applicazione delle conoscenze: L'utente target ha difficoltà nel mantenere la concentrazione e nell’organizzare le attività scolastiche
  • Compiti e richieste generali: ’utente target ha necessità di supporto nell’organizzazione e nel completamento dei compiti a causa delle difficoltà di attenzione e impulsività

Supporto necessario all'utente per l'efficacia del progetto

  • Persone in posizioni di autorità: utili per garantire l’adozione e l’implementazione istituzionale del progetto in ambito scolastico e sanitario
  • Persone che forniscono aiuto o assistenza: importanti per supportare il bambino durante la somministrazione del tool
  • Operatori sanitari: essenziali per supervisionare l’utilizzo del tool, interpretare i dati diagnostici e fornire assistenza clinica

Categorie di bisogni soddisfatti

Salute: migliora la diagnosi e il trattamento dell’ADHD attraverso una valutazione oggettiva e tempestiva dei sintomi

Autonomia: favorisce un intervento precoce che contribuisce a una migliore gestione autonoma dei sintomi

Tecnologie Core:

Algoritmi di analisi dei dati e intelligenza artificiale Sensori di movimento Telecamere e sistemi di visione artificiale

Tecnologie Abilitanti:

Piattaforme di raccolta e analisi dei dati

Fonte:

Wiguna, T., Bahana, R., Dirgantoro, B., Minayati, K., Teh, S. D., Ismail, R. I., Kaligis, F., & Wigantara, N. A. (2022). Developing attention deficits/hyperactivity disorder-virtual reality diagnostic tool with machine learning for children and adolescents. Frontiers in Psychiatry, 13, 984481. https://doi.org/10.3389/fpsyt.2022.984481