Detección de caídas por radar para residencias de mayores

Un detector de caídas convencional detecta todas las caídas en esta demo. También generó siete falsas alarmas en el mismo turno nocturno, y un panel silenciado no detecta nada.

La sensibilidad nunca fue el cuello de botella. Vigil es la capa de inteligencia entre el sensor de radar y el sistema de llamada de enfermería: una cascada de cinco etapas que devuelve ALERT, SUPPRESS o ROUTE TO HUMAN y registra el valor de la característica detrás de cada una de esas decisiones. Lo que puede observar aquí es una demo ejecutable sobre un flujo sintético de características de radar, no un despliegue real.

0 vs 7

falsas alarmas en el turno de la demo

Motor frente al punto de referencia ingenuo, un turno sintético sembrado

1.0 vs 0.167

especificidad de confundidores

Conjunto sintético dorado fijo de 360 eventos, no precisión en producción

1 of 2

caídas reales alertadas

La segunda, en un espacio con varios ocupantes, fue derivada a una verificación del personal

El recorrido reproduce un turno nocturno sintético sembrado en un ala de cuidados de memoria. No hay hardware de radar real, ni instalación real, ni residentes, ni PHI.

Un sistema en el que nadie confía se silencia, y un sistema silenciado no detecta nada.

La fatiga por alarmas es la principal razón por la que los sistemas de detección de caídas fracasan. Una Directora de Enfermería que elige entre un baño sin vigilancia y un panel que se activa con el ventilador del techo está eligiendo entre dos formas de no detectar una caída con lesión, cuyo coste medio ronda los $30,000.

El baño es el punto ciego

Es el espacio de mayor riesgo y el único lugar donde una cámara no es una opción viable. Diecinueve estados de EE. UU. han promulgado leyes que regulan el uso de cámaras en residencias de mayores; en general, permiten colocar una cámara en la habitación de un residente con su consentimiento, mientras que los baños permanecen excluidos en la práctica por razones de privacidad.

El tiempo prolongado en el suelo es la lesión

La mitad de las personas mayores que permanecen en el suelo durante más de una hora mueren en seis meses. Una caída detectada en la ronda de las 4 AM es un evento clínico muy distinto de una detectada mientras el residente sigue en el suelo.

El sistema convencional falla por rechazo

Los sensores de movimiento y almohadillas de cama estándar generan entre 5 y 15 falsas alarmas por habitación al día. Lo que no pueden hacer es distinguir entre sentarse bruscamente en el inodoro y una caída, así que el personal nocturno silencia el panel y el sistema deja de detectar cualquier cosa.

Cinco etapas en cascada, luego despacho y evidencia.

Vigil ejecuta su cascada sobre un flujo de características de radar por fotograma y entrega el resultado a una puerta de política que se sitúa fuera de todo modelo. Los modelos asesoran, el código decide: las condiciones narrativas deterministas deben cumplirse primero, y solo entonces se consulta la confianza del clasificador, frente a un umbral fijo que el modelo no establece. Un modelo nunca puede generar una alerta por sí solo.

01 / EXTRACCIÓN DE CARACTERÍSTICAS

Cinemática, impacto, respiración, clase de objetivo

A partir del flujo sintético de características de radar, el motor deriva la cinemática de descenso (altura inicial, velocidad máxima, altura final del centroide), un marcador de impacto de energía de banda ancha, el residuo de movimiento postimpacto, la energía en la banda de respiración y un proxy de sección transversal de radar y relación de aspecto para la clase de objetivo. No existe imagen ni vídeo en ningún punto del proceso.

02 / MAPA DE CLUTTER POR HABITACIÓN

El vóxel del ventilador está registrado y enmascarado

Cada espacio lleva su propio mapa. Lo que esta versión consume son las máscaras Doppler de ubicación fija para las entradas del ventilador de techo y del aire acondicionado de ventana, enmascaradas en su vóxel conocido. Las alturas de asiento y cama por habitación están almacenadas en el archivo de la habitación como datos de calibración, pero ninguna ruta de código V1 las lee, lo que refleja fielmente cuánto trabajo de integración queda pendiente en la calibración por habitación.

03 / CLASIFICADOR DE DOBLE FLUJO

Cuatro características, una puntuación calibrada

Un modelo logístico aprendido lee exactamente cuatro características (proximidad al suelo, energía de impacto, caída de descenso y sección transversal de radar) y las fusiona en una P(fall) calibrada. El paso de fusión es código numpy legible de principio a fin. El cambio en producción a CNN, PointNet y fusión por atención está documentado, y la semántica de las características no cambia con ello.

04 / VERIFICADOR NARRATIVO TEMPORAL

Cuatro condiciones en una ventana de 8 segundos

El código determinista exige que las cuatro condiciones se cumplan dentro de la misma ventana de 8 segundos, con la bipedestación establecida en su quinto inicial: una mediana del centroide por encima de 1.2 m, un descenso de más de 0.6 m junto con una velocidad máxima superior a 1.8 m/s, un impacto de banda ancha sostenido (una media móvil de 3 fotogramas superior a 0.50, de modo que un pico de un solo fotograma no puede satisfacerla), y un centroide que efectivamente alcanza el nivel del suelo por debajo de 0.30 m.

05 / PUERTA DE POLÍTICA DETERMINISTA

Umbrales fijos, tres veredictos

La ruta de decisión fuera de todo modelo es código simple con umbrales fijos y documentados: nivel de suelo por debajo de 0.30 m, un umbral de respiración de 0.20 y un umbral de confianza de caída de 0.70. La puerta emite ALERT, SUPPRESS o ROUTE TO HUMAN y activa la escalada (CNA a los 0 s, Charge Nurse a los 90 s, DON a los 180 s). Un umbral de confianza independiente codificado en la puerta envía un evento con varios ocupantes a una verificación humana.

06 / DESPACHO Y EVIDENCIA

Dos formatos de llamada de enfermería y un registro archivable

El adaptador emite una señal de relé de contacto seco Rauland heredado (optoacoplada, con aislamiento UL 1069/2560 mantenido) y una carga útil MQTT y REST JSON moderna de Ascom o Austco. Es un stub de adaptador registrado, no hardware conectado. El JSON de auditoría del turno cubre cada alerta, derivación y supresión con su característica decisiva; se redacta por separado una nota de incidente clínico a partir de esa evidencia estructurada.

Un turno nocturno sembrado, doce eventos, cada decisión documentada.

La demo reproduce un ala de cuidados de memoria de 02:00 a 06:00 a lo largo de doce espacios monitorizados, puntuando la cascada junto al punto de referencia ingenuo que trata cualquier movimiento rápido o bajo como una caída. Los doce eventos son escenarios sintéticos, etiquetados y físicamente fundamentados con una semilla fija, y los doce mosaicos representan doce eventos, dos de los cuales revisitan un espacio ya en la cuadrícula, por lo que hay diez espacios distintos en total. La cuadrícula del panel y el Libro de Decisiones etiquetan esos espacios de Cam 1 a Cam 12; los identificadores de habitación subyacentes aparecen solo en el detalle del incidente, la carga útil de despacho y el registro de auditoría.

Vista del nivel de planta de Vigil durante el turno de la demo. El mosaico Cam 3 Bathroom aparece contorneado en rojo y etiquetado como Fall Long-Lie 99 por ciento, el mosaico Cam 2 indica Low Confidence to Human Check, y el Libro de Decisiones de la derecha muestra supresiones para Cam 5 y Cam 1 con el valor de la característica detrás de cada una. — ALERT. Cam 3 (Bathroom) confirma la narrativa completa de caída al nivel del suelo con respiración presente y sin recuperación, por lo que el motor alerta con una confianza de 0.99 por una caída prolongada. A su alrededor, el libro ya está rechazando: Cam 1 por un vóxel de ventilador de techo enmascarado, Cam 5 por una ráfaga de velocidad que se estabilizó a 0.46 m de altura de asiento sin impacto fuerte.

Panel de detalle de incidente de Vigil para Cam 3 Bathroom con el texto del indicador de llamada de enfermería para Room 118B, una cifra de impacto a alerta de 7 segundos, los transportes MQTT y REST de Ascom y Austco y el relé de contacto seco Rauland, la escalada CNA, Charge Nurse y DON, la carga útil JSON de despacho con 0.99 de confianza y 4.8 segundos de tiempo en el suelo, y la nota de incidente clínico. — El registro detrás de la alerta. Abra cualquier mosaico o fila del libro y el panel de detalle muestra lo que se despachó: el texto del indicador de llamada de enfermería para Room 118B Bathroom en el registro de auditoría, la carga útil JSON con una confianza de 0.99 y 4.8 s de tiempo en el suelo, ambos transportes, la escalada activada y una nota de incidente clínico redactada a partir de la evidencia de auditoría estructurada para un registro QAPI. La cifra de 7 s de impacto a alerta del panel es un valor mostrado que la puerta calcula a partir de su temporizador de espera más una constante; interprete como lo que la aplicación reporta, no como la velocidad del sistema en referencia.

Cam 2: una caída real que el motor se negó a afirmar

Cam 2 es una caída real según la verdad de campo, y P(fall) alcanza 0.99. El espacio contiene dos objetivos, y el seguimiento de una sola persona está fuera de la cobertura V1, por lo que la puerta devuelve ROUTE TO HUMAN con baja confianza y no afirma una caída. El punto de referencia ingenuo dispara automáticamente. En este turno ocurrieron dos caídas reales: una alertada, una derivada a una verificación del personal. En el punto de referencia fijo, 40 de 40 caídas en espacios con varios ocupantes se derivan de la misma manera, sin sobrealerta y ninguna omitida.

El Libro de Decisiones de Vigil completado, con supresiones de Cam 12 a Cam 5, cada una con un motivo como movimiento descendente que regresa a bipedestación, movimiento ambiental sin descenso al suelo, ráfaga de velocidad que se estabiliza a 0.44 m de altura de asiento, una fila de zona de ventana y aire acondicionado con confianza por debajo del umbral sin descenso al suelo, y un objetivo no humano con sección transversal de radar de 0.27. — SUPPRESS, diez veces, con motivos. Las supresiones también son evidencia, porque lo que una inspección de estado pregunta es por qué no ocurrió nada. Cada fila aquí nombra el motivo, y la mayoría nombra el valor de la característica decisiva: la inclinación que regresó a bipedestación (Cam 12 e Cam 7), la sentada brusca que se estabilizó a 0.44 m en un baño (Cam 10), la visita del perro de terapia con una sección transversal de radar de 0.27 frente al mínimo humano de 0.55 (Cam 6).

Modal de Resultados del Turno de Vigil mostrando 0.0 falsas alarmas proyectadas por habitación al día para el motor frente a 25 para el sistema convencional en el conjunto sintético dorado fijo, 0 versus 7 falsas alarmas en este turno, 1 de 2 caídas reales detectadas, 1 derivada a un humano con baja confianza y 100 por ciento de especificidad de confundidores sobre 360 eventos etiquetados. — El marcador, con su alcance adjunto. Motor: 1 alerta, 1 derivada, 10 suprimidas, 0 falsas alarmas. Punto de referencia ingenuo: 9 alertas, 7 de ellas falsas. Los valores de 0.0 y 25.0 por habitación al día son proyecciones de un conjunto sintético dorado fijo de 360 eventos con un supuesto de 30 activadores benignos por habitación al día. Un piloto real tiene como objetivo menos de 2 falsas alarmas por habitación al día tras la calibración en modo sombra.

Lo que prueba la demo, y dónde se detiene.

La cascada y el punto de referencia ingenuo obtienen ambos una sensibilidad de caída de 1.0 en un conjunto fijo de 360 eventos sintéticos etiquetados y con ruido. Lo que los separa es la especificidad de confundidores: 1.0 para la cascada frente al 0.167 del punto de referencia. Los pesos de fusión se ajustaron con los propios generadores de escenarios de la demo, los mismos que producen ese conjunto dorado, que es la primera objeción que debería plantear un lector técnico. La separación sigue siendo merecida en lugar de artificial: cada confundidor se genera para solaparse con una caída real en características individuales, que es exactamente por qué el detector ingenuo es genuinamente engañado.

Pregunta	Lo que Vigil hace en esta demo	Lo que queda fuera de la demo
Rechazo de confundidores	Ejecuta la cascada de cinco etapas y registra el valor de la característica decisiva para cada una de las diez supresiones del turno.	Ajuste frente al clutter propio de la instalación, los patrones de marcha y el mobiliario, que es trabajo de calibración por habitación.
Espacios con varios ocupantes	Deriva a una verificación humana con baja confianza en lugar de afirmar una caída, 40 de 40 en el punto de referencia fijo.	Seguimiento de una sola persona y desambiguación de múltiples ocupantes, diferidos a una versión posterior.
Evidencia de inspección y QAPI	Exporta un JSON de auditoría del turno con cada alerta, derivación y supresión, sus valores de características decisivas y su motivo de política.	Cualquier escritura en un registro EHR o MDS, y cualquier interfaz de consulta interactiva sobre la auditoría.
Despacho de llamada de enfermería	Emite tanto una señal de contacto seco Rauland como una carga útil MQTT y REST de Ascom o Austco, registrada.	Hardware de llamada de enfermería conectado, puesta en marcha en vivo y certificación de la ruta desplegada.

Lo que esta demo NO hace

No utiliza hardware de radar real, chirps reales de 60 GHz ni un sensor desplegado: el front end RF es un flujo sintético de características. La ruta de llamada de enfermería es un stub de adaptador registrado sin nada conectado. No hay escritura en EHR ni en MDS de ningún tipo, ni consulta interactiva en lenguaje natural sobre la auditoría. Los análisis predictivos de marcha, el sensado Wi-Fi para áreas comunes, la desambiguación de múltiples ocupantes y el puerto de borde para silicio embebido son todos trabajo futuro. El ala de cuidados de memoria, sus espacios, sus eventos e el perro de terapia son sintéticos; no hay residentes, ni cliente, ni piloto ni PHI. Vigil no es un dispositivo médico y no tiene autorización de la FDA, ni 510(k), ni validación clínica, ni certificación CMS o UL propia; el adaptador mantiene el aislamiento UL 1069/2560 en la ruta de despacho. Nada aquí reemplaza al personal, al juicio clínico o a la evaluación de un médico.

Preguntas que los responsables clínicos y operativos plantean antes de confiar en una capa de detección.

¿Cuántas falsas alarmas recibirá realmente mi personal nocturno?

Nadie puede responder eso honestamente desde una demo, así que juzgue el supuesto detrás del número. La cifra de 0.0 por habitación al día asume 30 activadores de movimiento benignos por habitación al día, lo cual supera las 5 a 15 por habitación al día que la bibliografía reporta para los sensores convencionales, y proviene de un conjunto sintético dorado fijo, no de una sala real. Un piloto real tiene como objetivo menos de 2 falsas alarmas por habitación al día tras la calibración en modo sombra, y ese es el número al que debe exigirnos.

¿Realmente pueden instalar esto en el baño de un residente?

Las características de radar no llevan imagen ni vídeo en ningún punto, por lo que no hay nada reconocible que capturar, y eso es lo que hace que el espacio sea alcanzable. 19 estados de EE. UU. han promulgado leyes sobre cámaras en residencias de mayores, que generalmente permiten una cámara en la habitación de un residente con su consentimiento y dejan los baños excluidos en la práctica por razones de privacidad. Cualquier despliegue sigue necesitando su propia revisión de privacidad y el proceso de consentimiento del residente.

¿Detectó todas las caídas del turno?

No. En el turno de la demo ocurrieron dos caídas reales. El motor alertó sobre la caída prolongada en el baño de Cam 3 con una confianza de 0.99 y derivó el evento de Cam 2 a una verificación del personal con baja confianza, porque ese espacio contenía dos objetivos y el seguimiento de una sola persona está fuera de la cobertura V1. Afirmar con confianza una caída en una escena con dos objetivos es exactamente el error que enseña al personal nocturno a dejar de creer en el panel, así que la ambigüedad va a una persona en su lugar.

¿Qué le muestro a un inspector que pregunta por qué no se generó ninguna alerta?

El JSON de auditoría del turno exportado lleva cada alerta, derivación y supresión con sus valores de características decisivas y su motivo de política, bajo las claves de nivel superior engine, facility, shift, metrics, events y _note. La nota de incidente clínico se redacta por separado de esa evidencia estructurada para un registro QAPI o un expediente CMS F689, y no está dentro de la exportación. Un detalle importante antes de entregárselo a alguien: la exportación imprime el nombre de compilación interno en el campo engine, no el nombre del producto.

¿Es un modelo de IA el que decide si llamar a mis enfermeras?

No. Un modelo nunca puede generar una alerta por sí solo. Las condiciones narrativas deterministas —bipedestación, descenso, impacto sostenido y nivel del suelo— deben cumplirse todas dentro de la misma ventana de 8 segundos antes de que se consulte siquiera el P(fall) del clasificador, que luego se comprueba frente a un umbral fijo de 0.70 que el modelo no establece. Una confianza más baja puede convertir una alerta en una supresión, así que el modelo restringe la decisión hacia abajo, nunca hacia arriba.

¿Hay que reemplazar el sistema de llamada de enfermería para usar esto?

El adaptador de despacho emite ambas formas, así que puede ubicarse delante de cualquier generación de sistema de llamada de enfermería: una señal de relé de contacto seco Rauland heredado, optoacoplada con aislamiento UL 1069/2560 mantenido, y una carga útil MQTT y REST JSON moderna de Ascom o Austco. En esta demo es un stub de adaptador registrado sin hardware de llamada de enfermería conectado. Vigil es la capa entre el sensor y el sistema que ya utiliza, no un reemplazo de ninguno de los dos.

Investigación Técnica

La investigación detrás de esta demo: la arquitectura, el diseño de verificación y el plano empresarial.

Solución completa

Explore la solución Smart Facility Fall Detection →

Comience por los espacios que hoy no puede monitorizar.

No vendemos sensores. Construimos la capa de inteligencia que hace útiles a los sensores, y la construimos para operadores de residencias de mayores y equipos de tecnología clínica que ya saben que detectar la caída es la mitad más sencilla.

Con el 63% de las instalaciones reportando falta de personal, un panel que lanza falsas alarmas es lo primero que el turno nocturno silencia. Una primera conversación útil cubre el clutter fijo del plano de planta, las habitaciones que ahora quedan sin vigilar y lo que su última inspección de estado realmente le pidió que produjera. Podemos trabajar en la calibración y el plan de modo sombra junto a su equipo clínico.

Diseño de la capa de detección

&✓ Diseño de cascada y características
&✓ Calibración de clutter por habitación
&✓ Umbrales de puerta determinista
&✓ Definición del conjunto de confundidores

Evidencia e integración

&✓ Esquema de auditoría del turno
&✓ Mapeo del adaptador de llamada de enfermería
&✓ Diseño de escalada
&✓ Plan de calibración en modo sombra

Contactar por WhatsApp Enviar correo a nuestro equipo