Détection de chute par radar pour les établissements pour personnes âgées
La sensibilité n'a jamais été le goulot d'étranglement. Vigil est la couche d'intelligence entre un capteur radar et le système d'appel infirmière : une cascade en cinq étapes qui renvoie ALERT, SUPPRESS ou ROUTE TO HUMAN et journalise la valeur de la caractéristique derrière chacune de ces décisions. Ce que vous pouvez observer ici est une démo exécutable sur un flux synthétique de caractéristiques radar, et non un déploiement.
0 vs 7
fausses alertes sur le quart de démo
Moteur par rapport à la base de référence naïve, un quart synthétique unique avec graine fixe
1,0 vs 0,167
spécificité des facteurs confondants
Ensemble de référence synthétique fixe de 360 événements, pas la précision en production
1 sur 2
vraies chutes alertées
La deuxième, dans un espace à occupation multiple, a été acheminée vers une vérification par le personnel
La présentation rejoue un quart de nuit synthétique unique avec graine fixe dans une unité de soins pour troubles de la mémoire. Pas de matériel radar réel, pas d'établissement réel, pas de résidents, pas de PHI.
La fatigue des alarmes est la principale raison de l'échec des déploiements de détection de chute. Un Directeur des soins infirmiers qui choisit entre une salle de bain non surveillée et un panneau qui se déclenche sur le ventilateur de plafond choisit entre deux façons de manquer une chute avec blessure, dont le coût moyen est d'environ $30,000.
C'est l'espace à risque le plus élevé et le seul endroit où une caméra n'est pas une option utilisable. Dix-neuf États américains ont adopté des lois régissant les caméras dans les chambres de maisons de retraite, les autorisant généralement dans la chambre d'un résident avec consentement, tandis que les salles de bain restent exclues en pratique pour des raisons de respect de la vie privée.
La moitié des personnes âgées qui restent allongées sur le sol pendant plus d'une heure décèdent dans les six mois. Une chute découverte lors de la ronde de 4 heures du matin est un événement clinique différent d'une chute prise en charge alors que le résident est encore au sol.
Les capteurs de mouvement et les tapis de lit disponibles sur le marché génèrent de 5 à 15 fausses alertes par chambre par jour. Ce qu'ils ne peuvent pas faire, c'est distinguer un assis brusque sur les toilettes d'une chute, alors le personnel de nuit met le panneau en sourdine et le système ne détecte plus rien du tout.
Vigil exécute sa cascade sur un flux de caractéristiques radar par trame et transmet le résultat à une porte de politique qui se situe en dehors de tout modèle. Les modèles conseillent, le code décide : les conditions narratives déterministes doivent d'abord être satisfaites, et ce n'est qu'ensuite que la confiance du classificateur est consultée, par rapport à un seuil fixe que le modèle ne définit pas. Un modèle ne peut jamais générer une alerte par lui-même.
01 / EXTRACTION DE CARACTÉRISTIQUES
À partir du flux synthétique de caractéristiques radar, le moteur dérive la cinématique de descente (hauteur initiale, vitesse de pointe, hauteur finale du centroïde), un marqueur d'impact d'énergie à large bande, le résidu de mouvement post-impact, l'énergie de la bande de respiration, et une section efficace radar et un proxy de rapport d'aspect pour la classe cible. Aucune image et aucune vidéo n'existent à aucun point du pipeline.
02 / CARTE D'ENCOMBREMENT PAR SALLE
Chaque espace dispose de sa propre carte. Ce que cette version consomme, ce sont les masques Doppler à emplacement fixe pour les entrées ventilateur de plafond et climatiseur de fenêtre, masqués à leur voxel connu. Les hauteurs de siège et de lit par salle figurent dans le fichier de salle comme données de calibration, mais ne sont lues par aucun chemin de code V1 — ce qui donne une image fidèle de l'ampleur du travail d'intégration encore nécessaire pour la calibration par salle.
03 / CLASSIFICATEUR DOUBLE FLUX
Un modèle logistique appris lit exactement quatre caractéristiques (proximité au sol, énergie d'impact, hauteur de descente et section efficace radar) et les fusionne en un P(fall) calibré. L'étape de fusion est du code numpy lisible de bout en bout. Le remplacement en production par un CNN, PointNet et une fusion par attention est documenté, et la sémantique des caractéristiques ne change pas avec lui.
04 / VÉRIFICATEUR DE NARRATION TEMPORELLE
Le code déterministe exige que les quatre conditions soient satisfaites dans la même fenêtre de 8 secondes, avec la station debout établie dans son cinquième initial : un centroïde médian au-dessus de 1,2 m, une descente de plus de 0,6 m associée à une vitesse de pointe supérieure à 1,8 m/s, un impact à large bande soutenu (une moyenne mobile sur 3 trames supérieure à 0,50, de sorte qu'un pic sur une seule trame ne peut pas le satisfaire), et un centroïde qui atteint effectivement le niveau du sol en dessous de 0,30 m.
05 / PORTE DE POLITIQUE DÉTERMINISTE
Le chemin de décision en dehors de tout modèle est du code simple avec des seuils fixes et documentés : niveau du sol en dessous de 0,30 m, un seuil de respiration de 0,20, et un seuil de confiance de chute de 0,70. La porte émet ALERT, SUPPRESS ou ROUTE TO HUMAN et arme l'escalade (CNA à 0 s, Charge Nurse à 90 s, DON à 180 s). Un seuil de confiance séparé codé en dur dans la porte envoie un événement à occupation multiple vers une vérification humaine.
06 / DISPATCH ET PREUVES
L'adaptateur émet un signal relais à contact sec Rauland hérité (opto-isolé, isolation UL 1069/2560 maintenue) et une charge utile MQTT et REST JSON Ascom ou Austco moderne. C'est un adaptateur stub journalisé, pas du matériel connecté. Le JSON d'audit de quart couvre chaque alerte, acheminement et suppression avec sa caractéristique de décision ; une note d'incident clinique est composée séparément à partir de cette preuve structurée.
La démo rejoue une unité de soins pour troubles de la mémoire de 02:00 à 06:00 sur douze espaces surveillés, en évaluant la cascade à côté d'une base de référence naïve existante qui traite tout mouvement rapide ou bas comme une chute. Les douze événements sont des scénarios synthétiques, étiquetés et physiquement fondés sur une graine fixe, et les douze tuiles correspondent à douze événements, dont deux revisitent un espace déjà présent sur la grille, soit dix espaces distincts au total. La grille du tableau de bord et le Registre de décisions étiquettent ces espaces Cam 1 à Cam 12 ; les identifiants de salle sous-jacents n'apparaissent que dans le détail d'incident, la charge utile de dispatch et le dossier d'audit.


Cam 2 est une vraie chute dans la vérité terrain, et P(fall) atteint 0,99. L'espace contient deux cibles, et le suivi d'une seule personne est en dehors de la couverture V1, donc la porte renvoie ROUTE TO HUMAN à faible confiance et n'affirme pas une chute. La base de référence naïve se déclenche automatiquement dessus. Deux vraies chutes se sont produites pendant ce quart : l'une alertée, l'autre acheminée vers une vérification par le personnel. Dans le benchmark fixe, 40 sur 40 chutes à occupation multiple sont acheminées de la même façon, sans sur-alertes et aucune manquée.


La cascade et la base de référence naïve obtiennent toutes les deux une sensibilité de 1,0 aux chutes sur un ensemble fixe de 360 événements synthétiques bruités et étiquetés. Ce qui les distingue est la spécificité des facteurs confondants : 1,0 pour la cascade contre 0,167 pour la base de référence. Les poids de fusion ont été ajustés sur les propres générateurs de scénarios de la démo, les mêmes générateurs qui produisent cet ensemble de référence, ce qui est la première objection qu'un lecteur technique devrait soulever. La séparation est néanmoins méritée plutôt que plantée : chaque facteur confondant est généré pour chevaucher une vraie chute sur des caractéristiques individuelles, ce qui explique exactement pourquoi le détecteur naïf est véritablement trompé.
| Question | Ce que Vigil fait dans cette démo | Ce qui reste en dehors de la démo |
|---|---|---|
| Rejet des facteurs confondants | Exécute la cascade en cinq étapes et journalise la valeur de la caractéristique décisive pour chacune des dix suppressions du quart. | L'ajustement par rapport aux encombrements propres à un établissement, aux patterns de marche et aux meubles, qui est un travail de calibration par salle. |
| Espaces à occupation multiple | Achemine vers une vérification humaine à faible confiance plutôt que d'affirmer une chute, 40 sur 40 dans le benchmark fixe. | Le suivi d'une seule personne et la désambiguïsation à occupation multiple, différés à une version ultérieure. |
| Preuves pour inspection et QAPI | Exporte un JSON d'audit de quart avec chaque alerte, acheminement et suppression, ses valeurs de caractéristiques décisives et sa raison de politique. | Toute écriture dans un dossier EHR ou MDS, et toute interface de requête interactive sur l'audit. |
| Dispatch d'appel infirmière | Émet à la fois un signal à contact sec Rauland et une charge utile MQTT et REST Ascom ou Austco, journalisée. | Le matériel d'appel infirmière connecté, la mise en service en direct, et la certification du chemin déployé. |
Elle n'utilise pas de matériel radar réel, de vrais chirps 60 GHz, ni de capteur déployé : le front-end RF est un flux synthétique de caractéristiques. Le chemin d'appel infirmière est un adaptateur stub journalisé sans rien de connecté. Il n'y a aucune écriture EHR ou MDS d'aucune sorte, et aucune requête en langage naturel interactive sur l'audit. L'analytique prédictive de la démarche, la détection Wi-Fi pour les espaces communs, la désambiguïsation à occupation multiple et le port edge vers le silicium embarqué sont tous des travaux futurs. L'unité de soins pour troubles de la mémoire, ses espaces, ses événements et le chien de thérapie sont synthétiques ; il n'y a pas de résidents, pas de clients, pas de pilote et pas de PHI. Vigil n'est pas un dispositif médical et ne bénéficie d'aucune autorisation FDA, ni de 510(k), ni de validation clinique, ni de certification CMS ou UL en tant que tel ; l'adaptateur maintient l'isolation UL 1069/2560 sur le chemin de dispatch. Rien ici ne remplace le personnel, le jugement clinique ou l'évaluation d'un médecin.
Personne ne peut répondre honnêtement à cela depuis une démo, alors jugez l'hypothèse derrière le chiffre. Le chiffre de 0,0 par chambre par jour suppose 30 déclenchements de mouvement bénins par chambre par jour, ce qui est au-dessus des 5 à 15 par chambre par jour rapportés dans la littérature pour les capteurs existants, et il provient d'un ensemble de référence synthétique fixe plutôt que d'un vrai service. Un vrai pilote vise moins de 2 fausses alertes par chambre par jour après une calibration en mode ombre, et c'est le chiffre auquel nous tenir.
Les caractéristiques radar ne contiennent aucune image et aucune vidéo à aucun point, donc il n'y a rien de reconnaissable à capturer, et c'est ce qui rend l'espace accessible. 19 États américains ont adopté des lois sur les caméras couvrant les chambres de maisons de retraite, qui permettent généralement une caméra dans la chambre d'un résident avec consentement et laissent les salles de bain exclues en pratique pour des raisons de respect de la vie privée. Tout déploiement nécessite encore votre propre processus de révision de la confidentialité et de consentement des résidents.
Non. Deux vraies chutes se sont produites pendant le quart de démo. Le moteur a émis une alerte pour la longue gisance en salle de bain Cam 3 à 0,99 de confiance et a acheminé l'événement Cam 2 vers une vérification par le personnel à faible confiance, parce que cet espace contenait deux cibles et que le suivi d'une seule personne est en dehors de la couverture V1. Une affirmation de chute confiante sur une scène à deux cibles est exactement l'erreur qui apprend au personnel de nuit à ne plus croire au panneau, donc l'ambiguïté est transmise à une personne.
Le JSON d'audit de quart exporté contient chaque alerte, acheminement et suppression avec ses valeurs de caractéristiques décisives et sa raison de politique, sous les clés de premier niveau engine, facility, shift, metrics, events et _note. La note d'incident clinique est composée séparément à partir de ces preuves structurées pour un classeur QAPI ou un dossier CMS F689 et ne se trouve pas dans l'export. Un détail à connaître avant de le remettre à quelqu'un : l'export estampille son nom de build interne sur le champ engine, pas le nom du produit.
Non. Un modèle ne peut jamais générer une alerte par lui-même. Les conditions narratives déterministes — station debout, descente, impact soutenu et niveau du sol — doivent toutes être satisfaites dans la même fenêtre de 8 secondes avant que le P(fall) du classificateur soit consulté, et il est ensuite vérifié par rapport à un seuil fixe de 0,70 que le modèle ne définit pas. Une confiance plus faible peut encore transformer une alerte en suppression, donc le modèle contraint la décision vers le bas et jamais vers le haut.
L'adaptateur de dispatch émet les deux formats, il peut donc se placer devant l'une ou l'autre génération de système d'appel infirmière : un signal relais à contact sec Rauland hérité, opto-isolé avec isolation UL 1069/2560 maintenue, et une charge utile MQTT et REST JSON Ascom ou Austco moderne. Dans cette démo, c'est un adaptateur stub journalisé sans matériel d'appel infirmière connecté. Vigil est la couche entre le capteur et le système que vous utilisez déjà, pas un remplacement pour l'un ou l'autre.
La recherche derrière cette démo — l'architecture, la conception de la vérification, et le plan directeur d'entreprise.
Nous ne vendons pas de capteurs. Nous construisons la couche d'intelligence qui rend les capteurs utiles, et nous l'avons construite pour les opérateurs d'établissements pour personnes âgées et les équipes de technologie clinique qui savent déjà que détecter la chute est la moitié facile.
Avec 63 % des établissements signalant un manque de personnel, un panneau qui crie au loup est la première chose qu'un service de nuit éteint. Une première conversation utile couvre les encombrements fixes de votre plan d'étage, les chambres qui ne sont pas surveillées maintenant, et ce que votre dernière inspection de l'État vous a effectivement demandé de produire. Nous pouvons travailler sur la calibration et le plan en mode ombre aux côtés de votre équipe clinique.