הנתב של Wi-Fi שלכם יכול לזהות נפילה. הנה למה זה חשוב יותר מכל שעון חכם

אמי מתקשרת אליי בכל יום ראשון. לפני כמה חודשים היא ציינה - כמעט כבדרך אגב - שסבתי הפסיקה לענוד את תליון ההתראה הרפואית שלה. "זה גורם לה להרגיש זקנה," אמרה אמי, בעייפות המיוחדת של מי שניהל את הוויכוח הזה פעמים רבות.

סבתי בת 83. היא גרה לבדה. התליון היה אמור להיות רשת הביטחון שלה - ללחוץ על כפתור, לקבל עזרה. אבל כעת הוא יושב במגירה, לצד כבל טעינה שהיא לא ממש מסתדרת איתו ומדריך הפעלה מהירה שאף אחד לא קרא. המכשיר האישי המתקדם ביותר לשעת חירום בשוק, ולמעשה הוא מכביד נייר.

השיחה הזו גיבשה משהו שהסתובבתי סביבו כבר זמן מה ב-Veriprajna. שקענו במחקר על Channel State Information - שכבת הנתונים המורכבת המוסתרת בתוך כל אות Wi-Fi - וחזרתי שוב ושוב לאותה שאלה לא נוחה: מה אם כל תעשיית המכשירים הלבישים לניטור בריאות פותרת את הבעיה הלא נכונה?

לא בעיה של חיישנים. לא בעיה של סוללה. בעיה אנושית.

למכשיר שסבתי סירבה לענוד יש אלגוריתמים מצוינים לזיהוי נפילות. יש לו סוללה ל-48 שעות. הוא עמיד במים בדירוג IP68. וכל זה לא משנה, כי הוא דורש מאישה בת 83 עם דלקת פרקים לשתף פעולה באופן פעיל עם פיסת טכנולוגיה בכל יום ויום. המחקר תומך במה שסבתי הוכיחה באמצעות עקשנות טהורה: כ-30% מהמשתמשים נוטשים את מכשירי המעקב הבריאותי שלהם תוך שישה חודשים. מבין המשתמשים בתליוני מענה חירום אישי באופן ספציפי, רק 14% משיגים היענות אמיתית של 24 שעות ביממה.

מכשיר הניטור הבריאותי האפקטיבי ביותר אינו זה עם החיישנים הטובים ביותר. זה זה שלא דורש שום אינטראקציה כלל. וייתכן שהוא כבר יושב בסלון שלכם, מהבהב בשקט לצד המודם.

פרדוקס המקלחת

הנה סטטיסטיקה שאמורה להטריד כל מי שעוסק בטכנולוגיה בתחום הבריאות: חדר האמבטיה הוא החדר המסוכן ביותר בבית עבור קשישים, וזה החדר שבו הכי סביר שיסירו את המכשירים הלבישים.

התחלתי לקרוא לזה "פרדוקס המקלחת" כשמיפינו מצבי כשל עבור מערכות ניטור פעילות. למרות ששעונים חכמים מודרניים נושאים דירוגי עמידות במים IP67 או IP68, מבוגרים בגיל השלישי נוהגים להסיר אותם לפני הרחצה. ניסיון חיים שלם עם מכשירים אלקטרוניים שלא שרדו התזה. פחד לפגוע במשהו יקר. אי הנוחות של רצועה רטובה על עור שביר. הסיבות שגרתיות ולגמרי רציונליות.

כך שהמשתמש נשאר ללא ניטור בדיוק בחלון הזמן שבו נפילה היא הכי סבירה. אריחים חלקים, קצוות פורצלן קשים, אדים המפחיתים ראות - והמכשיר יושב על כיור האמבטיה, טעון במלואו, חסר תועלת לחלוטין.

כשהצגתי את הבעיה הזו למשקיע בשלב מוקדם, הוא משך בכתפיו ואמר, "אז תכינו תליון עמיד במים שהם לא יכולים להסיר." אני זוכר שישבתי באותה פגישה וחשבתי: אתה רוצה לכבול אישה בת 83 לחיישן. זה לא פתרון. זו כבילה.

השאלה אינה איך לגרום לאנשים לענוד מכשירי ניטור. השאלה היא איך להפוך את הניטור לבלתי נראה.

מה אם הקירות שלכם יכלו להקשיב לנשימה שלכם?

לא באמצעות מיקרופונים. באמצעות גלי רדיו.

כל נתב Wi-Fi בביתכם משדר כל הזמן אותות תדר רדיו המוחזרים מקירות, מרהיטים, ו- וזה החשוב מכול - מבני אדם. אותות אלה נושאים משהו שנקרא Channel State Information, או CSI. בניגוד למחוון עוצמת האות הגס שמציג הטלפון שלכם (אותם פסים מוכרים), CSI מתאר כיצד האות האלחוטי מתפשט על פני עשרות או מאות תת-נושאי תדר בודדים. הוא לוכד עוצמה ופאזה עבור כל אחד מהם. זוהי למעשה טביעת אצבע אלקטרומגנטית ברזולוציה גבוהה של הסביבה הפיזית.

כאשר אדם נע בתוך הסביבה הזו, הוא מפריע לטביעת האצבע. אם הולכים על פני חדר, תזוזת דופלר באות המוחזר יוצרת דפוס מהירות מובחן. אם מניפים את הידיים תוך כדי הליכה, CSI לוכד את המשחק המורכב בין הגפיים הנעות לעבר המקלט ובחזרה ממנו.

אבל הנה מה שממש הדהים אותי בפעם הראשונה שראיתי את הנתונים: אתם לא חייבים ללכת. אתם רק צריכים לנשום.

בתדר 5GHz, לאות Wi-Fi יש אורך גל של כ-6 סנטימטרים. דופן בית החזה האנושי נעה כ-4 עד 12 מילימטרים במהלך נשימה רגילה. זהו חלק קטן מאורך הגל - אך הוא מספיק. כאשר בית החזה מתרחב ומתכווץ, הוא מסיט את האות המוחזר בין הפרעה בונה להפרעה הורסת, ויוצר תנודה קצבית בנתוני הפאזה של CSI. אנו יכולים לשחזר את גל הנשימה מתוך התנודה הזו בדיוק הדומה לרצועות נשימה ברמה רפואית - הערכות ניסיוניות מראות שגיאות הערכת קצב נשימה מתחת ל-3.2 נשימות לדקה, ומודלים של למידה עמוקה משיגים מקדמי מתאם העולים על 0.92 בהשוואה לרצועות חזה ייחוס.

אני זוכר את הלילה שבו הצוות שלנו חילץ לראשונה אות נשימה נקי מנתב Wi-Fi רגיל וזול. היה מאוחר - הרבה אחרי חצות - ואחד המהנדסים שלי שכב על ספה בחלל הבדיקות שלנו במשך עשרים דקות בזמן שכיוונו את צינור העיבוד המקדים. כשגל הנשימה הופיע על המסך, חלק וקצבי, עוקב במדויק אחר נשימתו, החדר השתתק. אז מישהו אמר, "הוא באמת נרדם." ויכולנו לראות את זה. לא באמצעות מצלמה. לא באמצעות רצועת חזה. דרך קיר, באמצעות גלי רדיו, מנתב שעולה 30 דולר.

זה היה הרגע שבו ידעתי שאיננו עובדים על שיפור מצטבר. אנחנו עובדים על פרדיגמה שונה לחלוטין.

למה אי אפשר פשוט להשתמש ב-GPT לצורך זה?

אני נשאל את השאלה הזו כל הזמן. בדרך כלל על ידי אנשים שבילו את השנתיים האחרונות בצפייה במודלי שפה גדולים עושים דברים מרשימים יותר ויותר, והגיעו למסקנה הגיונית ש"בינה מלאכותית" משמעה "להטיל את זה על טרנספורמר שאומן על טקסט מהאינטרנט."

נתוני CSI אינם טקסט. הם אפילו לא קרובים לטקסט. הם רציפים, בעלי ערך מרוכב, רבי-ממדים, ונשלטים על ידי משוואות מקסוול, לא על ידי דקדוק. מודל שפה גדול (LLM) אינו יכול "לקרוא" גל בתדר 5GHz יותר משהוא יכול לטעום לימון. הארכיטקטורות אינן תואמות זו לזו באופן יסודי.

לכן אני מתוסכל כשאני רואה חברות משווקות ניטור בריאות "מונע בינה מלאכותית" שמסתכם בעטיפת API סביב מודל כללי. ב-Veriprajna, אנו בונים רשתות עצביות עמוקות מותאמות אישית שתוכננו במיוחד לעיבוד אותות זמניים. ההבחנה חשובה - זהו ההבדל בין מערכת שעובדת בהדגמה לבין מערכת שעובדת בשלוש לפנות בוקר כשסבתה של מישהו נופלת באמבטיה.

הארכיטקטורה שלנו משתמשת בשלושה סוגי רשתות עצביות בתיאום, כאשר כל אחת מטפלת בהיבט שונה של האות:

רשתות עצביות קונבולוציוניות מתייחסות למטריצת נתוני ה-CSI - תת-נושאים המשורטטים כנגד זמן - כאל סוג של תמונה. ה-CNN לומד מתאמים מרחביים בין תדרים, ומזהה את ה"צורה" הספקטרלית של נפילה לעומת הצורה של מאוורר תקרה מסתובב. רשתות Long Short-Term Memory מוסיפות הקשר זמני. נפילה אינה רגע בודד; היא רצף - עמידה, איבוד שיווי משקל, האצה כלפי מטה, פגיעה, דממה. ה-LSTM זוכר מה קרה קודם, וכך אנו מבחינים בין מישהו שנופל לבין מישהו שמשתופף על ספה. וגם Dual-Branch Transformers מעבדים נתוני עוצמה ופאזה בו-זמנית דרך מסלולים נפרדים, וממזגים אותם באמצעות מנגנון קשב שמתעדף באופן דינמי איזה זרם נתונים אינפורמטיבי יותר. במהלך שינה, המודל נשען על נתוני הפאזה שבהם שוכן אות הנשימה. במהלך פעילות, הוא עובר לעוצמה.

כתבתי על הארכיטקטורה הטכנית המלאה - צינור העיבוד המקדים, גישת ההתאמה לתחום, הפיזיקה של אזורי פרנל - במאמר המחקר המפורט שלנו. הגרסה הקצרה: זו אינה בעיה שניתן לפתור עם מודל מאומן מראש והאקתון של סוף שבוע. עיבוד האות בלבד דורש פריסת פאזה (phase unwrapping), סינון Hampel, וניתוח רכיבים עיקריים לפני שרשת עצבית בכלל רואה את הנתונים.

מודל שפה גדול אינו יכול "לקרוא" גל בתדר 5GHz. הדבר המסוכן ביותר בבינה מלאכותית לבריאות אינו אלגוריתמים גרועים - זה שיווק טוב על טכנולוגיה רדודה.

איך חישה באמצעות Wi-Fi מזהה בפועל נפילה?

לנפילה יש חתימה קינמטית מובחנת באופן מפתיע בתחום תדר הרדיו. פעילויות שונות מייצרות דפוסי דופלר שונים - תזוזת התדר המתרחשת כאשר אות מוחזר מעצם נע.

הליכה מייצרת דפוס מורכב ותנודתי כאשר הידיים והרגליים מתנופפות לעבר המקלט ובחזרה ממנו. ישיבה מייצרת מהירות כלפי מטה קצרה ומבוקרת. אבל נפילה? נפילה מציגה רצף ספציפי: תנועה לא סדירה (איבוד שיווי משקל), האצה מהירה לכיוון הרצפה (כוח הכבידה עושה את שלו), קפיצת אנרגיה חדה (פגיעה), ולאחר מכן - וזה קריטי - דממה כמעט מוחלטת.

הדממה הזו היא הדבר החשוב ביותר. אנו קוראים לה "השכיבה הממושכת" (Long Lie), והיא לעיתים קרובות מסוכנת יותר מהנפילה עצמה. קשיש ששוכב על הרצפה במשך שעות, ללא יכולת לקום, ניצב בפני רבדומיוליזה, התייבשות, פציעות לחץ. הנפילה שוברת את הירך; השכיבה הממושכת עלולה להרוג.

המערכת שלנו לא רק מזהה את אירוע הנפילה - היא מזהה נפילות ברגישות העולה על 97% - היא ממשיכה לנטר גם לאחר מכן. אם ה-CSI מראה היעדר תנועה מוטורית גסה אך המשך נוכחות של תנועה מיקרוסקופית (נשימה) בגובה הרצפה, המערכת מאשרת "נפילה עם חוסר יכולת התאוששות" ומסלימה את ההתראה. הקשר שלאחר-הנפילה הזה הוא משהו שחיישני תאוצה לבישים אינם מסוגלים לספק באופן מהותי. מכשיר לביש יכול לומר לכם שהוא חווה האטה פתאומית. הוא לא יכול לומר לכם שהאדם שוכב כעת על רצפת האמבטיה, נושם אך לא זז, במשך ארבעים הדקות האחרונות.

יש שכבה נוספת שמרגשת אותי אפילו יותר: זיהוי טרום-נפילה. באמצעות ניטור רציף של הליכה - מהירות הליכה, עקביות הצעד - לאורך שבועות, המערכת יכולה לזהות את ההידרדרות העדינה בניידות שבדרך כלל מקדימה נפילה. האטה הדרגתית במהירות ההליכה היא סמן מנובא מאומת קלינית לסיכון נפילה. משמעות הדבר היא שאנו יכולים לסמן מישהו לטיפול פיזיותרפי מונע לפני התאונה, ולא רק להגיב אחריה.

החדר שרואה בלי עיניים

היה לי ויכוח עם עמית לגבי פרטיות שנמשך, בהפסקות, במשך כשלושה שבועות.

העמדה שלו: כל מערכת שמנטרת אנשים בבתיהם היא מעקב, נקודה. העמדה שלי: זה תלוי לחלוטין במה שהמערכת יכולה לראות.

מצלמה בחדר שינה מתעדת את גופו של אדם, את פניו, את רגעיו האינטימיים. אם השידור נפרץ, הנזק הרה אסון ובלתי הפיך. נתוני CSI - חומר הגלם של חישת Wi-Fi - מורכבים ממספרים מרוכבים המייצגים מאפייני התפשטות אות. אם הייתם מיירטים את זרם הנתונים, הייתם רואים מטריצות של ערכי עוצמה ופאזה. לא הייתם רואים פנים. לא הייתם רואים גוף. לא היה ניתן לשחזר תמונה גם אם הייתם מנסים. המערכת עיוורת מבחינה חזותית מעצם עיצובה.

חישת Wi-Fi אינה צופה באנשים. היא חשה את ההפרעה שהם יוצרים בשדה האלקטרומגנטי. ההבחנה אינה סמנטית - זהו ההבדל בין מעקב לבין מודעות.

לכך יש חשיבות עצומה עבור בעיית חדר האמבטיה. מצלמות אסורות - ובצדק - בחדרי אמבטיה ובחדרי שינה ברוב מתקני הטיפול. אך אותות Wi-Fi חודרים קירות, דלתות ווילונות מקלחת. הם פועלים דרך אדים. הם פועלים בחושך מוחלט. החדר המסוכן ביותר בבית הופך לניתן לניטור מבלי שעדשה אחת מכוונת לעבר מישהו.

עבור לקוחות ארגוניים - בתי אבות, מתקני דיור מוגן, תוכניות אשפוז ביתי - ההשלכות הרגולטוריות משמעותיות. תחת GDPR, CSI מסווג כנתונים ביומטריים משום שהוא יכול תיאורטית לזהות אנשים לפי דפוס ההליכה שלהם. תחת HIPAA, נתוני בריאות הנגזרים מניטור הם מידע בריאותי מוגן. אנו מטפלים בכך באמצעות עיבוד קצה מחמיר: נתוני CSI הגולמיים מעובדים מקומית על הנתב או השער, האות הביומטרי בעל רוחב הפס הגבוה לעולם לא עוזב את המכשיר, ורק אירועים מופשטים משודרים לענן. חבילת JSON שכתובה {"event": "Fall", "location": "Bathroom", "confidence": 0.98} אינה מכילה נתונים ביומטריים ולא ניתן להנדס אותה לאחור כדי לזהות את הפיזיולוגיה של מישהו.

אני בוחן את ארכיטקטורת הפרטיות המלאה ואת מסגרת הציות בהגרסה האינטראקטיבית של הניר הלבן שלנו.

מה לגבי חדרים שונים ובתים שונים?

זוהי ההתנגדות שאני מתייחס אליה ברצינות הרבה ביותר, משום שבמשך שנים היא הייתה קוברת לגיטימית של מחקר חישת Wi-Fi.

מודל שאומן על נתוני CSI שנאספו במעבדה א' ייכשל באופן דרמטי כשייפרס בדירה ב'. ממדי חדר שונים, ריהוט שונה, חומרי קיר שונים - סביבת ריבוי הנתיבים משנה הכול. המודל לא למד "איך נראית נפילה." הוא למד "איך נראית נפילה בחדר הספציפי הזה עם הספה הספציפית הזו בפינה הספציפית הזו." התאמת יתר להשתקפויות של מרחב אחד.

הצוות שלי בילה תקופה כואבת ממש בגילוי הדבר הזה באופן ישיר. היו לנו מספרי דיוק יפהפיים מסביבת הבדיקה שלנו - מעל ל-98% בזיהוי נפילות - ואז העברנו את המערך לקומה אחרת באותו בניין וצפינו במספרים קורסים. אני זוכר שבהיתי במטריצת הבלבול, וחשבתי שחיווטנו משהו לא נכון. לא היה כך. המודל פשוט שינן את החדר.

הפתרון הגיע מגישת אימון יריבותי הנקראת Domain Adversarial Neural Networks. הרעיון אלגנטי מבחינה עקרונית ומטריף מבחינת יישום: מאמנים את הרשת עם שתי מטרות מתחרות בו-זמנית. ראש אחד מנסה לסווג נכון את הפעילות - נפילה מול הליכה מול ישיבה. הראש השני מנסה לזהות מאיזו סביבה הגיעו הנתונים. לאחר מכן כופים על מחלץ המאפיינים לבלבל את מסווג הסביבה. הרשת נאלצת ללמוד מאפיינים שאינם משתנים ביחס לחדר - ה"אידיאה האפלטונית" של חתימת נפילה שנראית זהה בין אם היא מתרחשת בדירת סטודיו ובין אם במסדרון בית אבות.

כשלבסוף הצלחנו להפעיל את זה - אחרי שבועות של כיוונון היפרפרמטרים ויותר מוויכוח אחד עד השעות הקטנות של הלילה על שכבות היפוך גרדיאנט - הדיוק הבין-סביבתי התייצב. לא מושלם. אבל ניתן לפריסה. "מאמנים פעם אחת, פורסים בכל מקום" הפך משאיפה למציאות הנדסית.

השדרוג ללא חומרה

עבור המפעילים שאיתם אני מדבר - האנשים המנהלים מתקני דיור מוגן, האקטוארים בביטוח שמדגמנים סיכוני נפילה, מנהלי תוכניות אשפוז ביתי - המצע אינו באמת על הבינה המלאכותית. הוא על הכלכלה.

למתקנים אלה כבר יש רשתות Wi-Fi ארגוניות. כבר יש להם נתבים במסדרונות ונקודות גישה באזורים משותפים. יכולת החישה חיה באותות שהמכשירים האלה כבר משדרים. עם השבב הנכון - סדרת Networking Pro של Qualcomm עם ה-NPU מסוג Hexagon המובנה בה, פלטפורמות Wi-Fi 7 ו-Wi-Fi 8 של Broadcom עם מנוע הטלמטריה BroadStream, או אפילו מיקרו-בקרי ESP32 בעלות 5 דולר הפרוסים כצמתי חישה ייעודיים - השדרוג הוא בעיקרו תוכנתי.

אין מכשירים לבישים לרכוש, לאבד, לטעון או להחליף. אין מצלמות להתקין, לתחזק, או להגן עליהן בתביעת פרטיות. עדכון קושחה מאפשר זיהוי נפילות ב-100 חדרים בו-זמנית.

ה-IEEE מפרמל זאת באמצעות 802.11bf, תקן חישת ה-WLAN הצפוי לאשרור בסוף 2024/2025. כשהוא ייכנס לתוקף, כל נתב Wi-Fi חדש יתמוך באופן טבעי בחילוץ CSI ובבקשות חישה. הנתב הופך לרדאר סטנדרטי. התשתית כבר קיימת. פשוט לא השתמשנו בה.

אנשים שואלים אותי לפעמים האם חישת Wi-Fi פסיבית תחליף לחלוטין את המכשירים הלבישים. אני לא חושב כך - לא עבור אוכלוסיות פעילות וניידות שנהנות מניטור קצב לב במהלך פעילות גופנית או מעקב GPS בפעילויות חוץ. מכשירים לבישים משרתים מטרה אמיתית עבור "הזקנים הצעירים," קבוצת הגילאים 65 עד 75 שאוריינת דיגיטלית ופעילה פיזית. אבל עבור בת ה-85 עם דמנציה שלא זוכרת לטעון תליון? עבור מטופל לאחר ניתוח המחלים בביתו וזקוק לניטור נשימתי רציף? עבור מפעיל המתקן המנסה לספק כיסוי בטיחות 24/7 ללא מצלמה בכל חדר? התשובה אינה מכשיר לביש טוב יותר. זה שאין מכשיר לביש בכלל.

אחרים שואלים לגבי חיות מחמד - האם כלב יפעיל התראות שווא? חתימת הדופלר של טרייר במשקל 15 פאונד ושל אדם בן 80 שונה באופן דרמטי הן בפרופיל המהירות והן בחתך הגוף. הרשת העצבית לומדת את ההבחנה הזו במהירות. חתולים מסובכים יותר, אך ההקשר הזמני מה-LSTM - הרצף של התנועה, לא רק פריים בודד - מטפל ברוב המקרי הקצה.

האוויר כבר מלא במידע

אני חושב על סבתי לעיתים קרובות כשאני עובד על הטכנולוגיה הזו. היא אינה מקרה שימוש או פרסונה במצגת מכירות. היא אדם שרוצה לחיות בביתה שלה, עם השגרות שלה, ללא מדליון פלסטיק סביב צווארה המשדר את שבריריותה לכל מבקר.

האוויר בדירתה כבר רווי באותות Wi-Fi. הם עוברים דרך קירותיה, מוחזרים מרהיטיה, מתאדוותים עם כל נשימה שהיא נושמת. כרגע, כל המידע הזה מתפזר ללא שימוש - רעש אלקטרומגנטי, בלתי נראה ומתעלמים ממנו.

יש לנו את הפיזיקה כדי לקרוא אותו. יש לנו את הבינה המלאכותית כדי לפרש אותו. יש לנו את החומרה כבר מותקנת במיליוני בתים. הדבר היחיד העומד בין המקום שבו אנו נמצאים לבין המקום שאליו עלינו להגיע הוא הנכונות להפסיק לחשוב על ניטור בריאותי כמשהו שרוצעים על אדם, ולהתחיל לחשוב עליו כמשהו שאורגים אל תוך המרחב שסביבו.

עתיד ניטור הבריאות אינו עוסק בגאדג'טים טובים יותר. הוא עוסק בהפיכת הבניין עצמו למודע - ובהפיכת המודעות הזו לבלתי נראית.

העידן שבו מבקשים מאנשים פגיעים לנהל בעצמם את טכנולוגיית המעקב שלהם מגיע לסיומו. לא משום שהטכנולוגיה נכשלה, אלא משום שההנחה מאחוריה - שהיענות היא בעיה של המשתמש ולא פגם בעיצוב - הייתה שגויה תמיד. התשובה מעולם לא הייתה כפתור טוב יותר ללחוץ עליו. היא הייתה ביטול הצורך ללחוץ על משהו בכלל.