OsloMets Assisted Living-prosjekt demonstrerer hvordan kombinasjonen av sensorer og kunstig intelligens kan transformere eldreomsorgen. Ved å analysere aktivitetsmønstre fra 8 testboliger klarte forskerne å identifisere avvik fra normale rutiner med 89 % nøyaktighet. Dette åpner for systemer som kan varsle helsepersonell om endringer i funksjonsevne før alvorlige hendelser inntreffer.
Teknologien bruker trådløse sensorer som registrerer:
Ved å kombinere disse datastrømmene med tidsstempler og romlig kontekst, skaper systemet et helhetlig bilde av brukerens hverdagsaktiviteter. I én testleilighet oppdaget systemet en 40 % reduksjon i nattlige toalettbesøk – en tidlig indikator på dehydrering – noe som førte til tidlig intervensjon.
Oslo kommunes bruk av GPS-sporingsteknologi for personer med demens viser veien mot mer adaptivte løsninger. En studie fra 2024 viste at kombinasjonen av geofencing og bevegelsessensorer reduserte «savningshendelser» med 72 % blant brukerne2. Dette understreker potensialet i å integrere wearable-enheter med kommunale overvåkingssystemer.
Assisted Living-prosjektets erfaringer viser at brukermedvirkning er avgjørende for suksess. Da 80 eldre ble involvert i designprosessen, økte aksepten for videobasert overvåkning fra 35% til 82%. Denne tilnærmingen bør implementeres i kommuneplanlegging, noe Helsedirektoratet anbefaler i sin nasjonale veileder for velferdsteknologi.
Selv om maskinlæringsteknologien lover bedre prediksjon, reiser den nye spørsmål:
Forskerne i OsloMet-prosjektet løste dette gjennom åpent dialogforum der brukerne selv definerte akseptable grenser for datainnsamling. Denne modellen bør skaleres nasjonalt.