Modelli di assistenza personalizzata basati sull’intelligenza artificiale per la malattia di Alzheimer mediante l’analisi delle espressioni facciali e delle emozioni

Abstract

La malattia di Alzheimer e la demenza influenzano molti aspetti della vita quotidiana, tra cui lo stato emotivo, le routine e la comunicazione tra pazienti, caregiver e professionisti sanitari. Questa tesi esplora come l’analisi delle espressioni facciali e delle emozioni supportata dall’intelligenza artificiale possa essere integrata in NeuroAscendAI, una piattaforma digitale per l’assistenza nell’Alzheimer e nella demenza. Lo studio non ha sviluppato un nuovo modello di riconoscimento delle emozioni, ma si è concentrato sul design dell’interfaccia, sulla presentazione delle informazioni e sul possibile utilizzo nella pratica assistenziale. È stato utilizzato un approccio di progettazione human-centered e iterativo. Il feedback iniziale è stato raccolto da otto partecipanti, tra professionisti sanitari e caregiver familiari. I risultati hanno evidenziato l’importanza di semplicità, accessibilità, chiarezza delle informazioni e integrazione dei dati emotivi con altre osservazioni rilevanti per l’assistenza. Sulla base di questi feedback sono state aggiornate le interfacce dedicate a pazienti, caregiver e professionisti sanitari. Il prototipo aggiornato è stato successivamente valutato da quattro partecipanti. I risultati sono stati generalmente positivi: il riepilogo settimanale per i caregiver ha ottenuto il punteggio medio più alto (4,75/5), mentre i riepiloghi visivi e il riepilogo per i professionisti sanitari hanno ottenuto 4,50/5. L’interfaccia per il paziente ha ricevuto valutazioni più variabili, con una media di 3,50/5 per l’adeguatezza alle persone con Alzheimer o demenza. Nel complesso, il feedback degli stakeholder ha contribuito a migliorare il prototipo e a identificare gli aspetti che richiedono ulteriori sviluppi e test diretti con i pazienti.

Alzheimer’s disease and dementia affect many aspects of daily life, including emotional state, routines, and communication between patients, caregivers, and healthcare professionals. This thesis explores how AI-supported facial expression and emotion analysis can be integrated into NeuroAscendAI, a digital platform for Alzheimer’s and dementia care. The study did not develop a new emotion recognition model; instead, it focused on interface design, information presentation, and possible use in care practice. A human-centered and iterative design approach was used. Initial feedback was collected from eight participants, including healthcare professionals and family caregivers. Their feedback highlighted the importance of simplicity, accessibility, clear information, and presenting emotion-related information together with other care-related observations. Based on this feedback, the patient, caregiver, and healthcare professional interfaces were updated. The revised prototype was then evaluated by four participants. Results were generally positive: the caregiver weekly summary received the highest mean score (4.75/5), while visual summaries and the healthcare professional summary both received 4.50/5. The patient interface received more mixed feedback, with a mean score of 3.50/5 for appropriateness for people living with Alzheimer’s disease or dementia. Overall, stakeholder feedback helped improve the NeuroAscendAI prototype and identify areas that still require further development and direct testing with patients.