Synthetic Data Guided Feature Selection for Robust Activity Recognition in Older Adults

Resumo Técnico: Seleção de Características Guiada por Dados Sintéticos para o Reconhecimento Robusto de Atividades em Idosos

Declaração do Problema
O monitoramento da atividade física é crítico para mitigar o declínio funcional de longo prazo em pacientes geriátricos em recuperação de fraturas de quadril. No entanto, os sistemas de monitoramento contínuo existentes que utilizam rastreadores vestíveis comerciais são tipicamente calibrados em adultos de meia-idade. Consequentemente, eles operam de forma não confiável em idosos (com idade ≥80 anos), que exibem padrões de marcha mais lentos e variáveis e amplitudes de movimento alteradas. Esses sistemas frequentemente falham em distinguir movimentos de baixa intensidade, como a marcha arrastada (shuffling gait) versus o ato de estar em pé, e frequentemente negligenciam "transferências" clinicamente significativas (ex: sentar-para-levantar, deitar-para-sentar). Além Além disso, a coleta de dados sob condições simuladas de vida livre (FLC) introduz um severo desequilíbrio de classes e variabilidade interpessoal, levando ao sobreajuste (overfitting) em padrões idiossincráticos e à baixa generalização em modelos de Reconhecimento de Atividade Humana (HAR).

Metodologia
O estudo empregou um design observacional prospectivo envolvendo 24 adultos saudáveis (idade mediana de 82 anos) realizando atividades de vida diária (AVD) durante 75 minutos em um ambiente controlado simulando FLC. Os dados foram capturados utilizando dois acelerômetros: um na parte superior da coxa (MOX, 25 Hz) e um na região lombar (APDM, 128 Hz).

Para abordar a variabilidade interpessoal e o desequilíbrio de classes, os autores propuseram um Modelo de Intervenção de Características (FIM) guiado por um novo esquema de geração de dados sintéticos:

1. Geração de Dados Sintéticos: Os autores utilizaram o Dynamic Time Warping Barycentre Averaging (DBA) para gerar janelas sintéticas específicas de cada classe. Esta técnica alinha séries temporais com dinâmicas temporais variáveis via estiramento/compressão não linear e calcula um baricentro, capturando características comuns de marcha enquanto suprime o ruído específico de cada indivíduo. O conjunto de dados sintéticos correspondeu ao conjunto de dados reais na distribuição de classes para preservar as condições de desequilíbrio.
2. Pipeline de Seleção de Características: Um conjunto de seleção de características heterogêneo (HFSE) foi desenvolvido, combinando cinco algoritmos (Relief-F, MRMR, ICT, OOB-I e LD-R) com agregação de ranking robusta. Crucialmente, a seleção de características foi realizada exclusivamente no conjunto de dados sintéticos. O subconjunto de características resultante foi então extraído dos dados reais para o treinamento do modelo. Este método visou identificar características de atividade invariantes ao sujeito, em vez de vieses específicos do conjunto de dados.
3. Treinamento do Modelo: Um classificador k-vizinhos mais próximos (KNN) (k=5) foi treinado nos dados reais usando as características selecionadas dos dados sintéticos. Este foi comparado contra um Modelo de Condição de Controle (CCM), onde a seleção de características foi realizada inteiramente nos dados reais utilizando validação cruzada padrão.
4. Avaliação: O desempenho foi avaliado por meio de validação cruzada de exclusão de um sujeito (LOSO-CV) com F1-scores, precisão e revocação (recall).

Principais Resultados
O FIM demonstrou robustez e generalização superiores em comparação ao CCM:

• Desempenho Geral: O FIM alcançou um F1-score médio de 0,915 ± 0,064, superando significativamente o CCM (0,896 ± 0,075).
• Detecção de Transferências: O melhoria mais significativa foi observada em "transferências", uma classe de alta relevância clínica frequentemente negligenciada. O FIM aumentou o F1-score médio para transferências para 0,816 ± 0,120 (vs. 0,755 ± 0,159 para o CCM) e elevou notavelmente o limite inferior de desempenho entre os participantes (0,500–1,0 vs. 0,176–0,929).
• Eficiência de Características: O FIM classificou com sucesso cinco classes de atividades (caminhar, em pé, sentado, deitado, transferências) utilizando apenas seis características discriminativas selecionadas dos dados sintéticos: Média-X/Z (coxa superior), Média-X (lombar), Mín-X (coxa superior) e RMS-X (coxa superior/lombar).
• Casos de Falha: O modelo teve dificuldades com dois participantes específicos. O participante 18 teve o ato de deitar classificado incorretamente como sentado devido à orientação desviante do sensor (Média-X LB ≈ -0,4g), e o participante 1 teve o caminhar classificado incorretamente como em pé devido a amplitudes de aceleração anormalmente baixas (Mín-X UT).

Significância e Alegações
O artigo alega que o uso de dados sintéticos para guiar a seleção de características é uma estratégia viável para melhorar a robustez do HAR em populações geriátricas. Ao utilizar o DBA para capturar características de movimento comuns, o método efetivamente suprime a variabilidade individual, permitindo que o processo de seleção de características identifique padrões fundamentais e invariantes ao sujeito.

Os autores enfatizam que, embora o estudo tenha sido conduzido em adultos saudáveis (uma coorte de viabilidade pareada por idade), os resultados demonstram o potencial para o reconhecimento de atividades robusto em contextos de reabilitação de fratura de quadril. O estudo destaca que:

1. Dados sintéticos podem melhorar a generalização entre participantes, particularmente para atividades difíceis de detectar, como transferências.
2. Um conjunto compacto de características derivadas de dados sintéticos pode gerar um desempenho confiável em dados do mundo real.
3. As limitações atuais, como a classificação incorreta em indivíduos com marcha extremamente lenta ou problemas específicos de deslocamento do sensor, indicam a necessidade de validação adicional em populações reais de pacientes com fratura de quadril, que podem exibir desvios de marcha ainda mais pronunciados e durações de transferência prolongadas.

O artigo conclui que estes resultados preliminares apoiam a viabilidade do sistema de monitoramento proposto, mas afirma explicitamente que é necessária uma validação adicional em populações clínicas de pacientes para avaliar sua verdadeira utilidade clínica.