Un letto “smart” che, attraverso dei sensori, monitora qualita’ di sonno e insonnia, rilevando in modo affidabile la posizione e i movimenti del corpo, la frequenza cardiaca e l’attivita’ respiratoria oltre ad una serie di parametri ambientali come il rumore e la luminosita’. È lo ‘smart bed’, realizzato dai ricercatori dell’Istituto di Fisiologia Clinica del Cnr di Pisa, del dipartimento di Ingegneria informazione e Centro interdipartimentale e del Dipartimento di Patologia chirurgica, medica, molecolare e dell’Area critica dell’Universita’ di Pisa. Il prototipo e’ stato poi testato dagli astronauti del progetto ‘Sirius’ della futura missione su Marte presso l’Accademia delle Scienze della Russia. Lo ‘smart bed’ puo’ fornire dei report periodici (giornalieri, settimanali e mensili) consultabili via web o applicazione per smartphone. Questi rapporti possono permettere ai medici e agli specialisti di valutare in modo continuativo gli effetti di terapie psicoterapeutiche o farmacologiche sulla qualita’ del sonno dei propri pazienti. Oltre a questo, i vantaggi dello ‘smart bed’ sono che e’ un dispositivo a basso costo, puo’ essere facilmente installato in ogni abitazione e rispetto ad altre soluzioni, come ad esempio smartwatch e attigrafi, non e’ invasivo, non va indossato ne’ bisogna ricordarsi di caricarlo. “Abbiamo sperimentato lo ‘smart bed’ analizzando il sonno di sei aspiranti astronauti durante la simulazione di un viaggio interplanetario che li ha costretti a un drastico isolamento per tre mesi”, spiega Angelo Gemignani dell’Universita’ di Pisa. Il prototipo, prosegue il ricercatore, “ci ha permesso di stimare la macrostruttura del sonno e di classificare correttamente quattro situazioni: se il letto e’ occupato, se la persona e’ sveglia, se in fase di sonno REM o non-REM. Si tratta di informazioni fondamentali per stimare un indice oggettivo di qualita’ del sonno e quindi, piu’ in generale, della qualita’ di vita”. “Abbiamo realizzato i sensori del materasso grazie ad una specifica tecnologia – aggiunge Marco Laurino dell’Istituto di Fisiologia clinica del CNR di Pisa – e per l’elaborazione dei dati ci siamo avvalsi dell’intelligenza artificiale e di algoritmi basati su ‘machine learning'”.
