{"id":633535,"date":"2026-08-15T11:41:23","date_gmt":"2026-08-15T11:41:23","guid":{"rendered":"https:\/\/www.europesays.com\/it\/633535\/"},"modified":"2026-08-15T11:41:23","modified_gmt":"2026-08-15T11:41:23","slug":"il-sistema-intelligente-che-riconosce-quando-un-anziano-cade-molti-meno-falsi-allarmi-nel-nuovo-studio","status":"publish","type":"post","link":"https:\/\/www.europesays.com\/it\/633535\/","title":{"rendered":"Il sistema intelligente che riconosce quando un anziano cade: molti meno falsi allarmi nel nuovo studio"},"content":{"rendered":"

Basta un gesto domestico, il pi\u00f9 innocente: chinarsi in fretta, abbandonarsi sul divano, sedersi con poca cerimonia. Per noi \u00e8 vita quotidiana; per una telecamera governata da un algoritmo pu\u00f2 diventare una piccola scena d\u2019emergenza, con l\u2019intelligenza artificiale<\/strong> nel ruolo del custode troppo zelante che suona l\u2019allarme a ogni movimento brusco. Il problema, dunque, non \u00e8 soltanto riconoscere una caduta. \u00c8 imparare quando non chiamare aiuto<\/strong>.<\/p>\n

Uno studio pubblicato il 14 agosto su Scientific Reports<\/strong>, condotto da ricercatori della Virginia Tech e del Carilion Roanoke Memorial Hospital, affronta proprio questo nodo con un sistema di intelligenza artificiale<\/strong> costruito su due stadi consecutivi<\/strong>. Il risultato pi\u00f9 vistoso \u00e8 una riduzione del 40,5% dei falsi positivi<\/strong> rispetto all\u2019impiego del solo primo livello. Non \u00e8 un esercizio accademico: negli Stati Uniti pi\u00f9 di 14 milioni<\/strong> di persone dai 65 anni<\/strong> in su riferiscono almeno una caduta ogni anno, e le cadute costituiscono la principale causa di morte per trauma in questa fascia d\u2019et\u00e0.<\/p>\n

Ma vediamo il paradosso dei numeri. In una struttura assistenziale la caduta autentica \u00e8 rara, sommersa da ore e ore di passi, soste, piegamenti, alzate dal letto, riposi volontari. Nei dati esaminati, i fotogrammi con una caduta erano appena 8.667 su 454.574<\/strong>, cio\u00e8 l\u20191,91%<\/strong> del totale; quelli senza cadute arrivavano a 445.907<\/strong>, con uno squilibrio superiore a 51 contro uno<\/strong>. L\u2019algoritmo pu\u00f2 cos\u00ec mostrarsi sensibilissimo e tuttavia diventare insopportabile, una specie di banditore elettronico che annuncia il pericolo anche quando qualcuno si \u00e8 soltanto seduto con troppa energia.<\/p>\n

La strategia? Un controllo in due tempi<\/strong>. Il primo modello passa al setaccio il flusso video ed \u00e8 addestrato a peccare per prudenza: deve soprattutto evitare che una caduta gli sfugga. Le sequenze sospette vengono poi consegnate a un secondo livello<\/strong>, che riesamina le caratteristiche individuate dalla rete neurale e scarta una parte delle segnalazioni. Il primo sistema alza la mano; il secondo domanda se ne valga davvero la pena. Sensibilit\u00e0 e selezione<\/strong>, finalmente, non sono pi\u00f9 costrette a recitare la stessa parte.<\/p>\n

Per la prova sono stati accostati due mondi assai diversi: 190 video di cadute simulate<\/strong> e 300 registrazioni di cadute spontanee<\/strong>, avvenute ad anziani ospiti di strutture di assistenza a lungo termine. La distinzione conta. Fingere una caduta in un ambiente predisposto offre immagini ordinate, quasi da prova generale; cadere davvero significa invece movimenti irregolari, stanze affollate, ostacoli, luce variabile, corpi o arredi che coprono in parte la visuale. \u00c8 qui che la tecnica lascia il laboratorio e incontra la confusione della vita.<\/p>\n

I dati mostrano il guadagno, ma anche il prezzo. Con un solo stadio il sistema riconosceva l\u201988,5%<\/strong> delle cadute e raggiungeva una precisione del 23,3%<\/strong>. Introducendo il secondo filtro, il recall scendeva all\u201982,4%<\/strong>, mentre la precisione saliva al 32,2%<\/strong>; i falsi positivi passavano da 1.057 a 629<\/strong>, vale a dire 428 segnalazioni sbagliate in meno<\/strong>. In compenso, nel set di validazione non venivano riconosciuti altri 22 episodi<\/strong>. Gli autori non nascondono il compromesso: diminuire il frastuono degli allarmi pu\u00f2 significare perdere qualche emergenza reale.<\/p>\n

Un discorso a parte merita proprio quel 32,2%<\/strong>, che vieta entusiasmi da vetrina tecnologica. Per ogni segnalazione corretta restavano, all\u2019incirca, due falsi positivi<\/strong>. Sedersi rapidamente, chinarsi o sdraiarsi di propria volont\u00e0 continuano a confondere il sistema: gesti semplici per l\u2019occhio umano, maschere ben riuscite per la macchina. Inoltre, i dati provengono da contesti istituzionali<\/strong>, con telecamere fisse<\/strong> e condizioni relativamente controllate; prima di immaginare un impiego generalizzato serviranno ambienti e popolazioni pi\u00f9 eterogenei.<\/p>\n

Non siamo dunque davanti a un sorvegliante autonomo capace di vedere tutto e di non sbagliare mai. Il passo avanti \u00e8 pi\u00f9 sobrio, e forse pi\u00f9 utile: l\u2019intelligenza artificiale<\/strong> non viene addestrata soltanto a gridare \u00abcaduta\u00bb, ma anche a trattenersi. In un reparto, dove ogni segnale mette in moto l\u2019attenzione di un operatore, il silenzio ben giudicato<\/strong> pu\u00f2 valere quasi quanto l\u2019allarme tempestivo.<\/p>\n

\"\"<\/p>\n

\u2e3b<\/p>\n

Henley E., Stark N.E.-P., Reilly B. et al. \u201cFall detection in extreme class imbalance: a cascade architecture for real-world deployment\u201d. Scientific Reports, 14 agosto 2026. DOI: 10.1038\/s41598-026-62060-x.<\/p>\n

Link alla pubblicazione<\/strong><\/a><\/p>\n","protected":false},"excerpt":{"rendered":"Basta un gesto domestico, il pi\u00f9 innocente: chinarsi in fretta, abbandonarsi sul divano, sedersi con poca cerimonia. Per…\n","protected":false},"author":3,"featured_media":633536,"comment_status":"","ping_status":"","sticky":false,"template":"","format":"standard","meta":{"footnotes":"","_share_on_mastodon":"0"},"categories":[175],"tags":[15503,349618,349620,206578,239,668,1537,90,89,349619,77559,240,327364,7045,349617],"class_list":["post-633535","post","type-post","status-publish","format-standard","has-post-thumbnail","category-salute","tag-cadute","tag-carilion-roanoke-memorial-hospital","tag-due-livelli","tag-falsi-positivi","tag-health","tag-intelligenza-artificiale","tag-it","tag-italia","tag-italy","tag-mondosanita-it","tag-reti-neurali","tag-salute","tag-scientific-reports","tag-telecamere","tag-virginia-tech"],"share_on_mastodon":{"url":"https:\/\/pubeurope.com\/@it\/117099344558327577","error":""},"_links":{"self":[{"href":"https:\/\/www.europesays.com\/it\/wp-json\/wp\/v2\/posts\/633535","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.europesays.com\/it\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.europesays.com\/it\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.europesays.com\/it\/wp-json\/wp\/v2\/users\/3"}],"replies":[{"embeddable":true,"href":"https:\/\/www.europesays.com\/it\/wp-json\/wp\/v2\/comments?post=633535"}],"version-history":[{"count":0,"href":"https:\/\/www.europesays.com\/it\/wp-json\/wp\/v2\/posts\/633535\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.europesays.com\/it\/wp-json\/wp\/v2\/media\/633536"}],"wp:attachment":[{"href":"https:\/\/www.europesays.com\/it\/wp-json\/wp\/v2\/media?parent=633535"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.europesays.com\/it\/wp-json\/wp\/v2\/categories?post=633535"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.europesays.com\/it\/wp-json\/wp\/v2\/tags?post=633535"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}