Modello di IA Predice lo Stress da Calore nei Lavoratori Edili con il 95% di Accuratezza Utilizzando Dati da Dispositivi Indossabili

Un nuovo studio pubblicato su arXiv ha svelato modelli di deep learning progettati per predire lo stress da calore tra i lavoratori edili in Arabia Saudita, affrontando un importante problema di sicurezza. Il team di ricerca ha monitorato 19 lavoratori utilizzando smartwatch Garmin Vivosmart 5 per raccogliere dati sulla loro frequenza cardiaca, variabilità della frequenza cardiaca e livelli di ossigeno. Hanno scoperto che una rete Long Short-Term Memory (LSTM) basata su meccanismi di attenzione ha ottenuto risultati migliori rispetto alla LSTM standard, raggiungendo una notevole accuratezza di test del 95,40%, con meno falsi positivi e negativi. La precisione, il richiamo e i punteggi F1 del modello erano tutti intorno a 0,982, rendendolo adatto all'integrazione in sistemi di sicurezza IoT e dashboard BIM, migliorando infine la gestione della sicurezza nell'edilizia traducendo i dati sanitari in tempo reale in informazioni fruibili.