Arcle

Il Problema

Nelle strutture per anziani, il tempo che passa tra una caduta e il soccorso è critico. Il personale non può monitorare ogni ospite continuamente, e gli anziani spesso non riescono o non ricordano di chiamare aiuto. Le soluzioni esistenti erano o invasive (telecamere sempre accese con registrazione continua) o inaffidabili (pulsanti di emergenza che vengono dimenticati o non raggiunti dopo una caduta).

Ho co-fondato Arcle come startup IoT sanitaria con l'obiettivo di costruire un sistema che rilevasse automaticamente le cadute senza richiedere nessuna azione da parte dell'anziano, rispettando la privacy, e funzionando anche in caso di interruzione della connessione internet.

La Soluzione

Ho progettato e sviluppato l'intero stack hardware e software. I braccialetti smart usano ESP32 con accelerometro MPU-6050 a 3 assi e giroscopio: leggeri, batteria che dura giorni, comunicazione MQTT su rete locale. L'algoritmo di rilevamento analizza pattern di accelerazione e rotazione in finestre temporali brevi: distingue una caduta da un movimento brusco normale riducendo i falsi positivi dal 18% al 4%.

L'architettura è edge computing per design: Raspberry Pi 4 come hub centrale su ogni piano elabora i dati localmente senza dipendere da internet. ESP32 gestisce sensori ambientali distribuiti (temperatura, umidità, qualità aria) per monitorare il comfort degli ospiti. Se la connessione cade, il sistema locale continua ad allertare il personale nella struttura via rete LAN.

Telecamere nelle aree comuni usano computer vision per rilevare anomalie posturali (qualcuno a terra, movimenti insoliti) senza registrazione continua: elaborazione in tempo reale, nessun filmato salvato, solo notifiche quando viene rilevato qualcosa.

Il backend Django costruisce un modello comportamentale per ogni ospite: impara le routine (orari di sonno, percorsi abituali, livelli di attività) e rileva deviazioni significative che potrebbero indicare un problema. L'app Flutter per gli smartphone del personale riceve notifiche real-time con localizzazione dell'ospite.

Il Risultato

Il sistema è stato sviluppato e testato con dispositivi reali. L'architettura edge computing è stata validata sul campo. I falsi positivi nel rilevamento cadute sono stati ridotti dal 18% al 4%. Il progetto è rimasto a livello di prototipo: la startup non ha proseguito lo sviluppo verso la commercializzazione.