FUEL
FUEL is designed to help people with multiple sclerosis or cancer, addressing the challenge posed by Sanofi Genzyme, but it also targets all the people affected by chronic diseases. It is a "fatigue manager" who helps patients understand their energy status and to reorganize their lives by giving priority to their most important elements. Furthermore, FUEL is also designed to improve the relationship with caregivers, including the circle of people who are closer to patients in their daily life, helping them to understand the patient's condition. FUEL operation is based on a Machine Learning algorithm that analyzes patients' responses, as well as parameters such as the blink of the eyes, to analyze and estimate their amount of energy starting from their smartphones.
*Ludovico Cavazzuti, Pratyush Dadhich, Daniela De Sainz, Eugenia Dessì, Chiara Pacchiarotti, Mirco Tincani, Ugo Vergallo
FUEL è un'applicazione sviluppata da un team multidisciplinare di studenti* provenienti dall'Università di Modena e Reggio Emilia e dal Politecnico di Milano con il supporto di Sanofi Genzyme e la collaborazione dell'Università di Bologna e Almacube, hub innovativo dell'Università di Bologna e di Confindustria Emilia Centro, oltre che il network internazionale del progetto SUGAR.
FUEL
è pensata per aiutare le persone con sclerosi multipla e
patologie oncologiche, come previsto dalla sfida
posta da Sanofi Genzyme, ma è rivolto a tutte le persone con malattie
croniche.
Si tratta di un "fatigue manager" che aiuta i pazienti a capire il loro
stato in termini di energia e, aggiuntivamente, a riorganizzare la propria
vita dando priorità agli elementi per loro più importanti.
Inoltre, FUEL è pensata anche per migliorare la
relazione con i caregiver,
includendo le persone più vicine al paziente nella sua vita
quotidiana, aiutandoli a capire la condizione del paziente stesso. Il
funzionamento di FUEL è basato su un algoritmo di
Machine Learning che analizza le risposte dei pazienti, oltre a parametri
come il battito degli occhi, per stimare e predire il loro quantitativo di energia a partire dai loro
smartphone.
*Ludovico Cavazzuti, Pratyush Dadhich, Daniela De Sainz, Eugenia Dessì, Chiara Pacchiarotti, Mirco Tincani, Ugo Vergallo