FI131057B1 - Menetelmä ja järjestely yhteydenoton aktivointiin - Google Patents

Abstract

Keksinnön kohteena on yhteydenoton aktivointi. Erityisenä tavoitteena on auttaa ikääntynyttä käyttäjää saamaan riittävästi vuorovaikutusta omaisten ja ystävien kanssa sekä tehostamaan yhteydenpitoa hoitajien kanssa silloin, kun hänen mielialansa on luisumassa huolestuttavalle alueelle. Tavoitteena on myös, että yhteys avataan automaattisesti juuri oikealle henkilölle, joka parhaiten pystyy auttamaan käyttäjää palautumaan turvalliseen ja terveelliseen mielialaan ja mentaaliseen olotilaan. Tavoitteet saavutetaan älykelloon (101) ja älypuhelimeen (121) rakennetulla järjestelyllä, jolla käyttäjän vireystilaa (107) ja tunnetilaa (127) mitataan, tunnistetaan ja seurataan päivän mittaan ja joka asetettujen ehtojen täyttyessä avaa puhelinyhteyden (140) kullakin hetkellä parhaiten auttamaan kykenevälle omaiselle, ystävälle tai hoitajalle.

Description

Menetelmä ja järjestely yhteydenoton aktivointiin

Keksinnön kohteena on henkilön yhteydenoton aktivointi. Erityisenä kohteena on auttaa ikään- tynyttä saamaan riittävästi vuorovaikutusta omaisten ja ystävien kanssa sekä tehostamaan yh- teydenpitoa hoitajien kanssa. Ikääntyneiden lisäksi keksinnön mukainen järjestely sopii myös nuoremmille käyttäjille, joilla tarve voi nousta terveydellisistä syistä, elinympäristöstä tai elä- mäntilanteesta. Siksi jatkossa käytetään termiä käyttäjä, mikä luontevasti pitää sisällään myös keksinnön pääasiallisen kohteen, ikääntyneen.

Vanhusten yksinäisyydestä johtuvia somaattisia terveysongelmia voivat olla sydän- ja verisuo- nitaudit, korkea verenpaine, liikalihavuus, infektioherkkyyteen johtava heikentynyt immuu- nijärjestelmä, huono unen laatu ja fyysisen toiminnan heikkeneminen. Mielenterveysongelmia taas voivat olla masennus, ahdistuneisuus, stressi, kognitiivinen heikkeneminen ja dementia. — Yksinäisyys on yhdistetty suurempaan riskiin sairastua Alzheimerin tautiin ja muihin dementian muotoihin johtuen kohonneesta stressin ja stressihormonien, kuten kortisolin, tasosta, mikä voi vahingoittaa aivosoluja ja lisätä tulehdusta. Lisäksi yksinäisyys voi johtaa toivottomuuden ja avuttomuuden tunteeseen, mikä voi entisestään pahentaa mielenterveysongelmia. — Yksinäisyys on monen yksin tai ongelmallisessa parisuhteessa asuvan ikääntyneen ongelma.

Yhteyden pitäminen omaisiin ja ystäviin saattaa harveta vähitellen ja masennusta aiheuttaessaan kynnys yhteyden ottamiseen vain kasvaa. Yksinäisyys tai ongelmallinen parisuhde saattaa joh- taa myös hallitsemattomaan mielialan kiihtymiseen ja ylireagointiin ja siten oman tai läheisen terveyden tai omaisuuden vaarantumiseen. Myöskään kiihtyneessä mielentilassa yhteyden otta- — minen ei aina ole helppoa, koska on vaikea päättää kenelle soittaisi, kuka ymmärtäisi, kenellä olisi riittävästi aikaa kuunnella. Puhelimella soittaminen saattaa muodostua ylivoimaisen vaike- aksi ja siirtyä päivästä toiseen. Myös yhteyden ottaminen hoitajiin ja terveyspalveluihin saattaa olla korkean kynnyksen takana. Mielialan hiipuessa kohti masennusta tai kiihtyessä hallitsemat- tomaksi tai mielenterveyden muutoin horjuessa on vaikea itse päätellä avun tarvettaan. Siksi — apu tulee liian usein liian myöhään.

Yksin asuvan ikääntyneen mieliala vaihtelee monesta syystä ja monella tavalla riippuen päivän puuhista. Uutisten, viestiketjujen ja sosiaalisen median päivitysten selaileminen tai koukutta- vien pelien pelaaminen saattaa aiheuttaa monenlaisia tunteita: iloa ja innostusta, surua ja ahdis- tusta, huolta ja pelkoa, jopa häpeää. Vilkas mielikuvitus saattaa vielä vahvistaa äärimmäisiä tunnetiloja. Soitto omaiselle tai ystävälle auttaisi tasoittamaan tunteita ja estäisi niitä ajautu- masta liian pelottaviksi tai masentaviksi mutta yhteydenoton ajatteleminenkin ahdistaa. Miten yhteyden ottamisen kynnystä voitaisiin madaltaa?

Myös ongelmallisessa parisuhteessa asuvan ikääntyneen mieliala vaihtelee monesta syystä ja monella tavalla riippuen päivän tapahtumista. Mielialan vaihtelu saattaa olla samanlaista kuin yksin asuvalla, jos parisuhde on laimentunut eikä anna tukea synkistyvälle mielelle. Toisaalta mieliala voi saada impulsseja joko masentumisen tai kiihtymisen suuntaan, jos parisuhteessa on erimielisyyksiä eikä niitä osata käsitellä eikä hallita. Miten tällaisissakin tilanteissa yhteyden ottamisen kynnystä voitaisiin madaltaa?

Tämän keksinnön tavoitteena on madaltaa yhteydenoton kynnystä teknillisellä ratkaisulla, jolla ikääntyneen vireyttä ja tunnetilaa mitataan, tunnistetaan ja seurataan päivän mittaan, ja tiettyjen algoritmien mukaan päätellään, milloin on hyvä ottaa yhteys omaiseen, ystävään tai hoitajaan, ja avataan yhteys automaattisesti juuri tässä tunnetilassa sopivalle henkilölle, jotta ikääntyneen ei tarvitse itse tehdä päätöstä sen avaamisesta.

Tunnetilojen tunnistamista teknillisillä ratkaisuilla on avattu esimerkiksi patenttihakemuksessa

US20220223064A1, jossa käyttäjän tunnetilaa ja -reaktioita analysoidaan ja autetaan käyttäjää — tunnistamaan mielialaansa ja reaktioitaan ja siten vähentämään stressiä ja parantamaan emotio- naalista hyvinvointiaan.

Julkaisussa ”Emotion Recognition from Multimodal Physiological Signals for Emotion Aware

Healthcare Systems” by Deger Ayata et al., Journal of Medical and Biological Engineering (2020) 40:149-157 on katsaus tunnetilojen tunnistamisesta puettavalla teknologialla. Artikke- lissa kohteena on yksin asuvan ikääntyneen tunnetilojen ja terveydentilan tarkkailu. Artikkelin mukaan tunnetiloja voidaan jaotella dimensionaalisesti, jolloin kaksi tärkeää dimensiota ovat

Valence ja Arousal.

Julkaisussa US11545173B2 esitellään mielialan analysointia mobiilitekniikan avulla tallenta- malla ja analysoimalla ääninäyte koulutetun koneoppimismallin avulla ja määrittämällä käyttä- jän mieliala yhden tai useamman tunnearvon perusteella.

Puettavan teknologian käyttöä tunnetilojen tunnistamisessa tarkastellaan myös artikkeleissa:

”Emotion Recognition Using Wearables: A Systematic Literature Review — Work-in-pro- gress” by Stanistaw Saganowski et al., ”Emotion-Recognition Using Smart Watch Sensor Data: Mixed Design Study” by Juan C

Quiroz, “Wearable Emotion Recognition Using Heart Rate Data from a Smart Bracelet” by Lin

Shu et al, “Predicting Emotion with Biosignals: A Comparison of Classification and Regression

Models for Estimating Valence and Arousal Level Using Wearable Sensors” by Pekka

Siirtola et al., Sensors 2023, ”Emognition dataset: emotion recognition with self-reports, facial expressions, and phys- iology using wearables” by Stanistaw Saganowski et al., Scientific Data 9, 2022.

Valence, Arousal ja Dominance kuuluvat niin sanottuun VAD-malliin, jota käytetään tunteiden kuvailussa ja analyysissä. Tämän mallin mukaan tunteita voidaan kuvata seuraavilla kolmella dimensiolla: 1) Valence (V, miellyttävyys): Tämä dimensio kuvaa tunteen miellyttävyyttä tai epämiel- lyttävyyttä. Positiivinen Valence viittaa miellyttäviin tunteisiin, kuten onnellisuuteen, iloon tai tyytyväisyyteen. Negatiivinen Valence viittaa epämiellyttäviin tunteisiin, kuten suruun, häpeään, vihaan tai pelkoon. Jotkut tutkijat käyttävät Valence-dimension tilalla

Pleasure-dimensiota (mielihyvä), jolloin puhutaan PAD-mallista. 2) Arousal (A, kiihtyneisyys): Tämä dimensio kuvaa tunteen intensiteettiä tai aktivoitu- neisuuden astetta. Korkea Arousal viittaa voimakkaaseen emotionaaliseen reaktioon ja fyysiseen valppauteen, olipa kyseessä sitten positiivinen tai negatiivinen tunne. Matala

Arousal viittaa puolestaan rauhallisuuteen, rentouteen tai välinpitämättömyyteen. 3) Dominance (D, hallinnan tunne): Tämä dimensio kuvaa yksilön käsitystä omasta kont- rollistaan tunteeseen tai tilanteeseen nähden. Korkea Dominance viittaa tuntemukseen siitä, että hallitsee tunteensa tai tilanteen, kun taas matala Dominance viittaa tuntemukseen siitä, että on tilanteen tai tunteen hallitsema.

Nämä kolme dimensiota mahdollistavat monipuolisemman ja tarkemman tunteiden kuvauksen kuin pelkkä positiivisten ja negatiivisten tunteiden jaottelu. Esimerkiksi sekä viha että pelko voivat olla voimakkaita (korkea Arousal) negatiivisia (negatiivinen Valence) tunteita, mutta nii- den välinen ero tulee esiin Dominancessa: vihaan liittyy yleensä korkeampi Dominance (yksilö haluaa hallita tai muuttaa tilannetta) kun taas pelko liittyy matalampaan Dominanceen (yksilö kokee olevansa tilanteen tai ulkoisten tekijöiden hallitsema).

Tunnetilan dimensiona voidaan käyttää myös Vitalityä eli vireystilaa, jota on helpompi mitata puettavalla teknologialla kuin edellä mainittuja VAD-dimensioita. Se kuvaa yksilön kokemusta energisyydestä tai elinvoimaisuudesta ja sitä voidaan mitata erilaisina vireystasoina. Se kertoo — siitä, kuinka virkeäksi (elinvoimaiseksi) tai uupuneeksi (voimattomaksi) yksilö itsensä tuntee.

Tämä dimensio voi liittyä sekä positiivisiin että negatiivisiin tunteisiin. Esimerkiksi, yksilö voi kokea korkean vireystason silloin, kun hän on innostunut tai onnellinen, mutta myös silloin, kun hän on vihainen tai ahdistunut. Matala vireystaso voi liittyä apaattisuuteen tai masennukseen. — Vireystilan ja Arousalin välillä on vahva, suora korrelaatio, joten Arousalia voidaan arvioida mittaamalla vireystilaa puettavilla sensoreilla, mitä erityisesti käytetään hyväksi tässä keksin- nössä tunnetilan arvioinnissa.

Valencen, eli tunnetilan miellyttävyyden tai epämiellyttävyyden, mittaaminen puettavilla sen- — soreilla sensijaan on haastavaa, koska se on subjektiivinen tunnekokemus, joka voi vaihdella suuresti yksilöstä toiseen. Myös Dominancen, eli hallinnan tai kontrollin tunteen, mittaaminen puettavilla sensoreilla on haastavaa. Valencen ja Dominancen mittaamisessa voidaan puettavan teknologian lisäksi tai sijaan käyttää mikrofonia ja puheäänen sekä puheen sisällön analysointia tai kameraa ja kasvojen ilmeiden ja eleiden analysointia kuvantunnistustekniikoilla.

Puheäänen analyysi ja tunnetilojen tunnistaminen äänestä on ala, jota koneoppimisen ja teko- älyn menetelmät ovat merkittävästi edistäneet. Monet yritykset ja sovellukset keskittyvät tähän alaan. Seuraavassa on joitakin esimerkkejä: 1) Beyond Verbal on kehittänyt teknologiaa, joka analysoi äänen äänenpainoa, korkeutta, muutosnopeutta ja muiden äänen ominaisuuksien perusteella tunnistaakseen erilaisia tun- teita. 2) Affectiva on tunnettu kasvojen ilmeiden tunnistamisteknologiastaan mutta on laajenta- nut toimialuettaan myös puheentunnistukseen. Heidän teknologiansa pyrkii tunnistamaan tunteita ja sosiaalisia signaaleja ihmisen äänestä. 3) Cogito on kehittänyt ohjelmistoa, joka analysoi ääntä ja tunnistaa tunteita, auttaen pa- rantamaan asiakaspalvelua ja vähentämään asiakaspoistumaa. 4) Vokaturi on kehittänyt avoimen lähdekoodin SDK:n (Software Development Kit), joka tunnistaa viisi perustunnetta: onnellisuus, suru, viha, pelko ja neutraali analysoimalla ää- nen spektrisiä ja prosodisia piirteitä. Nämä tunnearvioinnit perustuvat monimutkaiseen mallinnukseen, joka on kehitetty laajan äänidatan perusteella. Malli on koulutettu erilaisista kulttuureista ja kielistä peräisin olevilla ääninäytteillä, jotta se olisi mahdolli- simman universaali. Mallinnusprosessi sisältää useita eri koneoppimisen menetelmiä, mu- kaan lukien aikasarja-analyysin, jolla ääntä voidaan tunnistaa sekvenssien avulla. 5 Valencen määrittämiseen puheäänestä voidaan käyttää monimutkaisia koneoppimisen ja sig- naalinkäsittelyn menetelmiä. Seuraavassa on joitakin yleisiä suuntaviivoja, jotka liittyvät Va- lencen tunnistamiseen puheäänestä: 1) Äänen korkeus (Pitch): Korkeampi äänen korkeus yleensä viittaa positiiviseen Valen- ceen, kun taas matalampi äänen korkeus yleensä viittaa negatiiviseen Valenceen. 2) Voimakkuus (Intensity): Voimakkaampi ääni voi viitata intensiivisempään (korkea

Arousal) tunnetilaan, jonka Valence voi olla joko positiivinen tai negatiivinen. 3) Prosodia (Prosody): Puheen rytmi, painotus ja sävy voivat antaa viitteitä Valencesta.

Esimerkiksi nopea, voimakas ja rytmikäs puhe voi viitata positiiviseen Valenceen, kun taas hidas, matala ja tasainen puhe voi viitata negatiiviseen Valenceen. 4) Puheen sisältö: Sanavalinnat ja kielelliset rakenteet voivat myös heijastaa Valencea.

Positiiviset sanat tai ilmaukset yleensä viittaavat positiiviseen Valenceen, kun taas nega- tiiviset sanat tai ilmaukset yleensä viittaavat negatiiviseen Valenceen.

Tunnistusalgoritmin oppimiskyvyllä on suuri merkitys, koska ihmiset ilmaisevat ja kokevat tun- — teita eri tavoin, ja kulttuuriset, sosiaaliset ja yksilölliset erot voivat vaikuttaa siihen, miten Va- lence ilmenee puheessa.

Dominancen eli tunnetilan hallitsevuuden tai kontrollin tunnistaminen puheäänestä vaatii myös signaalinkäsittelyn ja koneoppimisen menetelmiä. Seuraavassa on joitakin yleisiä suuntaviivoja, jotka liittyvät Dominancen tunnistamiseen puheäänestä: 1) Äänen korkeus (Pitch): Alhaisempi äänen korkeus saattaa viitata suurempaan Domi- nanceen, koska matala ääni yhdistetään usein auktoriteettiin ja itsevarmuuteen. Toisaalta korkea äänen korkeus voi viitata vähäisempään Dominanceen. 2) Voimakkuus (Intensity): Voimakkaampi ääni voi viitata suurempaan Dominanceen, koska se voidaan tulkita merkiksi itsevarmuudesta ja voimasta. 3) Prosodia (Prosody): Nopea puherytmi ja selkeä äänenpaino voivat viitata suurempaan

Dominanceen, koska ne voivat viestiä itsevarmuutta ja päättäväisyyttä. 4) Puheen sisältö: Dominance saattaa heijastua myös sanavalinnoissa ja kielellisissä ra- kenteissa. Esimerkiksi, käskymuotoiset lauseet tai vahvat ilmaisut voivat viitata suurem- paan Dominanceen.

Kasvojen ilmeiden tunnistamiseen tarkoitettuja mobiilisovelluksia on monia, jotka käyttävät usein tekoälyä ja koneoppimista tunnistaessaan ja analysoidessaan ihmisen kasvojen ilmeitä ja eleitä, etenkin mikroilmeitä ja -eleitä.

Tässä muutamia tunnetilojen tunnistamiseen soveltuvia esimerkkejä:

1) Affectiva on erikoistunut emootioiden tunnistamiseen kasvojen ilmeiden ja äänensävyn perusteella.

Heidän SDK:ta (Software Development Kit) voidaan käyttää monissa eri so-

velluksissa.

2) Microsoftin Azure Face API -pilvipalvelu tarjoaa kasvontunnistuksen API:n, joka si-

sältää ilmeiden tunnistuksen ominaisuuden.

Tämä API voidaan integroida mihin tahansa sovellukseen.

3) Noldusin FaceReader on erittäin edistyksellinen ohjelmisto kasvojen ilmeiden analy- soimiseksi.

Sillä voidaan analysoida useita universaaleja ilmeitä sekä muita kasvojen liik- keitä.

4) Kairos tarjoaa monenlaisia kasvojen tunnistuspalveluja, mukaan lukien ilmeiden tun-

nistamisen. 5) Applen Emotient on kehittänyt teknologian, joka kykenee analysoimaan mikroilmeitä kasvoista, mikä mahdollistaa tunteiden tunnistamisen.

—Valencen määrittäminen kasvojen ilmeistä tapahtuu usein kasvojentunnistustekniikoiden ja kas- vojen ilmeiden analysointitekniikoiden avulla.

Nämä tekniikat hyödyntävät tekoälyä ja koneop- pimista kasvojen eri osien, kuten silmien, kulmakarvojen, nenän ja suun, tunnistamiseen ja nii- den liikkeiden ja asentojen analysoimiseen.

Valencen määrittämisessä voidaan käyttää mm. seu- raavia yleisiä periaatteita:

1) Ilo ja onnellisuus: Iloisissa tai onnellisissa kasvojen ilmeissä suu yleensä kaartuu ylös-

päin (hymy), silmät voivat rypistyä hieman kulmista, ja posket voivat kohota.

2) Suru: Surullisissa kasvojen ilmeissä suupielet voivat kaartua alaspäin, silmät voivat näyttää "raskaammilta" tai alaspäin suuntautuneilta, ja kulmakarvat voivat kaartua hieman ylöspäin.

3) Viha: Vihaisissa kasvojen ilmeissä kulmakarvat usein rypistyvät ja suu voi olla tiukasti kiinni tai hieman raollaan. 4) Pelko: Pelokkaissa kasvojen ilmeissä silmät ovat usein suuremmat tai auki, kulmakar- vat ovat koholla ja suu voi olla auki.

Jokaisen ihmisen kasvojen ilmeet ovat yksilöllisiä, ja kulttuuriset erot voivat vaikuttaa siihen, miten tunteita ilmaistaan ja tulkitaan. Lisäksi ihmisen sisäinen tunnekokemus ei aina näy suo- raan kasvojen ilmeissä. Esimerkiksi, ihminen voi hymyillä, vaikka kokisi sisäisesti negatiivisen

Valencen tunnetta. Järjestelmän yksilötasoisessa kouluttamisessa voidaan helpommin ottaa huomioon persoonakohtaiset poikkeamat ilmeiden yleisestä käytöstä. Järjestelmän, joka mää- rittää Valencen yleisesti kasvojen ilmeistä, tulee olla huolellisesti koulutettu suurella ja moni- puolisella datajoukolla, joka ottaa huomioon nämä yksilölliset ja kulttuuriset erot. Lisäksi sen tulee olla joustava ja ottaa huomioon kontekstuaaliset tekijät, jotka voivat vaikuttaa siihen, mi- ten tunteita ilmaistaan ja tulkitaan.

Dominancen, eli hallinnan tai kontrollin tunteen, määrittäminen kasvojen ilmeistä on haastavaa, mutta on olemassa joitakin viitteitä siitä, että Dominancekin saattaa liittyä tiettyihin kasvojen ilmeisiin tai kasvonpiirteisiin. Esimerkiksi, voimakkaat tai intensiiviset kasvojen ilmeet, kuten tiukka ilme tai tiiviisti puristetut huulet, joita on mahdollista tunnistaa tekoälyllä, saattavat vii- tata korkeampaan Dominanceen. Myös katseen suunta ja intensiivisyys voivat vaikuttaa Domi- nancen tulkintaan - suora ja intensiivinen katse saattaa viestiä vahvempaa Dominancea kuin välttelevä katse.

Tekoäly voidaan opettaa tunnistamaan tunnetiloja myös suoraan kasvokuvista tai puheäänestä ilman, että määritetään edellä kuvailtuja VAD- tai muita dimensioita. Tunnistuksessa voidaan käyttää puettavan teknologian mittausten lisäksi kasvokuvia, puheääntä ja/tai kysymyksiin an- nettuja vastauksia tunnetilan määrittämiseksi diskreettimallin avulla eli luokittelemalla niitä eri kategorioihin. Tunnetilojen kategorisessa luokittelussa tunnetilat nimetään tai numeroidaan ja jaetaan erillisiksi, selkeästi määritellyiksi tunteiksi. Tämä lähestymistapa on peräisin perintei- — sestä tunteiden teoriasta, joka korostaa tiettyjen perustunteiden universaalisuutta.

Yleisesti hyväksytyt perustunteet ovat: 1) Ilo: Positiivinen tunne, joka liittyy mielihyvään, tyytyväisyyteen tai onnellisuuteen. 2) Suru: Negatiivinen tunne, joka liittyy menetykseen, pettymykseen tai epätoivoon. 3) Viha: Negatiivinen tunne, joka liittyy loukkaukseen, epäreiluuteen tai uhkaan. 4) Pelko: Negatiivinen tunne, joka liittyy vaaran tai uhkan havaitsemiseen. 5) Inho: Negatiivinen tunne, joka liittyy haluttomuuteen tai vastenmielisyyteen kohdata jotakin asiaa tai henkilöä. 6) Hämmästys: Neutraali, positiivinen tai negatiivinen tunne, joka liittyy odottamattoman tapahtuman tai tiedon kohtaamiseen.

Näiden perustunteiden lisäksi on myös monia muita tunnetiloja, jotka voidaan nähdä perustun- teiden johdannaisina tai yhdistelminä. Eräässä tutkimuksessa (”Emoji fans take heart: Scientists pinpoint 27 states of emotion” by Yasmin Anwar, Berkeley News, September 6, 2017) erilaisia tunnetiloja löydettiin 27 kpl: ihailu, palvonta, esteettinen arvostus, huvittuneisuus, vihaisuus, ahdistuneisuus, kunnioitus, kiusallisuus, ikävystyminen, rauhallisuus, sekavuus, ahneus, inho, empaattinen kipu, hyväksyntä, jännitys, pelko, kauhu, kiinnostus, ilo, nostalgisuus, helpotus, romanttisuus, suru, tyydytys, seksuaalinen halu ja yllättyneisyys. Eräässä mobiilisovelluksessa (How we feel), joka pohjautuu YUEI:n (Yale University Emotional Intelligence) tutkimuksiin, on määritelty peräti 144 erilaista tunnetilaa, jotka on sijoitettu viitteellisesti Valence-Arousal- akseleista muodostuvaan nelikenttään.

Tunnetilaa voidaan kartoittaa myös subjektiivisesti kysymyksillä käyttämällä esimerkiksi Li- kert-asteikollisia kysymyksiä, joilla käyttäjää pyydetään arvioimaan vallitseva tunnetilansa yh- —distelmäksi eri tunnevaihtoehtoja. Kysymyksissä voidaan käyttää luokiteltuja tunnetiloja, tai ne voidaan suunnata tunnetilojen dimensioihin kuten Valence (esimerkiksi epämiellyttävyys-miel- lyttävyys-asteikolla -5 — +5,), Arousal (esimerkiksi intensiteettiasteikolla 1-7) tai Dominance (esimerkiksi hallinnan tunne -asteikolla 1-7). — Seuraavassa on joitakin esimerkkejä tunnetilan kartoittamiseen käytettävistä kysymyksistä: 1) Vallitsevan tunnetilan arviointi: "Kuinka voimakkaasti koet seuraavat tunteet juuri nyt: ilo, suru, pelko, viha, inho, hämmästys (esimerkiksi asteikolla 1 = ei lainkaan, 7 = erittäin voimakkaasti)." 2) Valence (miellyttävyys): "Arvioi vallitsevan tunnetilasi miellyttävyyttä asteikolla -5 — +5, jossa -5 tarkoittaa erittäin epämiellyttävää ja +5 erittäin miellyttävää." 3) Arousal (intensiteetti): "Kuinka aktiiviseksi tai virkeäksi koet itsesi juuri nyt asteikolla 1-7, jossa 1 tarkoittaa 'erittäin rauhallinen tai väsynyt ja 7 'erittäin aktiivinen tai virkeä?" 4) Dominance (hallinnan tunne): "Kuinka hallitsevaksi tai kontrolloivaksi koet itsesi juuri nyt asteikolla -5 — +5, jossa -5 tarkoittaa tunnen, että tilanne hallitsee minua' ja +5 ”tun- nen, että hallitsen itse tilannetta’?"

Kyselyn voi suorittaa myös esittämällä kysymykset syntetisoidulla puheäänellä. Vastauksiin voi saada informaatiota sanojen ja lauseiden lisäksi myös käyttäjän puheäänestä ja kasvojen ilmeistä ja eleistä.

Tämän keksinnön tavoitteena on varmistaa yksinäisyydestä kärsivän ikääntyneen tai muun käyt- täjän saavan yhteyksiä omaisiin, ystäviin tai hoitajiin silloin, kun hänen mielialansa on luisu- massa epänormaalille tai epäneutraalille alueelle. Tavoitteena on myös, että yhteys otetaan au- tomaattisesti, jotta ikääntyneen ei tarvitse itse tehdä päätöstä sen avaamisesta. Lisäksi tavoit- teenaon, että yhteys avataan juuri oikealle henkilölle, joka parhaiten pystyy auttamaan käyttäjää palautumaan turvalliseen ja terveelliseen mielialaan ja mentaaliseen olotilaan.

Tämän keksinnön tavoitteet saavutetaan yksinkertaisimmassa muodossaan älyrannekkeeseen ja älypuhelimeen ohjelmoidulla järjestelyllä, jolla käyttäjän vireystilaa ja tunnetilaa mitataan, tun- nistetaan ja seurataan päivän mittaan ja joka asetettujen ehtojen täyttyessä avaa puhelinyhteyden kullakin hetkellä parhaiten auttamaan kykenevälle omaiselle, ystävälle tai hoitajalle.

Keksinnön mukaisessa yhteydenottojärjestelyssä älyranneke on ohjelmoitu toimimaan siten, että sen liike- ja muiden sensorien tuottamasta datasta prosessoidaan käyttäjän vireystilaa kul- loisellakin hetkellä kuvaavan vireystason arvo ja trendi. Tiedetään, että vireystila korreloi suo- raan tunnetilan intensiteettiä kuvaavan Arousalin kanssa, joten sillä saadaan esille ensimmäinen indikaatio tunnetilasta ja niin ollen myös mielialasta. Vireystason arvoa ja trendiä verrataan vi- reystilan historiadatan avulla asetettuihin kynnysarvoihin ja vertailun osoittaessa, että vireystila on ajautunut tai ajautumassa liian matalalle tai liian korkealle, käynnistetään tarkempi tunnetilan — arviointi. Tarkempaa arviointia varten älypuhelin on ohjelmoitu analysoimaan käyttäjän puhe- ääntä ja käyttäjän kasvojen ilmeitä ja eleitä edellä selitettyjä tunnettuja menetelmiä ja tekniikoita soveltaen. Jotta käyttäjän ääni ja kasvokuva saadaan analysoitavaksi, on älyranneke tai älypu- helin ohjelmoitu esittämään puhumalla tai tekstinä käyttäjälle kysymyksiä tai motivoivan keho- tuksen sanoa jotain ääneen ja katsoa puhelimen kameraa kohti. Saatuaan riittävästi käyttäjän — puheäänidataa ja kasvokuvadataa talteen älypuhelin käynnistää niiden analysoinnin. Älypuheli- men muistiin on tallennettu annotoitua dataa käyttäjän aiemmasta puheäänestä ja kasvokuvasta ja niistä prosessoituja parametreja, joihon nyt saatua puheäänidataa ja kasvokuvadataa verrataan tai peilataan ja niiden ominaisuuksista määritellään käyttäjän sen hetkinen tunnetila tai tunneti- lan tiettyjä dimensioita (esim. V, A ja/tai D) edellä kuvatuilla tunnetuilla menetelmillä. Järjes- — telyssä älypuhelimen muistiin on aiemmin tallentunut tieto siitä, missä tunnetiloissa kyseisenä viikonpäivänä kyseiseen kellonaikaan on tarpeen ottaa yhteys ja keneen henkilöön. Niinpä tar- vekynnyksen ylittyessä älypuhelin automaattisesti avaa puhelin- tai videoyhteyden tuon henki- lön kanssa. Puhelun päätyttyä älypuhelin kysyy käyttäjältä palautetta siitä, oliko puhelu tarpeen ja oliko kyseinen henkilö tähän tilanteeseen sopiva keskustelukumppani. Tätä tietoa käytetään hyväksi tarkentamaan järjestelyn muistiin tallennettujen algoritmien parametreja, jotka määrit- tävät millaisissa tunnetiloissa yhteys kannattaa avata ja kenen kanssa.

Keksinnön etuna on, että se varmistaa, että käyttäjä saa tarpeisiinsa nähden riittävästi vuorovai- kutustaomaisten, ystävien ja hoitohenkilöiden kanssa. Se minimoi käyttäjälle aiheutuvaa vaivaa käynnistämällä tunnetilan määrityksen vain rajatuissa vireystiloissa, kun yhteydenoton tarve on ilmeinen. Se minimoi myös tarpeettomia yhteydenottoja perustamalla päätöksen yhteydenoton avaamisesta luotettavaan tunnetilan arviointiin puheäänen ja/tai kasvokuvien analysoinnin pe- rusteella. Se osaa valita kuhunkin tilanteeseen käyttäjälle sopivimman keskustelukumppanin ja avata yhteyden juuri hänelle. Se siis tietää asetettujen yhteyshenkilöiden sopivuusarvot.

Keksintö on yhteydenottojärjestely ja -menetelmä, jolla ylläpidetään käyttäjän vuorovaikutusta omaisten, ystävien, hoitajien ja muiden yhteyshenkilöiden kanssa. Siinä mitataan käyttäjän vi- reystilaa esimerkiksi älykellolla, tunnistetaan käyttäjän tunnetilaa puheääntä ja kasvokuvaa ana- lysoiden ja otetaan tarvittaessa videopuheluyhteyksiä asetettuihin yhteyshenkilöihin. Erityisesti, vireystilan mittaus on ohjelmoitu seuraamaan käyttäjän vireystasoa ja lähettämään hälytyksen älypuhelimelle, kun vireystaso laskee ko. ajankohdalle asetetun alarajan alapuolelle tai kun vi- reystaso nousee ko. ajankohdalle asetetun ylärajan yläpuolelle; älypuhelin on ohjelmoitu häly- tyksen saatuaan ääni- tai tekstiviestillä aktivoimaan käyttäjä puhumaan ja käyttäjän puhuessa — tallentamaan käyttäjän puheääntä ja kasvokuvaa, analysoimaan niistä käyttäjän tunnetila sekä aktivoimaan yhteydenotto, jos käyttäjän tunnetila täyttää ko. ajankohdalle asetettujen määritys- ten mukaisesti yhteydenottokynnyksen ylittymisen kriteerit ja lisäksi älypuhelin on ohjelmoitu käynnistämään yhteydenotto videopuheluna asetetuista yhteyshenkilöistä sille, jolle asetettu so- pivuusarvo ko. käyttäjän ko. tunnetilassa ko. ajanhetkenä on suurin.

Keksinnön eräitä edullisia suoritusmuotoja on esitetty epäitsenäisissä patenttivaatimuksissa.

Seuraavassa keksintöä selostetaan yksityiskohtaisesti viitaten oheisiin piirustuksiin, joissa kuva 1 esittää keksinnön mukaista järjestelyä lohkokaaviona, kuva 2 havainnollistaa vireystilan mittaamisesta syntyvää vireystasodataa tallennettuna vuoro- kausitasolla, kuukausitasolla ja vuositasolla, kuvat 3a-3d esittävät tunnetilojen analysoinnissa käytettävää VAD-mallin mukaisia Valence-

Arousal-Dominance-karttoja kolmiulotteisessa koordinaatistossa, ja kuva 4 esittää kuvan 1 mukaisen järjestelyn erästä toimintamuotoa virtauskaaviona.

Seuraavassa selityksessä esitetyt suoritusmuodot ovat vain esimerkinomaisia. Alan ammattilai- nen voi toteuttaa keksinnön perusajatuksen myös jollain muulla kuin selityksessä kuvatulla ta- valla. Vaikka selityksessä voidaan viitata erääseen suoritusmuotoon tai suoritusmuotoihin useissa paikoissa, niin tämä ei merkitse sitä, että viittaus kohdistuisi vain yhteen kuvattuun suo- ritusmuotoon, tai että kuvattu piirre olisi käyttökelpoinen vain yhdessä kuvatussa suoritusmuo- dossa. Kahden tai useamman suoritusmuodon yksittäiset piirteet voidaan yhdistää ja näin ai- kaansaada uusia keksinnön suoritusmuotoja.

Kuva 1 esittää keksinnön mukaisen järjestelyn erään suoritusmuodon kokoonpanoa lohkokaa- viona. Käyttäjän vireystilan mittaaminen ja analysointi on ohjelmoitu tapahtumaan lohkokaa- vion osassa 100. Mittalaitteena voidaan käyttää esimerkiksi käyttäjän ranteeseen kiinnitettyä älykelloa 101, jonka liikesensorit 102, sykesensorit 103, hengityssensorit 104 ja ihon sähkön- johtavuuden sensorit (GSR) 105 tuottavat mittausdataa vireystason määrityssovellukselle 106.

Osa näistä sensoreista, etenkin hengityssensorit 104, voivat olla älykellon ulkopuolella, sijaita eri kohdassa käyttäjän kehoa ja lähettää mittausdatansa langattomasti älykellolle 101 tai suoraan älypuhelimelle 121. Vireystason määrityssovellus 106 on ohjelmoitu laskemaan sensoreista tu- levasta datavirrasta käyttäjän vireystason (Vitality) älykelloissa ja aktiivisuusrannekkeissa käy- tettyjä tunnettuja algoritmeja käyttäen ja tallentamaan vireystason arvon esimerkiksi 1-30 se- kunnin välein vireystilahistorian tietokantaan 109. Prosessoinnissa voidaan käyttää mittausar- —vojen jatkuvaa keskiarvoistamista asetetun ajan, esimerkiksi minuutin, yli, jotta satunnaiset no- peat vireystilan muutokset eivät aiheuttaisi turhia hälytyksiä. Kynnysarvojen prosessointisovel- lus 108 on ohjelmoitu määrittämään ja asettamaan kullekin ajan hetkelle ominaiset normaalin vireystason alarajan ja ylärajan eli hälytyksen kynnysarvot, joita jatkossa nimitetään myös ter- millä hälytysrajat. Nämä hälytyksen kynnysarvot voidaan järjestelyn käyttöönottovaiheessa asettaa manuaalisesti esimerkiksi tunti tunnilta tai esiasetettuina kynnysarvofunktioina, joissa kynnysarvot on etukäteen määritelty kullekin vuodenajalle, kullekin viikonpäivälle ja kullekin kellonajalle karkeasti arvioiden asetettuina aloitusarvoina. Keksinnön edistyneemmässä suori- tusmuodossa näiden kynnysarvojen määrittely määrittää myös kullekin ajan hetkelle ominaisen vireystason muutosnopeuden ala- ja ylärajan. Vireystilan analysointisovellus 107 on ohjelmoitu — määrittämään ylittääkö vireystaso kyseiselle hetkelle määritetyn ylärajan tai alittaako alarajan.

Edistyneemmässä suoritusmuodossa vertailussa otetaan huomioon myös muutosnopeus, ylit- tääkö muutosnopeus ylärajan tai alittaako alarajan. Jos vireystaso ylittää ylemmän tai alittaa alemman kynnysarvon, tapahtuu hälytys eli vireystilan analysointisovellus 107 lähettää älypu- helimelle 121 käskyn aloittaa tunnetilan mittaaminen ja analysointi. Se lähettää myös tiedon vireystasosta käytettäväksi lisätietona tunnetilan tunnistamisessa tunnetilan analysointisovel- luksessa127.

Käytön jatkuessa kynnysarvoja hienosäädetään automaattisesti käyttäjältä saadun ja/tai mitatun palautteen perusteella. Hienosäätö voidaan myös asettaa tapahtuvaksi automaattisesti esimer- kiksi 1-5 % inkrementeissä (min-max-skaalan vastatessa 100 prosenttia). Tämä tarkoittaa, että kun hälytyksen käynnistämä tunnetila-analyysi ei johda yhteydenottoon, nostetaan kyseisen vii- konpäivän kyseisen kellonajan hälytyksen kynnysarvoa yhden inkrementin verran suuntaan, joka pienentää hälytyksen syntymisen herkkyyttä tulevaisuudessa vastaavana viikonpäivänä ja — vastaavana kellonaikana. Siis jos hälytys aiheutui ylärajan ylittämisestä, nostetaan ylärajaa yh- den inkrementin verran ja jos hälytys tapahtui alarajan alittumisesta, lasketaan alarajaa yhden inkrementin verran. Kynnysarvojen muuttaminen tapahtuu asetetun ajanjakson, esimerkiksi yh- den tunnin ajalle kerrallaan. Esimerkiksi, jos hälytys tapahtuu aamulla klo 7.38, eikä se johda yhteydenottoon, muutetaan kynnysarvoa aikavälille 7.00-8.00. Säätö voidaan tehdä myös peh- meästi siten, että ko. aikavälin kynnysarvoa nostetaan mutta kynnysarvokäyrä säilytetään jatku- vana ajan funktiona, jolloin kynnysarvo muuttuu enemmän aikavälin keskeltä ja vähemmän reu- noilta ja viereisten aikavälien kynnysarvot muuttuvat reunoiltaan niin, että kynnysarvokäyrään ei tule hyppäyksiä.

Käyttäjän tunnetilan määrittäminen on ohjelmoitu tapahtumaan kuvan 1 lohkokaavion osassa 120. Käskyn saatuaan älypuhelin 121 hälyttää ja käyttäjän otettua älypuhelimen käteensä se esittää ääni- ja videopuhelusovelluksen 122 avulla käyttäjälle kysymyksen tai useita kysymyk- siä tai kertoo kaskun, joihin käyttäjä vastaa ja/tai reagoi normaalisti puhumalla, nauramalla ja/tai ilmeilemällä samalla kun katsoo älypuhelinta. Äänentallennussovellus 123 äänittää ja tallentaa — käyttäjän äänet ja puheen ja lähettää syntyneen datan edelleen puheen analysointisovellukselle 124 prosessoitavaksi tunnetilan tunnistamista varten. Kamerasovellus 125 kuvaa ja tallentaa käyttäjän kasvoja, ilmeitä ja eleitä, ja lähettää syntyneen datan edelleen kuvan analysointisovel- lukselle 126 prosessoitavaksi tunnetilan tunnistamista varten. Tunnetilan analysointisovellus 127 tunnistaa tunnetilan käyttäen dataa, jota tulee puheen analysointisovellukselta 124, kuvan —analysointisovellukselta 127 ja vireystilan analysointisovellukselta 107. Tunnistettu tunnetila tallentuu tunnetilahistorian tietokantaan 128. Tunnetilan analysointisovellus 127 tekee myös päätöksen, tarvitaanko tässä tunnetilassa kyseisellä hetkellä yhteydenottoa. Päätöksenteko pe- rustuu VAD-kynnysarvosovelluksen 129 määrittämiin tunnetilan dimensioiden kynnysarvoihin, joihin kyseisen hetken tunnetilan dimensioita verrataan. Kynnysarvojen asettamisessa käytetään aluksi muilta käyttäjiltä opittua kokemuspohjaista tietoa. Tällöin kynnysarvot määritetään käyttöönottovaiheessa siten, että käyttäjä antaa tietoja itsestään, kuten ikä, sukupuoli, persoo- nallisuustyyppi, fyysinen terveydentila, psyykkinen terveydentila, päivärytmi, johon tottunut, tai muita mielialan hallintaan liittyviä tietoja, joiden perusteella aiemmista käyttäjistä valitaan samanlaisia käyttäjiä, jonka kynnysarvoista keskiarvoistetaan käyttäjälle käyttöönottovaiheen kynnysarvot Käytön edetessä kynnysarvoja säädetään yksilöllisesti kertyvän kokemuksen poh- jalta. Kynnysarvojen määrittämisessä siis huomioidaan sekä käyttäjän että muiden samankal- taisten käyttäjien tunnetilahistorioista saatava tieto siitä, onko vastaavassa tunnetilassa aiemmin suoritettu yhteydenotto koettu tarpeelliseksi ja johtanut tunnetilan toivottuun muutokseen. Jos yhteydenoton päätös on kielteinen, lähetetään tästä tieto vireystilan kynnysarvojen prosessoin- tisovellukselle 108 kynnysarvon hienosäätöä varten, jotta turhia tunnetilan määrityksiä voidaan vähentää. Jos taas päätös yhteydenotosta on positiivinen eli yhteydenottokynnys ylittyy, lähete- tään yhteyssovellukselle 140 käsky käynnistää yhteydenotto.

Saatuaan käynnistyskäskyn yhteyssovellus 140 analysoi senhetkisen tunnetilan peilaamalla sitä — tunnetilahistorian tietokantaan 128 tallentuneeseen dataan, erityisesti vastaavaan viikonpäivään ja kellonaikaan liittyneisiin tunnetiloihin, ja yhteyshistorian tietokantaan 141 tallentuneeseen dataan, erityisesti aiempien samankaltaisessa tunnetilassa tehtyjen yhteydenottojen tuloksena syntyneisiin muutoksiin. Peilauksen tuloksena yhteyssovellus 140 päättää, kuka yhteyshenki- löistä on paras vaihtoehto tässä tilanteessa ja käynnistää puhelun tai kuvapuhelun avaamisen — älypuhelimen ääni- ja videopuhelusovelluksella 122 kyseisen yhteyshenkilön yhteyslaitteeseen 142—146. Jos yhteydenotto ei onnistu, valitsee yhteyssovellus 140 seuraavaksi parhaan vaihto- ehdon ja käynnistää yhteyden avaamisen hänen yhteyslaitteeseensa.

Yhteyshenkilöiden lukumäärä voi vaihdella käyttäjän valinnan mukaan. Yhteyshenkilöiksi voi- daan valita lähiomaisia ja muita läheisiä ystäviä sekä julkisten ja yksityisten sote-palveluiden hoitoammattilaisia. Julkisten ja yksityisten sote-palveluiden kanssa voidaan rakentaa yhteys- henkilö-palvelu, josta käyttäjät voivat valita itselleen sopivia hoito- tai hoiva-ammattilaisia omiksi yhteyshenkilöikseen. Keksinnön mukainen järjestely voidaan myös liittää some-alus- toille, kuten facebookiin, siten, että niissä käyttäjän kavereiksi kutsutuista henkilöistä voitaisiin — kutsua sopivia henkilöitä toimimaan yhteyshenkilöinä myös tämän järjestelyn pohjalta toimi- vassa palvelussa.

Edellä kuvatussa peilauksessa kullekin tunnetilalle kutakin viikonpäivää ja vuorokauden hetkeä kohden tallennetaan eri yhteyshenkilöille yhteyshistorian tietokantaan 141 sopivuusarvo esi- merkiksi asteikolla 0-100, jota yhteyssovellus 140 käyttää valitessaan kuhunkin tilanteeseen parhaimman vaihtoehdon yhteyshenkilöistä. Sopivuusarvon laskennassa yhteyssovellus 140 vertailee eri yhteyshenkilöiden aikaansaamaa vaikutusta käyttäjän tunnetilaan kussakin tunne- tilassa. Vaikutus tallennetaan yhteyshistorian tietokantaan 141 paitsi tunnetilaan syntyneenä muutoksena ja muutostrendinä (eli esimerkiksi VAD-dimensioihin yhteydenoton tuloksena syn- tyneenä muutoksena, tai yhteydenoton aikana ilmenneinä muutossuuntana ja -nopeutena) myös käyttäjän antamana palautteena käydystä keskustelusta kunkin yhteyshenkilön kanssa. Keksin- nön edistyneemmässä suoritusmuodossa myös yhteyshenkilöltä kysytään palautetta käydystä keskustelusta ja myös yhteyshenkilön tunnetilaa keskustelun aikana ja jälkeen voidaan rekiste- röidä vastaavalla menetelmällä hänen älypuhelimessaan. Yhteyshenkilöiden sopivuusarvon —määrittämistä varten järjestely on ohjelmoitu suorittamaan yhden tai useamman seuraavista ope- raatioista: - järjestely kyselee käyttäjän mielipidettä, kenen yhteyshenkilön kanssa hän haluaa yhtey- den kussakin tunnetilassa esimerkiksi asteikolla 0-10, - Järjestely seuraa yhteydenottojen aikana käyttäjän tunnetilassa tapahtunutta muutosta ja tallentaa muistiin kussakin tunnetilassa kunkin yhteyshenkilön kanssa käydyn keskustelun aiheuttaman muutoksen suunnan ja suuruuden/nopeuden esimerkiksi prosentteina maksi- miskaalasta VAD-koordinaatistossa, - järjestely kysyy kunkin yhteydenoton jälkeen käyttäjän mielipidettä tunnetilassaan ta- pahtuneesta muutoksesta esimerkiksi asteikolla -5 — +5, ja - järjestely kysyy kunkin yhteydenoton jälkeen yhteyshenkilön mielipidettä käyttäjän tun- netilassa tapahtuneesta muutoksesta esimerkiksi asteikolla -5 — +5 sekä laskemaan sopivuusarvon asetetuilla painokertoimilla painotettuna keskiarvona valittujen ope- raatioiden tuloksista ja skaalaamaan tuloksen esimerkiksi välille 0-100.

Käyttäjän tunnetilaa ja sen muutoksia voidaan rekisteröidä ja tallentaa tunnetilahistorian tieto- kantaan 128 myös ilman vireystilan analysointisovellukselta 107 tulevaa käskyä aina kun käyt- täjä käyttää älypuhelintaan 121 ja hänen äänensä on älypuhelimen mikrofonin kuultavissa ja/tai hänen kasvonsa ovat älypuhelimen kameran kuvattavissa. Myös näissä tilanteissa tunnetilan ylittäessä VAD-kynnysarvojen asettamat rajat yhteyssovellus 140 saa käskyn yhteydenoton käynnistämiseen, vaikka vireystilan mittausjärjestely 100 ei ole antanut hälytystä. Tietoa yhtey- denottotarpeen täyttymisestä ilman vireystilan mittauksen antamaa hälytystä käytetään hyväksi vireystason kynnysarvojen prosessointisovelluksen 108 kynnysarvojen automaattisessa säätä- misessä siten, että vastaavassa tilanteessa tulevaisuudessa kynnysarvot aktivoisivat hälytyksen.

Kynnysarvoja voidaan säätää herkemmiksi myös inkrementaalisesti, esimerkiksi 1-5 %

inkrementteinä, päinvastoin kuin turhaksi osoittautuneen hälytyksen tapahtuessa, jolloin niitä säädetään epäherkemmiksi.

Kuvassa 1 kuvatut sensorit voivat mitata monia eri parametreja tuottamaan dataa vireystilan — määrittämiseen. Esimerkiksi liikesensorit 102 voivat mitata esimerkiksi 1-3-akselista lineaari- liikettä (esim. akselometrillä) ja 1-3-suuntaista kiertoliikettä (esim. gyroskoopilla) sekä orien- taatiota (esim. magnetometrillä), sykesensorit 103 syketaajuutta (HR) ja sykevälivaihtelua (HRV), hengityssensorit 104 hengitystaajuutta ja -syvyyttä ja GSR-sensorit 105 ihon sähkön- johtavuutta tai sen muutoksia (GSR, galvanic skin response tai vaihtoehtoisesti EDA, electro- dermal activity).

Älykellon lisäksi käyttäjä voi käyttää myös muita puettavia sensoreita, kuten aktiivisuusranne- ketta, älysormusta, sykevyötä, erillistä glukoosisensoria, veren happipitoisuussensoria, puetta- vaa verenpainemittaria jne.

Vireystila korreloi vahvasti liikeaktiivisuuden kanssa. Vireystason kasvaessa liikeaktiivisuuskin kasvaa, kun taas matala vireystaso johtaa vähäisempään liikeaktiivisuuteen. Korkea vireystaso tarkoittaa usein lisääntynyttä valppautta, keskittymiskykyä ja energiatasoa, mikä voi johtaa suu- rempaan fyysiseen aktiivisuuteen. Tämä voi tarkoittaa esimerkiksi nopeampaa liikkumista, use- ammin tapahtuvaa liikkumista tai voimakkaampaa liikkumista. Toisaalta matala vireystaso voi johtaa vähentyneeseen liikeaktiivisuuteen. Tämä voi tarkoittaa esimerkiksi hitaampaa liikku- mista, harvemmin tapahtuvaa liikkumista tai vähemmän voimakasta liikkumista.

Vireystila vaikuttaa sykkeeseen (HR) monin tavoin. Kun vireystaso on korkea, kuten esimer- — kiksi tunnetiloissa stressi, pelko tai innostus, sympaattinen hermosto aktivoituu. Tämä johtaa yleensä sykkeen kiihtymiseen. Kun vireystaso on matala, kuten esimerkiksi tunnetiloissa ren- toutunut tai unelias, parasympaattinen hermosto on aktiivisempi, mikä yleensä johtaa sykkeen hidastumiseen. — Vireystila näkyy myös sykevälivaihtelussa (HRV, Heart Rate Variability), joka kuvaa sydämen lyöntien välisten aikavälien vaihtelua ja jota voidaan prosessoida sykedatasta. Korkea HRV tar- koittaa yleensä, että sydän pystyy sopeutumaan erilaisiin tilanteisiin nopeasti, mikä on merkki hyvästä sydämen terveydestä ja autonomisen hermoston tasapainosta. Korkea vireystaso (esi- merkiksi tunnetilassa stressi) voi johtaa HRV:n laskuun, sillä stressitilanteessa sympaattinen hermosto on aktiivisempi ja parasympaattisen hermoston vaikutus heikkenee, mikä vähentää sykevälivaihtelua. Toisaalta, matala vireystila (esimerkiksi tunnetilassa rentoutunut) yleensä johtaa HRV:n nousuun, sillä tällöin parasympaattinen hermosto on aktiivisempi ja sykevälivaih- telu lisääntyy. —Vireystila vaikuttaa hengitykseen monella tavalla. Korkea vireystaso, kuten tunnetiloissa stressi, pelko tai innostus, hengitys yleensä kiihtyy ja muuttuu pinnallisemmaksi. Tämä johtuu sym- paattisen hermoston aktivoitumisesta, mikä valmistaa kehoa "taistele tai pakene" -reaktioon.

Kun vireystaso laskee, kuten tunnetiloissa rentoutunut tai unelias, hengitys yleensä hidastuu ja syvenee. Tämä johtuu parasympaattisen hermoston aktivoitumisesta, joka palauttaa kehon rau- hoittuneeseen tilaan. Hengityksen syvyys ja taajuus yleensä siis korreloivat vireystilan kanssa ja niitä voidaan käyttää apuna vireystason mittaamisessa. Yksinkertaisimmillaan hengity staa- juus voidaan prosessoida sykedatasta tai liikesensorien datasta, jolloin erillisiä hengityssenso- reita ei tarvita. Myös hengityssyvyys voidaan prosessoida rintakehälle sijoitettujen erillisten lii- kesensorien datasta.

Myös ihon sähkönjohtavuus, jota usein mitataan GSR-sensoreilla käyttäen galvaanista ihoreak- tiota (GSR, Galvanic Skin Response), korreloi yleensä vireystilan kanssa. Korkeammat vireys- tasot (esimerkiksi tunnetiloissa stressi, pelko tai innostus) yleensä johtavat suurempaan ihon johtavuuteen, koska nämä tilat stimuloivat sympaattista hermostoa, joka säätelee hikoilua. Li- — sääntynyt hikoilu lisää ihon sähkönjohtavuutta. Vireystason laskiessa, esimerkiksi rauhallisessa tai rentoutuneessa tunnetilassa, ihon johtavuus yleensä laskee. Tämä johtuu siitä, että parasym- paattinen hermosto, joka aktivoituu rauhoittavissa olosuhteissa, vähentää hikoilua, mikä puo- lestaan vähentää ihon sähkönjohtavuutta. Näin ollen, ihon johtavuuden ja vireystilan välillä on yleensä suora korrelaatio. Toinen mahdollisuus käyttää hyväksi ihon hikoilua on mitata hien — sisältämiä kemiallisia yhdisteitä, nanopartikkeleita ja eloperäisiä osia, kuten eksosomeja. Tun- netilan tunnetaan vaikuttavan hien koostumukseen, joten koostumusta mittaamalla saadaan tie- toa tunnetilasta.

Tieto vireystilasta voidaan siis prosessoida pelkästä liikesensoreista saatavasta datasta mutta käyttämällä muutakin mittausdataa (esimerkiksi syke, HRV, hengitystaajuus, hengityssyvyys, ihonjohtavuus) ja yhdistämällä niiden data saadaan luotettavampi mittaus vireystilalle. Esimer- kiksi, korkea syke, nopea hengitys ja korkea GSR-arvo viittaavat yhdessä varmemmin korkeaan vireystasoon. Älykelloihin ja -rannekkeisiin kehitetyissä aktiivisuussovelluksissa käytettävät tunnetut algoritmit ovat käyttökelpoisia myös tämän keksinnön eri suoritusmuodoissa. Niissä eri sensoridatojen yhdistäminen ja analysoiminen tehdään esimerkiksi käyttämällä monimuuttujamenetelmiä, jotka ovat tilastollisia ja koneoppimisen menetelmiä ja voivat käsi- tellä useita muuttujia samanaikaisesti. Näitä menetelmiä ovat esimerkiksi seuraavat: 1) Regressioanalyysi, jolla pyritään ennustamaan riippuvaa muuttujaa yhden tai useam- man riippumattoman muuttujan perusteella. Esimerkiksi voidaan yrittää ennustaa henki- lön vireystilaa sykkeen, hengityksen, liikkeen ja GSR:n perusteella. 2) Pääkomponenttianalyysi (PCA) on tilastollinen menetelmä, jolla vähennetään datan ulottuvuuksia siten, että säilytetään mahdollisimman paljon datan vaihtelua. Se voi auttaa löytämään yhteisiä piirteitä useista eri mittauksista. 3) Ryvästäminen (Clustering) on koneoppimisen menetelmä, jolla voidaan jakaa data sa- mankaltaisiin ryhmiin. Esimerkiksi voidaan löytää ryhmiä, joilla on samanlaiset syke, hengitys, liike ja GSR -profiilit. 4) Erilaiset koneoppimisen algoritmit, kuten päätöspuut (Decision Trees), satunnaismetsät (Random Forests), syväoppimisalgoritmit (Deep Learning Algorithms) tukivektorikoneet (Reinforcement Learning Algorithms) ja neuroverkot, voivat käsitellä useita muuttujia sa- manaikaisesti ja löytää monimutkaisia malleja datassa.

Kuvassa 2 on havainnollistettu vireystilan mittaamisesta syntyvää vireystasodataa tallennettuna vuorokausitasolla 200, kuukausitasolla 210 ja vuositasolla 220. Kuukausitason tilalla voitaisiin käyttää myös viikkotasoa, jolloin viikkorytmi viikonloppuineen tulisi korostetusti esille. Ku- — vaan on esimerkinomaisesti piirretty vireystasokäyrä 201, joka alkaa keskiyöstä klo 0.00 ja päät- tyy seuraavaan keskiyöhön 24.00, sekä vireystason vaihtelualue, joka ulottuu nollasta maksi- miarvoon 209. Yön tunteina vireystaso on tyypillisesti matalin ja hälytyksen alarajakin 203 on matalimmillaan. Myös yläraja 202 on tyypillisesti matalimmillaan. Aamuherätyksen ja -toimien aikana vireystaso tyypillisesti nousee ja saattaa käydä hetken huipussaankin 204, mutta ei ai- — heuta hälytystä, koska yläraja 202 on noussut päiväaikaiseen korkeampaan tasoonsa. Lounas- ajan jälkeen tulee tyypillisesti rauhoittumisen ja monille iäkkäille käyttäjille päiväunienkin aika, jolloin vireystaso käy alhaalla 205. Esimerkin tapauksessa iltapäivällä tapahtuu jotakin kiihot- tavaa (laskujen maksaminen tietokoneella ei onnistu, pörssi sukeltaa, nettipeli vie mukanaan tms.), jolloin vireystaso nousee ylärajan yläpuolelle ajan hetkellä 206 ja jatkaa nousuaan selke- —ällätrendillä, jolloin hälytys 207 laukeaa pian sen jälkeen. Kuvasta voidaan päätellä, että hälytys on johtanut yhteydenottoon, minkä tuloksena käyttäjän vireystaso laskee nopeasti ja asettuu il- lan mittaan normaalitasolle nyt-hetkeen 208 mennessä, hyvissä ajoin ennen nukkumaan menoa.

Päivärytmikin voidaan ottaa huomioon vireystason hälytysrajoja säätävissä algoritmeissa esi- merkiksi siten, että alkuillasta hälytyskynnyksen ylärajaa lasketaan, jotta kiihtyneessä tilassa oleva käyttäjä saa tarvittaessa rauhoittavan yhteydenoton ennen nukkumaan menoa. Pelkkä kutsukin tunnetilan analysointiin voi auttaa käyttäjää havaitsemaan rauhoittumisen tarpeen ja valmistautumaan nukkumaan menoa varten.

Kuvassa 2 on havainnollistettu vireysdataa myös kuukausitasolla 210. Vireystasokäyrään 211 on havainnollistettu hitaita muutoksia maksimeineen ja minimeineen ja trendimäinen muutos 212, joista saatavaa muutostietoa voidaan käyttää oppivien algoritmien hälytysrajojen hienosää- dössä. Viikoittaista systemaattista vireystason aaltoiluakin on kuvassa havainnollistettu. Kuvaan on merkitty myös kuluvan kuukauden aikana tapahtuneet hälytykset 213 ja 214. Kuvan esimer- kissä kuluvan päivän vireystaso 215 poikkeaa merkittävästi aiempien vastaavien viikonpäivien — vireystasosta 216, 217 ja 218, mikä myös voidaan ottaa huomioon hälytysrajojen säätämisessä.

Vuositason vireysdatassa 220 vireystasokäyrässä 221 näkyvät hyvin hitaat muutokset, joista voi päätellä esimerkiksi vireystason vaihteluita vuodenaikojen mukaan. Kuvan 2 esimerkissä huh- tikuulle ajoittuu vireystason maksimi 222. Hälytysrajoja voidaan hienosäätää esimerkiksi siten, — että käyttäjän vireystasodatasta erotetaan vireystason systemaattisia vaihteluita ja hienosääde- tään hälytysrajoja niiden avulla. Kuvan 2 esimerkkitapauksessa vireystason hälytyksen ylärajaa voidaan nostaa kevään aikana, koska kyseisen käyttäjän luonnolliseen elämänrytmiin kuuluu korkeampi vireystaso keväällä. Samalla tavalla viikonloppuihin liittyviä elämänrytmin syste- maattisia vaihteluita voidaan hälytysrajojen algoritmien hienosäädössä ottaa huomioon auto- — maattisesti. Neuroverkkolaskentaa käyttävissä algoritmeissa opettaminen voi tapahtua esimer- kiksi itseohjautuvasti (SOM, Self Organizing Map), jolloin hälytysrajat asettuvat ja muuttuvat itseohjautuvan oppimisen aikana automaattisesti siten, että hälytykset johtavat maksimaaliseen myönteiseen muutokseen käyttäjän eri tunnetiloissa eivätkä rasita yhteyshenkilöitä turhilla tai heikosti vaikuttavilla yhteydenotoilla. Neuroverkkoja käytettäessä itseohjautuvaa oppimista kannattaa soveltaa koko järjestelmälle niin, että koko tapahtumaketju, vireystason mittaaminen — tunnetilan analysointi —> yhteydenotto, tuottaa maksimaalisen myönteisen muutoksen käyt- täjän tunnetilaan yhteyshenkilöiden käyttämään aikaan ja vaivaan nähden.

Kuvassa 3a on esitetty keksinnön eräässä suoritusmuodossa tunnetilojen analysoinnissa käytet- tävä VAD-mallin mukainen Valence-Arousal-Dominance-kartta 300 kolmiulotteisessa ortogo- naalinen koordinaatistossa. Akselit ja niiden asteikot voidaan asetella monella muullakin tavalla mutta tämän keksinnön havainnollistamiseksi kuvassa 3a käytetään kaikilla akseleilla positiivi- sia ja negatiivisia arvoalueita siten, että neutraali tai normaali arvoalue on kullakin akselilla nollan tuntumassa ja siten kaikkien dimensioiden kannalta katsoen origon 316 tuntumassa. Da- tan käsittelyä varten kullekin akselille molempiin asetetaan maksimi, jonka yli menevien arvojen annetaan tarvittaessa saturoitua maksimiarvoonsa. Tunnetilan (ES) Arousal-pystyakseli (ESA) 301 kuvaa tunnekokemuksen intensiteettiä. Ylöspäin tunnekokemuksen intensiteetti kas- vaa, keskellä se on normaali ja alaspäin pienenee. Valence-vaaka-akseli (ESV) 302 kuvaa tun- nekokemuksen miellyttävyyttä siten, että oikealle mentäessä miellyttävyys kasvaa, keskellä se on neutraali ja vasemmalle mentäessä epämiellyttävyys kasvaa. Kolmannessa dimensiossa Do- minance-akseli (ESD) 303 kuvaa tunnekokemuksen hallittavuutta. Kuvaan piirretyssä tapauk- sessa hallinnan tunne kasvaa loittonevaa akselia pitkin, keskellä se on neutraali ja lähenevää akselia pitkin hallinnan tunne heikkenee eli tunnetila hallitsee käyttäjää yhä voimakkaammin.

Kuvaan3aon piirretty katkoviivoilla rajoja, joissa tunnekokemus siirtyy origon 316 tuntumassa olevan neutraalin ja/tai normaalin ulkopuolelle ja johtaa siten yhteydenottoprosessin käynnisty- miseen. Akselien kohdalla näitä kynnysarvoja on kuvassa 3a merkitty seuraavasti: normaalin

Arousalin yläraja 310 on Ag ja alaraja 311 on Ar, neutraalin Valencen yläraja 312 on Vu ja alaraja 313 on V1, neutraalin Dominancen yläraja 314 on Dg ja alaraja 315 on Dr.

Kuvan 3b esittämässä keksinnön yksinkertaisessa suoritusmuodossa tila, jonka ulkopuolelle asettuva tunnetila aiheuttaa yhteydenottoprosessin käynnistymisen, on r-säteinen pallo 317, jonka pinnan leikkauspisteet koordinaatiston kunkin akselin kanssa asettuvat edellä kuvattujen kynnysarvojen Ar, An, Vi, Vi, Du ja Di kohdille. Tunnetila näkyy origosta lähtevänä vektorina 318, joka liikkuu tunnetilan vaihdellessa pallon sisällä ja yltäessään lävistämään pallon pinnan yhteydenottokynnyksen ylittymisen kriteerit täyttyvät, mikä aiheuttaa yhteydenottoprosessin käynnistymisen. Toisessa yksinkertaisessa suoritusmuodossa (kuva 3c) tila, jonka ulkopuolelle asettuva tunnetila aiheuttaa yhteydenottoprosessin käynnistymisen, on kuutio 319, jonka seinä- mät asettuvat kussakin suunnassa edellä kuvattujen kynnysarvojen An, Ar, Vn, Vi, Du ja DL kohdille. Tunnetila näkyy origosta lähtevänä vektorina 320, joka liikkuu tunnetilan vaihdellessa kuution sisällä ja yltäessään lävistämään yhden kuution 319 seinämistä yhteydenottokynnyksen ylittymisen kriteerit täyttyvät, mikä aiheuttaa yhteydenottoprosessin käynnistymisen. Edisty- neemmässä suoritusmuodossa (kuva 3d) eri akselien kynnysarvot riippuvat toisistaan, jolloin tuo tila onkin monimutkainen tila 321, jonka pinnan etäisyys origosta kussakin suunnassa mää- —räytyy VAD-kynnysarvosovelluksen 129 prosessoimien kolmen kynnysarvon kombinaatiosta.

Tunnetila näkyy origosta lähtevänä vektorina 322, joka liikkuu tunnetilan vaihdellessa tilan si- sällä ja yltäessään lävistämään tilan 321 pinnan se aiheuttaa yhteydenottoprosessin käynnisty- misen. Käytännön esimerkkinä mainittakoon, että jos Dominance on korkea (hallinnan tunne voimakas), voi Valence ja/tai Arousal nousta korkeaksi, ennen kuin yhteydenottokynnys ylittyy.

Toisaalta jos Valence on samalla vahvan negatiivinen ja Arousal korkea, voi se tarkoittaa vihan tunnetta, jolloin yhteydenottokynnys on syytä olla alempana. Negatiivinen Dominance taas kor- kean Arousalin ja negatiivisen Valencen kanssa tarkoittaa pelon tunnetta, jolloin yhteydenotto- kynnyksen on myös syytä olla alempana. Järjestelmän opetusjakson aikana yhteydenottokyn- nystä kuvaava rajapinta, jota kutsutaan myös kynnysarvofunktioksi, muotoutuu yksilölliseksi kullekin käyttäjälle ja käytön aikana tuota rajapintaa säädellään saadun palautteen perusteella

VAD-kynnysarvosovelluksessa 129.

Keksinnön eräässä edullisessa suoritusmuodossa VAD-mallia kuvaava tila jaetaan osiin, jotka edustavat eri tunnetiloja diskreettimallin mukaisesti. Tällöin VAD-mallin mukaisesti analysoitu tunnetila-avaruus voidaan jakaa kunkin dimension osalta esimerkiksi 2-6 osaan, joista muodos- tuu 8-216 nimettyä tai numeroitua mahdollista tunnetilaa, joihin käyttäjän vallitseva tunnetila kullakin ajanhetkellä luokitellaan esimerkiksi todennäköisyysarvoina. Kullekin mahdolliselle tunnetilalle voidaan määritellä kriteerit, joilla yhteydenottokynnys ylittyy. Kriteereissä voidaan ottaa huomioon käyttäjän vallitsevan tunnetilan eri tunnetiloihin kohdistumisen todennä- köisyysarvot, joista yhteydenottokynnyksen ylittyminen voidaan laskea käyttäen painotettuja arvoja. Myös yhteyshenkilöiden sopivuusarvot voidaan asettaa kullekin mahdolliselle tunneti- lalle erikseen ja käyttäjän vallitsevalle tunnetilalle sopivin yhteyshenkilö laskea painotetuista sopivuusarvoista. Keksinnön yksinkertaisessa suoritusmuodossa neutraalin ja/tai normaalin tun- netilan ulkopuolelle muodostuu tunnetiloja, joita voidaan kutsua esimerkiksi nimillä: 1) Innois- —saan/Mielissään, 2) Onnellinen/Tyytyväinen, 3) Uupunut/Kyllästynyt, 4) Apea/Surullinen, 5)

Tuohtunut/Turhautunut ja 6) Hädissään/Stressaantunut. Yhteyssovellus 140 määrittelee yhteys- historian 141 perusteella kenelle yhteyshenkilölle kussakin em. tunnetilassa kyseisenä ajanhet- kenä yhteys kannattaa avata. Huomattakoon, että yhteyksiä kannattaa ottaa myös positiivissa tunnetiloissa kuten Innoissaan/Mielissään, jotta käyttäjä saa jakaa hyviä kokemuksiaan yhteys- henkilön kanssa ja yhteyshenkilö pääsee kuulemaan myös positiivisia kuulumisia käyttäjältä, mikä parantaa siis molempien emotionaalista tilaa.

Kuvassa 4 on esitetty kuvan 1 mukaisen järjestelyn eräs toimintamuoto virtauskaaviona. Jär- jestely koostuu esimerkiksi käyttäjän ranteessaan pitämästä älykellosta, joka on jatkuvassa yh- — teydessä hänen älypuhelimensa, esimerkiksi iPhonen, kanssa. Älypuhelimen tilalla voidaan käyttää myös tablettilaitetta, kuten iPadia. Lisäksi on mahdollista, että älylaitteet ovat yhtey- dessä paikalliseen tietoverkkoon ja käyttävät siihen liitettyjen tietokoneiden tai vastaavien las- kenta-, muisti- ja tietokantakapasitettia. Edelleen on mahdollista, että älylaitteet ovat yhteydessä internetiin ja käyttävät siihen liitettyjen järjestelmien, esimerkiksi pilvipalveluiden, laskenta-, — muisti ja tietokantakapasiteettia.

Järjestely pidetään käyttöönoton jälkeen tyypillisesti aina päällä. Kuvan 1 selityksessä kuvailtua sensoridataa virtaa sisään vaiheessa 401 ja vireystilaa prosessoidaan vaiheessa 402. Vireystilan prosessointi voi tapahtua älykellossa tai älypuhelimessa tai niiden ja mahdollisten tietoverkosta saatavien palveluiden yhteistyönä. Vireystiladataa tallennetaan vaiheessa 403 vireystilahistorian tietokantaan 404 ja hälytyksen kynnysarvoja säädetään asetettujen algoritmien mukaisesti his- toriadatan avulla jatkuvana prosessina vaiheessa 405. Vaiheessa 406 prosessoitua vireystilaa testataan kynnysarvoihin peilaten. Jos vireystila ylittää alemman kynnysarvon VitL ja alittaa ylemmän kynnysarvon VitH, jatketaan vireystilan prosessointia ja testaamista vaiheessa 402.

Kun vireystila alittaa alemman kynnysarvon VitL tai ylittää ylemmän kynnysarvon VitH, siir- rytään lähettämään kutsuviesti käyttäjälle vaiheessa 407. Samanaikaisesti vireystilan proses- sointi sensoridatasta 402 ja sen tallentaminen vireystilan historiadataan 403 jatkuu, jotta vireys- tilatieto on käytettävissä myös tunnetilan prosessoinnin vaiheessa.

Kuvan4 vaiheessa 407 älykello tai älypuhelin hälyttää ja aktivoi käyttäjän reagoimaan. Hälytys voi tulla vireystilan laskettua hälytysrajan alapuolelle esimerkiksi äänellisenä kysymyksenä: ”Miten voit? Painaako jokin mieltäsi?” Tai vireystilan noustessa hälytysrajan yläpuolelle kysy- myksenä: ”Onko kaikki hyvin? Voisitko pysähtyä vastaamaan pariin kysymykseen?”. Kysy- mykset voivat näkyä myös älykellon tai älypuhelimen näytöllä tekstinä tai kuvakkeina. Avaus- kysymyksen jälkeen keksinnön mukainen järjestely voi esittää kysymyksiä, jotka liittyvät ajan- kohtaisiin uutisiin tai aiemmin käyttäjän kanssa käytyihin keskusteluihin. Tarkoituksena on he- rättää käyttäjä ottamaan aidosti osaa keskusteluun ja näin ilmaisemaan tunnetilaansa, jota jär- jestely mittaa ja tallentaa vaiheessa 408 ja analysoi vaiheessa 409 käyttäjän puheäänen ja -sisäl- lön sekä kasvoilmeiden ja -eleiden antamien vihjeiden perusteella. Järjestely voi myös kertoa kaskun ja seurata käyttäjän reagoimista siihen. Esimerkiksi hilpeä nauru ilmaisee positiivista

Valencea, tukahtunut ”höh” negatiivista. Järjestely voi käyttää myös tunteita stimuloivaa mu- siikkia ja/tai videokuvaa soittamalla sitä älypuhelimesta tai -tabletista ja seuraamalla käyttäjän reagointia ääntelyä ja kasvoilmeitä ja -eleitä tallentaen. Vallitsevan tunnetilan analysointi vai- heessa 409 tuottaa VAD-mallin mukaan toimittaessa arvot kolmelle dimensiolle: Valence,

Arousal ja Dominance. Nämä tunnetilan dimensiot voivat vaihdella keskustelun kuluessa no- peastikin, minkä vuoksi niitä on keskiarvoistettava esimerkiksi muutaman minuutin ajan, jotta saadaan luotettava tunnetila-arvio. Tunnetilan dimensioiden vaihtelunopeus ja -laajuuskin sisél- tävät tietoa käyttäjän todellisesta tunnetilasta, joten niitäkin voidaan käyttää tunnetilan analy- soinnin algoritmien hienosäädössä. Vaihtoehtoisesti diskreettiä tunnetilan mallintamista käytet- —täessä tunnetilan analysointi voi johtaa vallitsevan tunnetilan luokitteluun tiettyyn nimettyyn tunnetilaan, esimerkiksi hilpeä, masentunut tai pelästynyt, tai prosenttiluvulla ilmaistuun toden- näköisyyteen eri tunnetiloista. Kuvan 4 virtauskaavio on piirretty VAD-mallia korostaen.

Kuvan 4 vaiheessa 410 vallitsevan tunnetilan analysoinnin tuloksena saatu tunnetilatieto tallen- netaan tunnetilahistorian tietokantaan 411. Tietokannassa voi olla vuodenaikaa, viikonpäivää ja kellonaikaa ilmaisevien aikaleimojen lisäksi tallennettuna myös älyrannekkeen 101 ja älypuhe- limen 121 sovelluksien tuottamaa terveys- ja hyvinvointidataa. Nämä terveys- ja hyvinvointi- tiedot voivat kertoa esimerkiksi kuluneen päivän, viikon ja pitemmänkin ajanjakson liikunta- aktiviteeteista, aktiivisesta energiankulutuksesta, lepoenergiankulutuksesta, sykkeestä, askel- määrästä, kävely- ja juoksumatkoista, seisomisesta vs. istumisesta, noustuista kerroksista, le- posykkeestä, sykevälivaihtelusta, veren happitasosta, hengitystiheydestä, nukkumisajasta ja sen jakautumisesta eri unityyppeihin: kevytuneen, perusuneen, syvään NREM-uneen ja REM- uneen. Tietoja voidaan käyttää esimerkiksi lisäsyötteinä VAD-kynnysarvojen prosessoinnissa vaiheessa 412. Erityisen hyödyllisiä lisäsyötteet ovat piirteinä silloin, kun prosessointi suorite- — taan neuraalisella laskennalla, jonka hahmontunnistus osaa itsenäisesti kaivaa piirteistä tärkeät ominaisuudet ja muodostaa monimutkaisia riippuvuuksia niiden luokitteluun. Yksinkertaisem- massa suoritusmuodossaan keksinnönmukainen järjestely voidaan perustaa VAD-kynnysarvo- jen prosessointiin 412 pelkän tallennetun tunnetilatiedon 410 ja aikaleimatiedon perusteella.

Kuvan 4 vaiheessa 413 keksinnön mukainen järjestely tekee päätöksen yhteydenoton tarpeelli- suudesta. Siinä verrataan tunnetilan analysoinnin 409 tuloksena saatua tunnetilaa ES VAD-kyn- nysten tuloksena saatuihin rajoihin. Vertailu voi keksinnön yksinkertaisessa suoritusmuodossa tapahtua kuvan 3 selityksessä kuvatun mukaisesti vertailemalla tunnetilan kolmea dimensiota

ESV, ESA ja ESD erikseen kullekin dimensiolle asetettuihin ylä- ja alarajoihin eli ovatko kaikki kolme dimensiota noiden rajojen sisällä eli ovatko kaikki testit Vi, < ESV < Vu ja AL < ESA <

Anja DL < ESD < Du tosia, jolloin yhteydenottoa ei tarvita. Tässä tapauksessa rajat muodostavat kuution, kuten kuvan 3c selityksessä kuvaillaan. Keksinnön edistyneemmässä suoritusmuo- dossa (kuva 3d) rajat muodostavat monimutkaisen rajapinnan, jolla tunnetilavektoria 322, eli etäisyyttä origosta, verrataan. Jos tunnetilavektori pysyy tuon kynnysarvofunktion määrittämän rajapinnan sisäpuolella, yhteydenoton kriteeri ei täyty ja yhteydenottoa ei tarvita.

Jos päädytään tulokseen, että yhteydenottoa ei tarvita, siirrytään vaiheeseen 414 eli vireystilan kynnysarvojen algoritmin tarkentamiseen. Jos tunnetila on selvästi normaalin ja/tai neutraalin rajoissa eli ei nouse minkään dimension suhteen esimerkiksi yli 70 % päähän rajapinnasta, teh- dään vireystilan kynnysarvojen prosessoinnin 404 algoritmeihin tarvittavat hienosäädöt esimerkiksi väljentämällä kynnysarvoja 1-5 % verran, jotta jatkossa vastaavassa tilanteessa ei käynnistetä tunnetilan analysointia yhtä herkästi. Jos tunnetila ylittää normaalin ja/tai neutraalin rajapinnan, siirrytään vaiheeseen 415 eli yhteydenoton käynnistämiseen.

Yhteydenottoprosessin käynnistyttyä analysoidaan vaiheessa 416 tunnetilaa peilaamalla sitä tunnetilahistorian tietokantaan 411 tallentuneeseen dataan ja yhteyshistorian tietokantaan 418 tallentuneeseen dataan, erityisesti aiempien samankaltaisessa tunnetilassa tehtyjen yhteydenot- tojen tuloksena syntyneisiin muutoksiin. Vaiheessa 417 järjestely valitsee yhteyshenkilöistä sen, jonka kanssa aiemmin tapahtuneet yhteydenotot ovat johtaneet suurimpaan tunnetilan po- — sitiiviseen muutokseen. Vaiheessa 419 järjestely käynnistää puhelun tai videopuhelun avaami- sen. Jos yhteydenotto ei onnistu, palataan (katkoviivanuoli) kohtaan 417 valitsemaan seuraa- vaksi paras vaihtoehto yhteyshenkilöistä, jolle yhteydenottoa yritetään. Tätä jatketaan, kunnes yhteydenotto onnistuu.

Yhteydenoton onnistuessa puhelu tai videopuhelu yhteyshenkilön kanssa käynnistyy vaiheessa 420 ja sulkeutuu vaiheessa 423. Puhelun aikana käyttäjän puhetta ja kasvukuvavideota nauhoi- tetaan (vaihe 421) ja käyttäjän tunnetilan muutoksia analysoidaan vaiheessa 422. Puhelun pää- tyttyä käyttäjältä voidaan vaiheessa 424 pyytää älypuhelimella 1—3:lla kirjoitetulla tai puhutulla kysymyksellä palautetta tunnetilan paranemisesta ja vaiheessa 425 tiedot tunnetilan muutoksista — tässä yhteydenotossa päivitetään yhteyshistorian tietokantaan 418.

Tässä keksinnössä voidaan soveltaa myös oppivaa järjestelmää, joka löytää assosiaation syöte- tyn datan ja oikean luokittelun välillä, mihin tarvitaan opetusmateriaalia mallinnettavasta pro- sessista, eli mitattua dataa ja niitä vastaavia luokitteluja. Järjestelmä muodostaa niiden perus- — teella approksimaation funktiosta, joka osaa tehdä halutun luokittelun syötepiirteiden perus- teella. Voidaan käyttää myös menetelmiä, joissa oppivalle järjestelmälle ei tarvitse kertoa ha- luttua luokittelua, vaan se etsii automaattisesti erilaisia ryhmiä (luokkia) syötteestä. Tällöin pu- hutaan ohjaamattomasta oppimisesta. Käytettävissä olevia oppimismenetelmiä ovat mm. Pää- töspuuoppiminen (Decision tree learning), Neuraalioppiminen (Artificial neural networks),

Bayesilainen oppiminen (Bayesian learning), Instanssi-perusteinen oppiminen (Instance-based learning), Analyyttinen oppiminen (Analytical learning) ja Vahvistava oppiminen (Reinforce- ment learning).

VAD-kynnysarvojen eli kynnysarvofunktion määrittämisessä oppiva järjestelmä voidaan ohjel- moida säätelemään normaalin ja/tai neutraalin tilan rajapintaa siten, että kynnysarvofunktio asetetaan aluksi palloksi, joka edustaa vakioetäisyyttä origosta kaikkiin suuntiin, tai kuutioksi, jonka tahot asetetaan halutulle etäisyydelle origosta kuhunkin kuuteen suuntaan, ja jonka tilan määrittävän pinnan annetaan muokkautua oppivan algoritmin mukaan pinnan etäisyyttä origosta kuhunkin suuntaan muotoillen siten, että kukin toteutunut yhteydenottotapahtuma tuottaa mak- simaalisen positiivisen muutoksen käyttäjän tunnetilassa. Pinnan muokkaus voidaan tehdä peh- meästi siten, että samalla, kun ko. suunnan kohdalle osuvaa rajapintaa siirretään, siirretään myös sen ympärillä olevaa rajapintaa niin että rajapinta säilyy eheänä eikä siihen tule jyrkkiä muutos- rajoja.

Tähän keksintöön hyvin sopivassa neuraalioppimisessa laskenta tehdään neuroverkoilla, jotka koostuvat yksinkertaisista laskentaelementeistä, neuroneista, joilla on monta syötettä ja yksi vaste. Tyypillisesti jokaista syötettä kohden on painokerroin, joilla syötteiden merkitystä joko vahvistetaan tai heikennetään. Painokertoimet määritellään yleensä esimerkkien avulla opetta- malla. Neuronin vasteen arvo lasketaan painotetuista syötteistä. Periaatteiltaan neurolaskenta on —lineaarialgebraa, jossa yksinkertaisimmillaan suoritetaan matriisien kertolaskuja ja funktioiden evaluoimista.

Keksinnön mukaista järjestelyä ja menetelmää voidaan soveltaa myös erilaisten mielialaan liit- tyvien sairaustilojen, psyykkisten tai fyysisten, diagnosointiin ja potilaan auttamiseen selviyty- — mään niihin liittyvissä ongelmallisissa tunnetiloissa. Esimerkiksi kaksisuuntaisen mielialahäi- riön depressio- ja maniavaiheet vaikuttavat vahvasti potilaan tunnetiloihin ja voidaan tunnistaa keksinnön mukaisella tunnetilan analysoinnilla. Samoin Altzheimerin muistisairauteen, Parkin- sonin tautiin ja muihinkin muisti- ja mielisairauksiin liittyy mielialan vaihteluita, joiden tunnis- taminen voidaan tehdä keksinnön mukaisella tunnetila-analyysillä ja niistä kärsiviä potilaita voi- daan auttaa sopivan yhteyshenkilön kanssa käydyllä video- tai äänipuhelulla. Sairauksien ky- seessä ollen voidaan tunnetilakarttaan määritellä sairauskohtaisesti tunnetilat, jotka kullakin käyttäjällä liittyvät hänelle tyypillisiin sairaustilasta johtuviin mielialoihin.

Edellä on kuvattu eräitä keksinnön mukaisen järjestelyn ja menetelmän edullisia suoritusmuo- toja Keksintö ei rajoitu juuri kuvattuihin esimerkkeihin, vaan keksinnöllistä ajatusta voidaan soveltaa lukuisilla tavoilla patenttivaatimusten asettamissa rajoissa.

Claims (17)

Patenttivaatimukset

1. Yhteydenottojarjestely ylläpitämään käyttäjän vuorovaikutusta omaisten, ystävien, hoita- jien ja muiden yhteyshenkilöiden kanssa, joka järjestely koostuu - käyttäjään kiinnitetystä vireystilan mittalaitteesta, esimerkiksi älykellosta (101); - käyttäjän älypuhelimeen (121) asennetusta käyttäjän tunnetilaa puheäänestä ja kasvoku- vista tunnistavasta ja analysoivasta mobiilisovelluksesta ja - käyttäjän älypuhelimeen asennetusta videopuhelusovelluksesta (122), tunnettu siitä, että - vireystilan mittalaite (101) on ohjelmoitu seuraamaan käyttäjän vireystasoa ja lähettä- mään hälytyksen (407) älypuhelimelle (121), kun vireystaso laskee ko. ajankohdalle ase- tetun alarajan (203) alapuolelle tai kun vireystaso nousee ko. ajankohdalle asetetun ylära- jan (202) yläpuolelle; - älypuhelin (121) on ohjelmoitu hälytyksen saatuaan ääni- tai tekstiviestillä aktivoimaan käyttäjä puhumaan ja käyttäjän puhuessa tallentamaan käyttäjän puheääntä ja kasvokuvaa (408), analysoimaan niistä käyttäjän tunnetila (409) sekä aktivoimaan yhteydenotto (415), jos käyttäjän tunnetila täyttää ko. ajankohdalle asetettujen määritysten mukaisesti yhtey- denottokynnyksen ylittymisen kriteerit (413) ja - älypuhelin on ohjelmoitu käynnistämään yhteydenotto videopuheluna asetetuista yhteys- henkilöistä sille, jolle asetettu sopivuusarvo ko. käyttäjän ko. tunnetilassa ko. ajanhetkenä on suurin (417).

2. Patenttivaatimuksen 1 mukainen yhteydenottojärjestely, tunnettu siitä, että vireystilan mittalaite (101) mittaa käyttäjästä yhtä tai useampaa seuraavista parametreista: liikeaktiivisuus (102), sydämen syke (103), sykevälivaihtelu, hengitystaajuus (104), hengityssyvyys, ihon säh- könjohtavuus (105), ja prosessoi vireystason (106, 201) niistä ja niiden muutoksista saadusta datasta soveltamalla yhtä tai useampaa seuraavista tunnetuista teknologioista: regressioanalyysi, pääkomponenttianalyysi, ryvästäminen, koneoppiminen, syväoppiminen, neuroverkkoteknolo- gia ja jokin muu aktiivisuusmittareissa käytetty vireystason prosessoinnin teknologia.

3. Patenttivaatimuksen 1 mukainen järjestely, tunnettu siitä, että älypuhelin (121) on ohjel- moitu tallentamaan ja analysoimaan käyttäjän puheääntä ja kasvokuvaa (408) muulloinkin kuin saatuaan hälytyksen vireystilan mittalaitteelta (101), analysoimaan tunnetilaa (409) ja aktivoi- maan yhteydenotto (415), jos käyttäjän tunnetila täyttää ko. ajankohdalle asetettujen määritysten mukaisesti yhteydenottokynnyksen ylittymisen kriteerit (413).

4. —Patenttivaatimuksen 1 tai 3 mukainen järjestely, tunnettu siitä, että vireystason seuran- taan liittyvän hälytysjärjestelyn kynnysarvot (405) asetetaan järjestelyn käyttöönottovaiheessa manuaalisesti kullekin viikonpäivälle ja kunkin viikonpäivän kellonajalle esimerkiksi tunnin jaksoissa ja niitä hienosäädetään jatkuvan käytön vaiheessa automaattisesti siten, että kukin hä- lytys, joka ei johda tunnetila-analyysissä yhteydenottoon (414), aiheuttaa kynnysarvon muutta- misen esimerkiksi 1-5 % verran vireystason koko vaihtelualueesta suuntaan, joka pienentää hä- lytyksen syntymisen herkkyyttä tulevaisuudessa vastaavana viikonpäivänä ja vastaavana kel- lonaikana ja että sellaisen tunnetila-analyysin käynnistämä yhteydenotto, jota ei käynnistänyt — vireystila-analyysin antama hälytys, aiheuttaa kynnysarvon muuttamisen esimerkiksi 1-5 % verran vireystason koko vaihtelualueesta suuntaan, joka suurentaa hälytyksen syntymisen herk- kyyttä tulevaisuudessa vastaavana viikonpäivänä ja vastaavana kellonaikana.

5. Patenttivaatimuksen 1 mukainen järjestely, tunnettu siitä, että käyttäjän aktivointi puhu- maan ja näyttämään kasvojensa ilmeet ja eleet älypuhelimen kameralle tapahtuu älypuhelimen (121) teksti- tai ääniviestitoiminnolla esitettävillä stimuloivilla kysymyksillä, kommenteilla tai kaskuilla.

6. — Jonkin patenttivaatimuksen 1-5 mukainen järjestely, tunnettu siitä, että käyttäjän tunne- — tilan analysointi (409) tapahtuu rekisteröimällä käyttäjän ääntä ja/tai kasvokuvaa älypuhelimen mikrofonilla ja/tai videokameralla (408) ja prosessoimalla tunnetila niistä käyttäen tunnettuja tunnetilan tunnistamismenetelmiä.

7. — Jonkin patenttivaatimuksen 1-6 mukainen järjestely, tunnettu siitä, että vireystilan ja/tai —tunnetilan analysoinnissa käytetään puheäänen ja/tai kasvokuvan lisäksi myös älyrannekkeen (101) ja älypuhelimen (121) sovelluksien tuottamaa terveys- ja hyvinvointidataa, jotka voivat kertoa kuluneen päivän, viikon ja/tai pitemmänkin ajanjakson liikunta-aktiviteeteista, aktiivi- sesta energiankulutuksesta, lepoenergiankulutuksesta, sykkeestä, askelmäärästä, kävely- ja juoksumatkoista, seisomisesta vs. istumisesta, noustuista kerroksista, leposykkeestä, sykeväli- — vaihtelusta, veren happitasosta, hengitystiheydestä, nukkumisajasta ja sen jakautumisesta eri unityyppeihin: kevytuneen, perusuneen, syvään NREM-uneen ja REM-uneen, ja jota terveys- ja hyvinvointidataa käytetään esimerkiksi lisäsyötteinä VAD-kynnysarvojen hienosäädössä (412).

8. — Jonkin patenttivaatimuksen 1-7 mukainen järjestely, tunnettu siitä, että yhteyshenkilöi- den sopivuusarvon määrittämistä varten järjestely on ohjelmoitu suorittamaan yhden tai useam- man seuraavista operaatioista: - järjestely kyselee käyttäjän mielipidettä, kenen yhteyshenkilön kanssa hän haluaa yhtey- den kussakin tunnetilassa, esimerkiksi asteikolla 0-10, - järjestely seuraa yhteydenottojen aikana käyttäjän tunnetilassa tapahtunutta muutosta (421, 422) ja tallentaa muistiin kussakin tunnetilassa kunkin yhteyshenkilön kanssa käy- dyn keskustelun aiheuttaman muutoksen suunnan ja suuruuden ja/tai nopeuden esimer- kiksi prosentteina maksimiskaalasta VAD-koordinaatistossa, - järjestely kysyy kunkin yhteydenoton jälkeen käyttäjän mielipidettä (424) tunnetilassaan tapahtuneesta muutoksesta esimerkiksi asteikolla -5 — +5, ja - järjestely kysyy kunkin yhteydenoton jälkeen yhteyshenkilön mielipidettä käyttäjän tun- netilassa tapahtuneesta muutoksesta esimerkiksi asteikolla -5 — +5 sekä laskemaan sopivuusarvon asetetuilla painokertoimilla painotettuna keskiarvona valittujen — operaatioiden tuloksista ja skaalaamaan sen esimerkiksi välille 0-100.

9. — Jonkin patenttivaatimuksen 1-8 mukainen järjestely, tunnettu siitä, että sitä tilannetta varten, että yhteyttä otettaessa valittu yhteyshenkilö ei ole saatavilla, älypuhelin (121) on ohjel- moitu käynnistämään yhteydenotto yhteyshenkilöistä sille, jolle asetettu sopivuusarvo ko. käyt- — täjän ko. tunnetilassa ko. ajanhetkenä on seuraavaksi suurin.

10. Yhteydenottomenetelmä ylläpitämään käyttäjän vuorovaikutusta omaisten, ystävien, hoi- tajien ja muiden yhteyshenkilöiden kanssa, jossa menetelmässä mitataan käyttäjän vireystilaa esimerkiksi älykellolla (101), tunnistetaan käyttäjän tunnetilaa puheääntä ja kasvokuvaa analy- — soiden (408, 409) ja otetaan tarvittaessa videopuheluyhteyksiä asetettuihin yhteyshenkilöihin tunnettu siitä, että - vireystilan mittaus on ohjelmoitu seuraamaan käyttäjän vireystasoa (401, 402) ja lähet- tämään hälytyksen älypuhelimelle (121), kun vireystaso laskee ko. ajankohdalle asetetun alarajan alapuolelle (203) tai kun vireystaso nousee ko. ajankohdalle asetetun ylärajan yläpuolelle (202); - älypuhelin (121) on ohjelmoitu hälytyksen saatuaan ääni- tai tekstiviestillä aktivoimaan käyttäjä puhumaan ja käyttäjän puhuessa tallentamaan käyttäjän puheääntä ja kasvokuvaa (408), analysoimaan niistä käyttäjän tunnetila (409) sekä aktivoimaan yhteydenotto (415), jos käyttäjän tunnetila täyttää ko. ajankohdalle asetettujen määritysten mukaisesti yhtey- denottokynnyksen ylittymisen kriteerit (413) ja

- älypuhelin on ohjelmoitu käynnistämään yhteydenotto videopuheluna asetetuista yhteys- henkilöistä sille, jolle asetettu sopivuusarvo ko. käyttäjän ko. tunnetilassa ko. ajanhetkenä on suurin (417). 11 Patenttivaatimuksen 10 mukainen menetelmä, tunnettu siitä, että tunnetilan määritys pu- heäänestä ja/tai kasvokuvavideosta perustuu VAD-malliin, jossa tunnetilan dimensiot muodos- tavat kolmiulotteisen ortogonaalisen koordinaatiston, jonka dimensiot ovat - Valence (V), joka kuvaa tunnetilan miellyttävyyttä (302); - Arousal (A), joka kuvaa tunnetilan intensiteettiä (301) ja - Dominance (D), joka kuvaa tunnetilan hallittavuutta (303) ja jossa koordinaatistossa tunnetilalle origon ympärille asetetaan kynnysarvofunktion rajaama normaali ja/tai neutraali tila (317, 319, 321), jonka ulkopuolella yhteydenottokynnys ylittyy.

12. Patenttivaatimuksen 11 mukainen menetelmä, tunnettu siitä, että normaalin ja/tai neut- —raalin tunnetilan tilan määrittävä kynnysarvofunktio asetetaan aluksi palloksi (317), joka edus- taa vakioetäisyyttä origosta kaikkiin suuntiin, tai kuutioksi (319), jonka tahot asetetaan halutulle etäisyydelle origosta kuhunkin kuuteen suuntaan, ja jonka tilan määrittävän pinnan annetaan muokkautua oppivan algoritmin mukaan pinnan etäisyyttä origosta kuhunkin suuntaan muotoil- len siten, että kukin toteutunut yhteydenottotapahtuma tuottaa maksimaalisen positiivisen muu- — toksen käyttäjän tunnetilassa.

13. Patenttivaatimuksen 11 mukainen menetelmä, tunnettu siitä, että normaalin ja/tai neut- raalin tunnetilan tilan määrittävä kynnysarvofunktio asetetaan uudelle käyttäjälle aluksi sel- laiseksi tilaksi origon ympärille, joksi se on asettunut menetelmää aiemmin käyttäneelle saman — tyyppiselle käyttäjälle ja jonka tilan (321) määrittävää pintaa hienosäädetään oppivan algoritmin mukaan pinnan etäisyyttä origosta kuhunkin suuntaan muotoillen siten, että kukin toteutunut yhteydenottotapahtuma tuottaa maksimaalisen positiivisen muutoksen käyttäjän tunnetilassa.

14. Patenttivaatimuksen 13 mukainen menetelmä, tunnettu siitä, että normaalin ja/tai neut- raalin tunnetilan määrittävä kynnysarvofunktio määritetään käyttöönottovaiheessa siten, että käyttäjä antaa tietoja itsestään, kuten ikä, sukupuoli, persoonallisuustyyppi, fyysinen terveyden- tila, psyykkinen terveydentila, päivärytmi, johon tottunut, tai muita mielialan hallintaan liittyviä tietoja, joiden perusteella aiemmista käyttäjistä valitaan samanlaisia käyttäjiä, joiden kynnysar- vofunktioista keskiarvoistetaan käyttäjälle sopiva käyttöönottovaiheen kynnysarvofunktio.

15. Patenttivaatimuksen 10 mukainen menetelmä, tunnettu siitä, että vireystilan ja/tai tunne- tilan analysoinnissa sovelletaan ohjatun tai ohjaamattoman oppimisen periaatteella toimivaa op- pivaa järjestelmää, joka on ohjelmoitu ja/tai opetettu löytämään automaattisesti assosiaation syötetyn datan ja käyttökelpoisen luokittelun välillä, ja etsimään tätä ominaisuutta hyödyntäen —syötetystä datasta erilaisia vireystila- ja/tai tunnetilaluokkia käyttäen tunnettuja oppimismene- telmiä kuten päätöspuuoppiminen (Decision tree learning), neuraalioppiminen (Artificial neural networks), Bayesilainen oppiminen (Bayesian learning), instanssi-perusteinen oppiminen (In- stance-based learning), analyyttinen oppiminen (Analytical learning) tai vahvistava oppiminen (Reinforcement learning).

16. Patenttivaatimuksen 10 mukainen menetelmä, tunnettu siitä, että tunnetilan analysoin- nissa sovelletaan tunnetilojen luokittelun diskreettimallia, jossa VAD-mallin mukaisesti analy- soitu tunnetila-avaruus jaetaan kunkin dimension osalta esimerkiksi 2-6 osaan, joista muodos- tuu 8-216 nimettyä tai numeroitua tunnetilaa ja joihin käyttäjän vallitseva tunnetila kullakin —ajanhetkellä luokitellaan esimerkiksi todennäköisyysarvoina, ja että kullekin tunnetilalle on määritelty yhteyshenkilöiden sopivuusarvot ja kriteerit, joilla yhteydenottokynnys ylittyy.

17. Patenttivaatimuksen 10 mukainen menetelmä, tunnettu siitä, että siinä käytetty tunneti- lojen analysointi on opetettu tunnistamaan eri sairauksien, psyykkisten tai fyysisten, erilaisissa — sairaustiloissa esiintyviä tunnetiloja, kuten kaksisuuntaisen mielialahäiriön depressio- ja ma- niavaiheita tai muistisairauksien masennus- ja aggressiovaiheita, ja yhteydenotto on asetettu ko- kemusperäisesti tai automaattisen oppimistoiminnon tuloksena kohdistumaan kuhunkin tunne- tilaan parhaimman muutoksen tuottavaan yhteyshenkilöön.