Een internationaal onderzoeksteam onder leiding van Concordia University heeft een geavanceerde, realtime monitoringtechnologie ontwikkeld die via camera- en sensorgegevens het gedrag van ziekteverwekkende deeltjes in binnenruimtes nauwkeurig in kaart brengt. De technologie biedt nieuwe kansen voor infectiepreventie in zorginstellingen en andere gebouwen met een hoge gebruiksdynamiek.
De innovatieve aanpak, recent gepubliceerd in het vakblad Building and Environment, combineert realtime tracking van personen met slimme algoritmes die luchtstromen en pathogeenverspreiding modelleren. Deze integratie stelt het systeem in staat om direct het infectierisico te beoordelen én ventilatiesystemen automatisch aan te sturen om de luchtkwaliteit te optimaliseren. “Onze methode verkort de simulatietijd drastisch ten opzichte van eerdere modellen. Daardoor kunnen we veel sneller vaststellen of een ruimte waarin een besmet persoon is geweest nog een risico vormt”, aldus promovendus en hoofdauteur Zeinab Deldoost.
Continue monitoring
Waar bestaande modellen zich vooral richten op kortdurende verspreiding – vaak minder dan een minuut – maakt deze nieuwe technologie langdurige simulaties mogelijk. Coauteur en hoogleraar Fariborz Haghighat benadrukt de toegevoegde waarde voor complexe omgevingen zoals ziekenhuizen.
“Door gebruik te maken van sensoren kunnen we niet alleen besmette personen volgen, maar ook beter vastleggen wie er mogelijk aan besmetting is blootgesteld. Dit biedt een krachtige tool voor infectiecontrole in realtime.”
Versimpeld model, hogere snelheid
Het systeem werkt met een vereenvoudigd rekenmodel waarbij personen worden beschouwd als bewegende emissiebronnen zonder massa. Hierdoor worden rekenprocessen versneld, zonder verlies van nauwkeurigheid. Zo kan het model in slechts 3,8 seconden op een standaardlaptop één seconde aan verspreiding simuleren.
Validatieonderzoek wijst uit dat de luchtstroom na het verlaten van een persoon binnen circa 40 seconden normaliseert en dat de impact op de algehele luchtverplaatsing minimaal is. Dit maakt het model uitermate geschikt voor langdurige simulaties en voor toepassing in gebouwen met wisselende bezettingsgraad.
Voorbereiding op AI-toepassingen in de zorg
Volgens medeonderzoeker Fuzhan Nasiri opent deze technologie ook de deur naar verdere integratie met kunstmatige intelligentie: “Door langdurig te simuleren in uiteenlopende scenario’s kunnen we waardevolle datasets genereren. Die kunnen op hun beurt worden gebruikt om AI-modellen te trainen die toekomstige risico’s autonoom kunnen inschatten, zonder dat er telkens nieuwe simulaties nodig zijn.”
Deze technologie zou, volgens de onderzoekers, een belangrijke rol kunnen spelen in het proactief managen van infectierisico’s in ziekenhuizen, verpleeghuizen en andere zorgomgevingen, met als doel het voorkomen van toekomstige uitbraken, zoals eerder bij COVID-19.
