Potential och hinder med sensorteknik i äldreomsorgen

Skellefteå kommun har undersökt hur sensorteknik kan kartlägga livsmönster hos personer i särskilt boende. Målet var att kunna förebygga olyckor och sjukdom och i slutändan nå ett breddinförande. Men både etiska och juridiska hinder kom i vägen. Trots det har värdefulla lärdomar dragits. I detta avsnitt gästas vi av Emmy Hedström Kuosmonen, projektledare för genomförandeprojektet FraViVo. 

Producerat av: Maria Bergenheim

Episode Transcript

(00:11):
Skellefteå kommun har länge undersökt hur uppkopplad teknik kan öka tryggheten inom äldreomsorgen.
I det här avsnittet ska vi prata om projektet FraViVo,
som testat sensorteknik i särskilt boende.
Målet var att samla in data om de boendes beteendemönster för att kunna förebygga sjukdomar och olyckor.

(00:38):
Men projektet tog en annan vändning.
Testerna i boendet avbröts och flyttade i stället in i labbmiljö.
Trots det har viktiga lärdomar dragits om både etiska och regulatoriska frågor,
som till exempel när en sensor räknas som en kamera och vad det innebär.

(01:02):
Jag heter Maria Bergenheim och du lyssnar på IoT Sveriges podcast om innovativa IoT-projekt i offentlig sektor.
Hej och välkommen till ett nytt avsnitt, du som lyssnar.
Ja, i dag har jag med mig Emmy Hedström Kuosmonen. Emmy, välkommen till IoT Sveriges podcast.

(01:24):
Tack så mycket!
Du har ju varit projektledare för FraViVo,
som ju står för Framtidens välfärdsteknik med Internet of Things.
Och det här projektet ska vi dyka ner i alldeles strax. Men först, vem är du?
Ja, men jag har en bakgrund som beteendevetare inom it-miljöer.

(01:49):
Och jobbar just nu som projektledare på Skellefteå kommun inom it och verksamhetsutveckling.
Vad lockade med beteendevetenskap?
Jag har alltid varit intresserad av hur människan fungerar i olika typer av sammanhang.
Och tyckte det lät extra intressant när man stoppar in det i en it-miljö.
Och hur människan kan samspela med it.

(02:10):
Vad som händer i en organisation när vi tillsätter it till exempel.
Och i det här projektet har det ju varit extra intressant med den bakgrunden,
eftersom att vi har använt teknik för att se hur vi kan förstå en människas beteende.
Ja, verkligen.
Det är ju så att vi pratar ju ofta om den här demografiska utmaningen med allt fler äldre,

(02:33):
som lever längre och ska ta oss hand om allt färre yngre då.
Och jag vet ju att ni i Skellefteå har jobbat flera år med just det här,
och även då särskilt med IoT inom vård och omsorg. Men berätta lite om bakgrunden.
Vi var ju faktiskt det tredje projektet i en projektserie där projektet IVO varit föregångare.

(02:58):
Och i IVO-projektet så ville vi med hjälp av olika typer av IoT-enheter,
se hur vi kunde koppla samman dem till en och samma IoT-plattform.
Och utifrån det då Se om vi kunde identifiera trender och avvikelser i deltagarnas livsmönster.
I det projektet så riktar vi in oss mot ordinärt boende och installerade alltså.
Tekniken hemma hos äldre personer.

(03:20):
-Hemma i deras hem.-Ja, precis.
Och sen datat som vi då fick in från sensorerna använde vi sen för att skicka ut sms till de äldres anhöriga
ifall det skedde förväntade eller oväntade händelser.
Och det kunde ju till exempel vara ifall klockan var tio på förmiddagen och kaffebryggaren inte hade startats
så kunde det gå ut ett sms till de anhöriga om att det hade skett en avvikelse.

(03:44):
Och sen så var det ju då upp till dem ifall de ville agera utifrån det
och kontakta deras anhöriga då för att se hur allting stod till.
Och hur föll det projektet ut?
Ja, det var ett väldigt uppskattat projekt från både deltagarna och de anhöriga.
Dessvärre så kunde vi inte hitta någon tydlig verksamhetsmodell för hur vi skulle
kunna erbjuda den här tekniken till de äldre så, ja, det kändes lite tråkigt.

(04:12):
Projektet FraViVo startades ju 2021 då och avslutades ganska nyligen
här i december 2024 och det var ett genomförandeprojekt
som finansierades med knappt 3,5 miljoner via oss på IoT Sverige.
Och man kan väl säga att det är ett typiskt innovationsprojekt där det ju hände lite saker

(04:34):
under resans gång som har gjort att ni har behövt ändra riktning och fokus, kan man väl säga.
Projektparterna som har varit med, det är då ni på Skellefteå kommun som är projektkoordinator.
Sen har vi då Luleå tekniska universitet, Umeå universitet,
Region Västerbotten och sen så har ni jobbat med teknikleverantören Everon.

(05:00):
Men okej, nu dyker vi ner i FraViVo. Vi tar det från början då. Vad var tanken?
Ja, men den ursprungliga tanken med projektet var egentligen att utgå ifrån resultatet
i IVO och undersöka hur vi kunde skala upp det inom kommunen och samtidigt undersöka om datat från
sensorerna kunde användas för att få en bättre förståelse för en individs hälsa och sjukdomsförlopp.

(05:22):
Och alltså se om det kunde ge en mer objektiv bedömning om en individs
hälsa som komplement till den subjektiva bedömningen som görs i dag.
Och i det här tidigare projektet då fokuserade ni på boende,
alltså vanligt ordinärt boende som det heter, men nu ändras i fokus till särskilt boende.

(05:42):
Vi kan väl berätta först, vad är särskilt boende?
Särskilt boende, det är personer som bor på ett äldreboende egentligen,
och behöver särskild vård för att klara sin vardag.
Varför fokuserade ni på den boendetypen?
Redan innan projektet startade i gång, så togs ett beslut att rikta in sig mot särskilt boende,

(06:03):
och det beslutet grundade sig i huvudsak i att vi i IVO hade svårt att hitta den här verksamhetsmodellen.
Hur vi skulle kunna erbjuda de här tjänsterna till de äldre
då de egentligen inte hade någon koppling till kommunen mer än att de var invånare.
Det var någon enstaka av de som hade hemtjänst,
men utöver det så var det som vilken invånare som helst.
Ja, men precis.
Och då såg vi att om vi riktar in oss mot särskilt boende så ser vi en tydlig koppling mellan kommunen och individen.

(06:29):
Vi såg att vi skulle kunna ha bättre förutsättningar för att kunna erbjuda den här tekniken mer långsiktigt.
Just det, och vad är det då man kan mäta och observera med den här tekniken?
Ja, men i projektet så gjorde vi workshops tillsammans med personalen på det här boendet,
för att ta reda på, vad skulle man vilja kunna upptäcka med hjälp av tekniken?

(06:52):
Och det som lyftes var ju bland annat nattlig oro, fall och mobilitetsförändringar.
Och utifrån de här scenarierna sen så försökte vi bryta ner det till faktiska beteenden hos individen,
för att se, vad är det för beteende som den här individen ska göra för att vi ska kunna koppla det till till exempel
nattlig oro eller mobilitetsförändringar?

(07:14):
Och efter de testerna som vi gjorde så kunde vi ju se att vi kunde upptäcka de här beteendena.
Och för nattlig oro kunde det ju till exempel vara att man vandrar runt i rummet nattetid eller att man sov sämre.
Man rörde sig mycket i sängen på natten och så.
Och för mobilitetsförändringar så tittade vi på om vi kunde se om gånghastigheten eller gångsträckor hade förändrats.

(07:39):
Så ni liksom identifierade de här parametrarna för de här olika beteendena?
Ja, precis.
Och du sa att ni gjorde workshops med personalen.
Finns det en vilja att jobba med det här alltså?
Ja, men det tycker jag att det finns.
Tekniken kommer ju aldrig kunna ersätta personalen, utan det ska ju snarare vara ett komplement,

(08:02):
ett verktyg som de kan använda i sitt arbete när de ger vård.
Ni behandlar ju personuppgifter i och med den här tekniska lösningen och då
behöver man ha klart för sig vilken rättslig grund man har för personuppgiftsinsamlingen
eller behandlingen, och nu så pratar vi om att ni skulle

(08:26):
installera teknik i särskilt boende, vilket gör det hela ännu lite knepigare.
Och det här vet jag att ni har resonerat en hel del kring.
Ja, men precis de etiska och juridiska aspekterna har ju varit med oss under hela projekttiden.
Och i början av projektet så la vi mycket tid på att undersöka hur vi med hjälp av samtycke skulle kunna samla in datat.

(08:50):
Men eftersom det inom särskilda boenden ofta handlar om
personer med nedsatt kognitiv förmåga och därmed också en nedsatt beslutsförmåga,
så kräver ju samtyckesfrågan en extra insats.
De har svårt att ge sitt samtycke helt enkelt.
Ja, men de kanske inte kan ta ställning till vad det är de lämnar sitt samtycke till helt enkelt.
Och vi landade ganska snabbt i att till exempel anhöriga inte kan lämna samtycke åt den äldre,

(09:16):
utan att det behöver vara en legal ställföreträdare.
Och det är inte speciellt vanligt att de har en sån.
Nej, just det. Så vad blev slutsatserna?
Ja, men när vi grävde lite djupare i frågan och tog till oss Integritetsskyddsmyndighetens rekommendationer
så landade vi i att samtycke inte bör vara den rättsliga grunden för personuppgiftsbehandlingen,

(09:36):
utan att man istället bör luta sig mot en annan rättslig grund och för kommuner kan det vara allmänintresse eller myndighetsutövning.
Och det har ju bland annat att göra med att ett samtycke kan återkallas när som helst.
Och framför allt när det gäller personer med en progressiv kognitiv sjukdom
så kan det ju vara utmanande att avgöra när och om ett samtycke bör anses återkallat.

(09:59):
Ja, just det. Och om det återkallas, då kan man ju inte fortsätta, så att säga.
Nej, men precis.
Låt oss komma in på själva tekniska lösningen då, som ni började med.
Det var en AI-kamera som ni installerade initialt. Hur var tanken att den skulle funka?

(10:22):
Ja, men vi beslutade ganska snabbt i projektet att vi ville använda oss
utav en trygghetssensor som gör en bildanalys och avpersonifierar bilden,
så att personen blir till en streckgubbe i stället.
Och varför vi valde att titta på den här tekniken var egentligen för att vi
såg att den kunde ge oss information som andra rörelsesensorer inte kan.
Till exempel kroppshållning, om personen sitter eller ligger ner i sängen.

(10:46):
Den möjliggjorde också för zonindelning.
På det särskilda boendet som individerna bor på så är det oftast bara ett rum med en toalett.
Och zonindelningen blev därför viktig för att kunna förstå var i rummet personen befann sig.
Hur funkar det alltså med zonindelning?
Man får egentligen en och sen utifrån den så kan du rita ut olika zoner och bestämma att här är matplatsen,

(11:13):
här är sängen och så kunde man rita ut zoner för till exempel dörren ifall personen lämnar rummet.
Ja, just det. Och det vi pratade tidigare om, om du ska mäta då oro till exempel, nattlig oro,
då använder man zonen sängen, eller?

(11:33):
Ja, men dels det för att mäta hur personen rör sig i sängen,
men man kan också se hur personen rör sig mellan zoner.
Just det, om man vandrar omkring helt enkelt.
Ja, men just det.
Men då körde ni på med det, men sen hände det någonting. Berätta.
Ja, men i samma veva som vi egentligen landade i att samtycke inte bör vara den

(11:57):
rättsliga grunden för personuppgiftsbehandlingen, så utredde vi också en annan fråga,
och det var vad definitionen av en sensor respektive kamera är.
Vi hade länge haft med oss tankarna om att eftersom att tekniken gör en bildanalys
så bör ju bilden samlas in från första början, finnas någonstans,

(12:18):
trots att slutanvändaren inte kan se den.
Sen insåg vi också att slutanvändaren ganska enkelt
kunde bestämma att bilden helt plötsligt inte längre skulle vara avpersonifierad.
Och det här såg vi väldigt stora risker med och därför valde vi att plocka ner tekniken helt enkelt.
Hur då alltså att slutanvändaren kunde välja att inte se?

(12:41):
Ja, men det var egentligen ett filter som man kunde slå av och på.
Just det, så att man såg klarbilder då.
Och då när ni kom fram till det här då plockade ni ner tekniken?
Ja, som sagt, vi tyckte att det var för stora risker med det helt enkelt.
Och vad hände då? Vad gjorde ni i stället?

(13:04):
Vi gjorde en ganska stor avgränsning i projektet.
Vid det här laget så hade vi kommit ganska långt i tidplanen.
Och slutdatumet för projektet började närma sig.
Så vi ansåg att vi behöver göra en avgränsning för att vi ska kunna få ut något form av värde av det här projektet.

(13:24):
Så vi bestämde oss för att hålla oss till en avgränsad labbmiljö
egentligen som vi kunde kontrollera då på ett annat sätt.
Just det.
Och i stället göra en teknisk jämförelse i den labbmiljön
där vi tittade då på den här AI-kameran och jämförde den med en annan typ av sensor.

(13:45):
Ja, berätta om den lösningen då.
För då tittade ni på en rörelsesensorlösning som baseras på radar.
Precis.
Varför vi valde att ta in den tekniken var ju då i huvudsak för att den ansågs mindre integritetskränkande,
men också för att den, precis som AI-kameran, möjliggjorde för den här zonindelningen.

(14:06):
Varför mindre integritetskränkande?
Ja, men den samlar ju inte in någon klar bild, som den andra tekniken,
utan den här bygger ju på radarteknik då och skickar i stället ut radiovågor.
Vilken teknisk lösning kom ni fram till var bäst?
Efter den tekniska jämförelsen så landade vi i att sensorn som bygger på radarteknik var bäst för det här ändamålet. Som sagt,

(14:31):
den är mindre integritetskränkande och kan användas för att identifiera en individs beteende och levnadsmönster.
Hur är den tänkt att fungera för dem som jobbar då inom hemtjänsten i det här fallet?
Ja, men vi tänker ju att personalen som jobbar med att ge vård och att utvärdera individernas hälsa

(14:56):
ska kunna ha någon form av dashboard med statistik,
som visar hur det har sett ut den senaste tiden och eventuella avvikelser eller trender.
Det kan vara i en mobiltelefon eller surfplatta.
Och att man kan använda den när man gör en utvärdering av en individs hälsa.

(15:17):
Det kan vara till exempel BPSD, som är beteendemässigt och psykiska besvär vid demens.
Ja, just det. Men då behöver man ju data under en tid då för att kunna använda den på ett bra sätt.
Är det så man ska förstå det?
Ja, men precis. Vi har väl sett att man behöver data från åtminstone 2–6 månader

(15:41):
för att kunna börja se de här trenderna och dra slutsatser utifrån det.
Kan man använda den här lösningen också till fall och hur ska det funka då för de som jobbar med det?
Ja, men det var en sak som vi testade faktiskt och där jämförde vi också radartekniken med AI-kameran

(16:05):
och kunde se att radartekniken var betydligt snabbare på att både identifiera och larma vid ett fall.
Och det har ju att göra med att det inte samlas in någon bild som ska analyseras och sen göras om till data.
kan ju då användas för att ge snabbare larm till personalen.
Våra förhoppningar är ju också att man ska kunna med hjälp av data att se händelser som kan ske innan ett fall.

(16:29):
Just det, att man ska kunna förebygga fall och olyckor.
Ja, precis.
Hur kan man göra det?
Det kan ju vara till exempel att man ser att personen sitter i sängen eller …
Man behöver ju kanske lite data för att kunna se såna trender,
för det kan ju vara väldigt individuellt också.

(16:49):
Det här var ju ett samverkansprojekt där ni hade med två universitet,
Luleå och Umeå, och även då en teknikleverantör, Everon.
Vad betyder det? Att samverka i ett sånt här projekt med olika parter?
Jo, men jag tycker det har betytt jättemycket.

(17:11):
Utan de här projektparterna så hade vi inte kunnat komma fram till alla de här lärdomarna.
Sen kan det ju självklart vara en utmaning att gå in i ett projekt.
med olika parter, där man kanske går in i projektet med olika intressen och förväntningar.
Men jag anser att vi kan bara bli klokare tillsammans utifrån allas olika perspektiv.
Och vad är de främsta lärdomarna?
Ja, men vi har försökt att sammanfatta det till några konkreta punkter.

(17:36):
Och dels så är det ju då att teknik som samlar in en klar bild,
men i efterhand avidentifierar bilden,
bör klassas som en klarbildskamera och därmed också hanteras enligt kamerabevakningslagen.
Sen så har vi ju då den rättsliga grunden och där har vi ju kommit fram till att för en
kommun så bör det vara allmänt intresse eller myndighetsutövning i stället för samtycke,

(18:00):
men att det kan vara bra att samla in ett samtycke ändå,
som komplement utifrån ett etiskt perspektiv.
Vi har ju också kommit fram till att den här radartekniken, som är mindre integritetskränkande,
kan användas för att identifiera en individs beteende och levnadsmönster.
Och framför allt på ett snabbare sätt än vad en AI-kamera kan göra.

(18:21):
Däremot så behöver personen falla i en viss hastighet för att det ska klassas som ett fall.
Okej, berätta.
Ja, men så som tekniken fungerar så sätter man egentligen sensorn i taket
och den känner då av hastigheten som personen rör sig från sensorn och då ner till golvet.

(18:41):
Och som sagt, den här hastigheten behöver ske
på ett visst sätt för att den ska snappa upp det som ett fall helt enkelt.
Så ramlar man och tar i sig möbler och sakta rör sig mot golvet så är det
inte säkert att tekniken kommer att upptäcka det på ett annat sätt än vad
den här AI-kameran kan göra då eftersom att den kan förstå kroppshållning.

(19:05):
Just det, ja, men det är ju en jätteviktig lärdom att veta.
Ja.
Målet, det var ju från början då att nå ett breddinförande av den här tekniken inom äldreomsorgen i Skellefteå.
Och ni nådde inte riktigt dit då.
Men när vi pratade inför det här så sa du att du ser ändå att det inte är omöjligt

(19:26):
i framtiden och att de här lärdomarna är värdefulla för kommunen och regionen. Berätta.
Ja, men med alla lärdomar och insikter som vi tar med oss från egentligen hela den
här projektserien så är jag övertygad om att nästa gång så når vi ett breddinförande.
Nu har vi bättre koll på hur vi ska och bör prioritera,

(19:48):
och där är våra rekommendationer att till en början fokusera på fungerande och tillförlitliga larm inom särskilt boende,
och satsa på den mer avancerade tekniken,
som kan hjälpa oss att förstå en individs beteendemönster inom hemtjänst.
Många vill ju bo kvar hemma, och samhället vill ju att vi ska bo kvar,
och i ordinärt boende så har vi ju heller inte den personal på plats som vi har på särskilt boende.

(20:13):
Och där kan ju tekniken därför vara ett bra komplement.
Just det. Jag tänker det är lite intressant då …
Vi snackade ju om att det här är ett typiskt innovationsprojekt där man på förhand …
Man har ju en idé såklart, men man vet inte exakt hur det kommer att bli.
Hur lätt eller svårt var det att tänka om när ni insåg att nej,

(20:35):
men vi kommer inte kunna genomföra det här projektet så som det var tänkt.
Ja, men såklart så har det ju känts tråkigt att vi inte nådde hela vägen fram
och att vi återigen har fastnat i det så kallade pilotträsket.
Vi visste ju redan inledningsvis att det kunde komma att bli en utmaning i och med att vi riktade in oss mot särskilt boende.

(20:55):
Men vi har ju hela tiden försökt hitta vägar framåt.
Och ja, men precis som vi säger så man får ju räkna med att det blir en del motgångar och
utmaningar i innovationsprojekt där man inte riktigt vet vad resultatet kommer att bli.
Men vi har ju löpande försökt styra projektet för att komma ut på andra sidan med ett resultat,
som skapar någon form av nytta, både internt inom Skellefteå kommun,

(21:16):
men också nationellt. Och det tycker jag att vi har gjort.
Ni vet ju att det finns en teknisk lösning, som fungerar, men det gick liksom inte att köra på,
på grund av både etiska och juridiska hinder. Vad tänker du kring det?
Ja, men att veta att de etiska och juridiska delarna har varit de största hindren,
det är ju såklart frustrerande.

(21:37):
Men vi behöver ju också påminna oss om att det är så av en anledning.
Och jag har varit väldigt mån om att vi inte ska göra någonting som vi inte juridiskt eller etiskt kan stå bakom.
Och det kan ju verka som att man vill ha hängslen och livrem eller inte vågar testa och utmana.
Men jag är tacksam över att vi inte har sprungit, utan att vi har tänkt till en gång extra.
Och ja, för det har ju gjort att vi står här med de lärdomar vi har i dag.

(22:00):
Ja, det känns som en omsorgsfullt sätt att se på utveckling av det här.
Du var inne lite på det, men jag tänker tips till andra kommuner och regioner som jobbar med det här.
Det är ju flera i Sverige. Har ni förresten haft något intresse från andra som har hört av sig?

(22:21):
Ja, det har vi.
Och vi har även träffat SKR och presenterat resultatet för dem och de vill fortsätta samarbetet.
Ja, spännande, men tips då om du har några såna?
Ja, men utöver de rekommendationer som jag har nämnt så skulle jag väl säga att det är att ta
del av information som finns på Integritetsskyddsmyndighetens hemsida och hitta stöd hos SKR,

(22:43):
ha med en jurist eller ett dataskyddsombud tidigt i arbetet,
men sen också att börja i en liten skala och försöka hitta en verksamhetsmodell,
som man sen då kan skala upp.
Och här tror jag att nyckeln är att hitta en process för hur vi kan inkludera det här i biståndsbedömningen.
-Hur då?-Ja, men jag tänker det är där vi
gör bedömningen om vad individerna har för behov av vård och hur vi kan bemöta det behovet.

(23:08):
Så det är ju där vi kan utifrån myndighetsutövningen resonera oss fram till
ifall vi kan använda den här tekniken eller inte som stöd i det.
Vad händer härnäst? Hur tas projektresultatet vidare?
Ja, men vi har ju dels spridit det internt inom Skellefteå kommun till olika delar.

(23:30):
Den tekniska jämförelsen har vi ju spridit till vår IoT-tjänst,
som vi har tagit fram i ett annat projekt inom IoT Sverige, som heter GIoTIS
Ja, och som vi också har spelat in ett poddavsnitt om.
Just nu finns det ingenting planerat, men jag hoppas ju att vi som nästa steg ska titta på

(23:53):
hur vi kan få in det här i vår biståndsbedömning och egentligen befintliga processer,
och sen kanske även koppla det till vår IoT-tjänst, för att hitta den här verksamhetsmodellen.
Vad tycker du har varit roligast att arbeta med i det här projektet?
Jag tror nog att det har varit att sammanställa alla lärdomar nu på slutet och börja sprida dem.

(24:16):
Känslan har ju varit under projektets gång att vi inte har kommit fram till någonting alls egentligen,
men när man har börjat sammanställa allting så ser man ju att
vi har ju faktiskt kommit fram till väldigt många viktiga saker som vi gärna vill dela med oss av,
så det känns väldigt värdefullt.
Och om man vill veta mer?
Ja. Dels så har vi en hemsida för projektet på Skellefteå kommuns webbsida.

(24:41):
Och sen så har vi även några artiklar där som man kan läsa ännu mer om.
Och vi har ju också på IoT Sveriges hemsida länkat vidare.
Och det står ju även lite mer information om projektet FraViVo där.
Då säger jag tack till dig, Emmy Hedström Kuosmonen, för att du var med här

(25:02):
och delade med dig av erfarenheterna kring projektet FraViVo i Skellefteå kommun. Tusen tack!
Ja, tack för att jag fick komma!
Du har lyssnat till en podcast från IoT Sverige,
ett strategiskt innovationsprogram finansierat av myndigheterna Vinnova,
Energimyndigheten och Formas.

(25:23):
Musiken i programmet är skriven av Johannes Bergenheim.
Själv heter jag Maria Bergenheim.