Zbiór danych z prawdziwego świata do wykrywania mycia rąk w życiu codziennym za pomocą danych o ruchu nadgarstka z urządzeń noszonych

Mycie rąk, obserwowanie zdrowia

Większość z nas myje ręce bez zastanowienia. Dla osób pracujących w szpitalach lub przy przygotowywaniu żywności, a także dla osób żyjących z zaburzeniem obsesyjno‑kompulsyjnym (OCD), mycie rąk ma wpływ na zdrowie, bezpieczeństwo i codzienne życie. W tym badaniu przedstawiono nowy rodzaj zasobu danych: tygodnie nagrań z czujników noszonych na nadgarstku, zarejestrowanych w prawdziwym życiu, które obejmują zarówno codzienne, jak i kompulsywne mycie rąk. Celem jest pomoc przyszłym smartwatchom w rozpoznawaniu, kiedy myjemy ręce — a ostatecznie także w rozróżnianiu zdrowych nawyków od rytuałów napędzanych cierpieniem.

Dlaczego mycie rąk ma tak duże znaczenie

Czyste ręce to jedna z najprostszych obron przed zakażeniem, czy to w domu, w przychodni, czy w kuchni zakładowej. Tymczasem mycie rąk jest zaskakująco trudne do monitorowania poza kontrolowanymi warunkami. Istniejące systemy często opierają się na kamerach przy zlewach lub czujnikach zainstalowanych w określonych miejscach pracy, co może być natrętne, budzić obawy o prywatność lub po prostu nie skalować się na życie codzienne. Jednocześnie dla wielu osób z OCD mycie rąk to nie tylko higiena: może stać się czasochłonną, bolesną odpowiedzią na przytłaczające lęki przed zarażeniem. Ich mycie może być znacznie częstsze i dłuższe niż to konieczne, prowadząc do uszkodzeń skóry i pogorszenia jakości życia. Technologia, która niezawodnie wychwyci mycie rąk w naturalnych warunkach, mogłaby więc służyć dwóm różnym potrzebom: sprawdzaniu, czy profesjonaliści myją wystarczająco często, oraz pomaganiu pacjentom zauważać, kiedy mycie wynika z lęku, a nie potrzeby.

Miesiąc życia na nadgarstku

Aby zbudować realistyczny obraz mycia rąk w naturalnych warunkach, badacze zrekrutowali 22 dorosłe osoby zdiagnozowane z kompulsywnym myciem rąk w Szwajcarii. Każda osoba nosiła smartwatch z systemem Android na nadgarstku przez cztery tygodnie, starając się używać go przynajmniej sześć godzin dziennie. Zegarek rejestrował subtelne ruchy nadgarstka 50 razy na sekundę przy użyciu wbudowanych czujników ruchu, podobnych do tych w opaskach fitness. Po każdym umyciu rąk uczestnicy naciskali przycisk na zegarku, a następnie odpowiadali na kilka krótkich pytań: czy to mycie było kompulsywne czy rutynowe, jak silne było ich przymus mycia i jak napięci się czuli (wszystko w skali 1–5). Każdego wieczora zegarek pytał też o częstotliwość i intensywność myć w ciągu dnia oraz o to, jak często pamiętali, by potwierdzać mycia.

Przekształcanie chaotycznych dni w użyteczne dane

Życie jest nieporządne: ludzie zapominają nosić urządzenia, krany mogą być błędnie oznaczone, a zegarki leżą na stołach i nagrywają jedynie ciszę. Zespół zaprojektował więc rozbudowany proces czyszczenia i etykietowania danych. Usuwano całe nagrania, gdy wyraźnie brakowało ruchu lub gdy pliki były zbyt krótkie albo uszkodzone, i oznaczano długie okresy bezruchu, aby inni badacze mogli je łatwo pominąć. Ponieważ każde naciśnięcie przycisku dawało tylko pojedynczy punkt czasowy, naukowcy musieli wnioskować, kiedy każde mycie się zaczęło i skończyło. Najpierw oszacowali typowe długości myć na podstawie nadzorowanego przykładu w laboratorium, a następnie dopracowali etykiety przy użyciu przesuwnego okna czasowego i — dla sześciu starannie wybranych uczestników — żmudnego ręcznego przelabelowania przez wytrenowanych anotatorów, którzy oglądali przebiegi ruchu wzrokowo. Końcowy rezultat to zbiór danych OCDetect: około 2600 godzin codziennej aktywności, w tym około 31 godzin mycia rąk rozłożonych na 2930 myć, prawie równomiernie podzielonych między wydarzenia samoopisane jako rutynowe i kompulsywne.

Nauczanie maszyn rozpoznawania mycia

Dzięki temu zbiorowi danych zespół przetestował, jak dobrze standardowe metody uczenia maszynowego potrafią odróżnić mycie rąk od innych dziennych czynności. To trudne wyzwanie: mycie stanowi tylko około 1% zarejestrowanego czasu, a różni ludzie myją ręce w bardzo różny sposób. Korzystając z krótkich, pięciosekundowych okienek danych ruchu i zbioru prostych cech — takich jak siła lub nieregularność ruchów — trenowano klasyczne modele, takie jak lasy losowe i gradient boosting. Modele oceniano w rygorystyczny sposób, zawsze testując na uczestnikach, których algorytmy wcześniej nie widziały. Najlepsze ustawienie osiągnęło miarę F1 do 0,77 (średnio około 0,33 między osobami), znacznie powyżej losu, przy prostym zadaniu „mycie czy nie”. Jednak gdy zadaniem było rozróżnienie myć rutynowych od kompulsywnych, wydajność wracała do poziomu losowego. Innymi słowy, same wzorce ruchu nie ujawniają wiarygodnie emocjonalnych przyczyn mycia.

Co to oznacza dla przyszłych smartwatchy

Dla laika przesłanie jest dwojakie. Po pierwsze, smartwatche mają już wystarczającą moc sensoryczną, by wychwycić większość epizodów mycia rąk w życiu codziennym, nawet na hałaśliwym tle chodzenia, gotowania czy pracy. Po drugie, zrozumienie dlaczego ktoś się myje — czy dla higieny, czy z powodu lęku związanego z OCD — jest znacznie trudniejsze niż samo ustalenie czy myje się ręce. Zbiór danych OCDetect, udostępniony publicznie, daje badaczom realistyczną, otwartą podstawę do poprawy metod detekcji, badania bardziej zaawansowanych modeli i łączenia danych ruchu z innymi wskazówkami lub wiedzą kliniczną. Z czasem może to utorować drogę do narzędzi, które delikatnie wspierają zarówno kontrolę zakażeń, jak i terapię OCD, pozostając przy tym przyjazne dla prywatności i dyskretne na nadgarstku.

Cytowanie: Burchard, R., Kirsten, K., Miché, M. et al. A Real-World Dataset for detecting Handwashing in daily Life using Wrist Motion Data from Wearables. Sci Data 13, 179 (2026). https://doi.org/10.1038/s41597-026-06698-2

Słowa kluczowe: mycie rąk, czujniki noszone, zaburzenie obsesyjno‑kompulsyjne, dane ze smartwatcha, rozpoznawanie aktywności człowieka