Реальные данные для обнаружения мытья рук в повседневной жизни по движениям запястья с носимых устройств

Мытьё рук, наблюдение за здоровьем

Большинство из нас моют руки не задумываясь. Для людей, работающих в больницах или с продуктами питания, а также для тех, кто живёт с обсессивно-компульсивным расстройством (ОКР), мытьё рук влияет на здоровье, безопасность и повседневную жизнь. В этом исследовании представлен новый тип данных: недели реальных записей с сенсоров на запястье, которые фиксируют и повседневное, и навязчивое мытьё рук. Цель — помочь будущим смарт-часам распознавать моменты мытья — и в перспективе отличать здоровые привычки от ритуалов, вызванных страданием.

Почему мытьё рук так важно

Чистые руки — одно из простейших средств защиты от инфекции, будь то дом, клиника или фабричная кухня. Тем не менее мытьё рук трудно контролировать вне лабораторных условий. Существующие системы часто полагаются на камеры у раковин или датчики, установленные на рабочих местах, что может быть навязчиво, вызывать опасения за приватность или просто не масштабироваться на повседневную жизнь. В то же время для многих людей с ОКР мытьё рук — не только вопрос гигиены: оно может превратиться в длительную, болезненную реакцию на навязчивый страх заражения. Их мытьё может быть гораздо более частым и продолжительным, чем требуется, что ведёт к повреждению кожи и снижению качества жизни. Технология, которая надёжно фиксирует мытьё рук в естественных условиях, может служить двум разным целям: контролировать, моют ли профессионалы руки в достаточной степени, и помогать пациентам заметить, когда мытьё продиктовано тревогой, а не потребностью.

Месяц жизни на запястье

Чтобы получить реалистичную картину мытья рук в реальной жизни, исследователи набрали 22 взрослых в Швейцарии с диагнозом ОКР, проявляющимся навязчивым мытьём рук. Каждый участник носил смарт-часы на базе Android на запястье в течение четырёх недель, стараясь не снимать их минимум шесть часов в день. Часы регистрировали тонкие движения запястья 50 раз в секунду с помощью встроенных датчиков движения, похожих на те, что используются в фитнес-трекерах. После каждого завершённого мытья участники нажимали кнопку на часах и отвечали на несколько коротких вопросов: было ли это мытьё навязчивым или рутинным, насколько сильно у них было желание помыть руки и насколько напряжёнными они себя чувствовали (все вопросы — по шкале от 1 до 5). Каждый вечер часы также просили оценить, как часто и насколько интенсивно они мыли руки за день и как часто им удавалось подтверждать мытья.

Как превратить шумные дни в пригодные данные

Реальная жизнь хаотична: люди забывают носить устройства, нажатия могут быть неверно отмечены, а часы лежат на столе и записывают лишь тишину. Поэтому команда разработала подробный процесс очистки и разметки данных. Они удаляли целые записи, когда явно не было движения или файлы были слишком короткими или повреждёнными, и помечали длинные участки бездействия, чтобы другие исследователи могли их легко пропустить. Поскольку каждое нажатие кнопки давало только одну временную точку, учёным приходилось выводить, когда именно начиналось и заканчивалось мытьё. Сначала они оценивали типичную длительность мытья по контролируемому примеру в лаборатории, затем уточняли метки с помощью скользящего временного окна и, для шести тщательно отобранных участников, вручную переразмечали данные обученные аннотаторы, которые просматривали траектории движений визуально. В результате получился набор данных OCDetect: примерно 2600 часов повседневной активности, включая около 31 часа мытья рук, распределённого по 2930 событиям мытья, почти поровну между самозаявленными рутинными и навязчивыми эпизодами.

Обучение машин обнаруживать мытьё

С этим набором данных команда проверила, насколько стандартные методы машинного обучения умеют выделять мытьё рук из остального множества повседневных действий. Это непростая задача: мытьё составляет лишь около 1% записанного времени, и разные люди моют руки по-разному. Используя короткие окна движения длительностью пять секунд и набор простых признаков — таких как сила или «рывковость» движений — они обучали классические модели вроде случайного леса и градиентного бустинга. Модели оценивались строго: всегда тестировали на участниках, которых алгоритмы не видели при обучении. Лучшее сочетание параметров достигло F1-меры до 0,77 (в среднем около 0,33 по людям), что существенно выше случайного результата, при задаче простого решения «мытьё или нет». Однако при попытке отличить рутинные мытья от навязчивых точность возвращалась к уровню случайного угадывания. Другими словами, одни только шаблоны движения пока не дают надёжной информации о том, по каким эмоциональным причинам произошла процедура мытья.

Что это значит для будущих смарт-часов

Для неспециалиста посыл двоякий. Во-первых, смарт-часы уже обладают достаточными сенсорными возможностями, чтобы заметить большинство эпизодов мытья рук в повседневной жизни, даже на фоне шума от ходьбы, готовки или работы. Во-вторых, понять почему человек моет руки — гигиена это или мытьё, вызванное тревогой при ОКР — гораздо сложнее, чем просто понять факт мытья. Набор данных OCDetect, теперь доступный публично, даёт исследователям реалистичную и открытую основу для улучшения методов обнаружения, изучения более сложных моделей и комбинирования данных о движении с другими подсказками или клинической информацией. Со временем это может привести к инструментам, которые деликатно поддерживают как контроль инфекций, так и терапию ОКР, оставаясь при этом конфиденциальными и ненавязчивыми на запястье.

Цитирование: 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

Ключевые слова: мытьё рук, носимые датчики, обсессивно-компульсивное расстройство, данные со смарт-часов, распознавание человеческой активности