Säker och rättvis AI-baserad drogdetektion

Viktiga resultat som projektet gav

Syftet med projektet var att samla in data på narkotikapåverkades ögon och med hjälp av utvecklade algoritmer och machine-learning/AI hitta en metod för att identifiera narkotikapåverkan. Målet var att utveckla en metod som via screening av ögonområdet kan säkerhetsställa drogpåverkan med hög träffsäkerhet. Metoden skulle kunna appliceras i en mjukvara bl a för fordon för att minska drograttfylla och öka trafiksäkerheten.

Långsiktiga effekter som förväntas

I dialog med marknaden, särskilt fordonsindutrin, framkom att behovet av att detektera alkoholpåverkan var prio 1. Av denna anledning började vi parallellt samla in stora volymer data på alkoholpåverkade. Vi har under projektets gång lyckats utveckla en träffsäker algoritm som via en kort filmsekvens detekterar alkoholpåverkan (cirka 87% träffsäkerhet med en promillenivå på 0,5). Vi har idag samarbetsprojekt inom fordonsindustrin med målsättning att integrera mjukvaran i fordon för att förbättra trafiksäkerheten.

Upplägg och genomförande

Vi har i samarbete med sjukhus samlat in data på narkotikapåverkade personer. I samband med att dessa personer enligt rutin ska lämna ett drogtest så genomförs även en filmning av ögonområdet. Filmningen har därefter kopplats ihop med resultatet av drogtestet. Drogtestet har bestått av antingen urin-, saliv-, eller blodprov. Filmerna på alkoholpåverkade har samlats in vid olika tillställningar där personer frivilligt druckit valfri mängd alkohol och därefter filmats i olika promillenivåer. Dessa filmer har legat till grund för utvecklande av algoritmen.