El Instituto de Biomecánica de Valencia (IBV) ha presentado un proyecto llamado Deep-Lab, donde proponen que personas con problemas de movilidad puedan rehabilitarse gracias al deep learning. Concretamente, el objetivo es explorar el potencial uso de nuevas metodologías «markerless» —es decir, sin marcadores sobre el cuerpo de los pacientes— de registro y de análisis de los movimientos humanos con aplicación en el ámbito de la salud, y especial foco en el análisis de la marcha humana.
«Algunas de las potenciales ventajas que estas metodologías van a representar para los profesionales clínicos son la mejora en la planificación de los procesos de recuperación, una evaluación precisa y objetiva con la obtención de datos cuantitativos sobre la marcha del paciente —eliminando la subjetividad de las evaluaciones manuales—, el ajuste de los tratamientos a seguir con la posibilidad de detección temprana de retrocesos en la rehabilitación, la disminución de los tiempos de valoración de los pacientes o la reducción del coste de la solución frente a los sistemas tradicionales para la valoración de la marcha, entre otras», explica Ignacio Bermejo, el director de innovación del área de Tecnologías en IBV.
De este modo, Deep-Lab permitirá el registro y análisis de movimientos de forma ágil y con el ya citado markerless, presentando potenciales aplicaciones para la mejora de los procesos de rehabilitación de pacientes con patologías de la marcha, como puede ser el caso de personas con afectación motora tras un daño neurológico.
¿De dónde viene?
Sobre el contexto de la creación de Deep-Lab, desde el IBV recuerdan que la marcha humana es un proceso altamente complejo que involucra múltiples sistemas del cuerpo, incluidos los sistemas musculoesqueléticos, el nervioso y el cardiovascular. Además, la marcha varía significativamente de una persona a otra debido a factores como la edad, el género, las características anatómicas y las patologías subyacentes de la persona.
«Hoy en día, la inteligencia artificial, y más concretamente el deep Learning representa una oportunidad para la mejora de los actuales sistemas de registro y análisis de la marcha humana utilizados en el ámbito clínico y asistencial, ya que permite comprender mejor cómo se mueven las personas, analizar los patrones de movimiento y los datos de sensores para evaluar la postura y la mecánica corporal. Esto es de gran utilidad en terapia física y en la prevención de lesiones, entre otras muchas aplicaciones».
Las posibilidades
Por otro lado, Bermejo, el investigador de IBV, señala que estas soluciones, como en Deep-Lab, abren «un amplio abanico de posibilidades en el campo de la rehabilitación y de oportunidades futuras de implementación como aplicaciones comerciales», añadiendo que, en este sentido, el proyecto impulsado desde el Instituto representa una doble oportunidad, «tanto para mejorar la calidad de vida de los pacientes como para mejorar los procesos asistenciales potenciando una mejora de la eficacia de los mismos y una reducción de los costes de tratamiento y recuperación».
Así, «las nuevas soluciones markerless van a permitir democratizar el uso de la biomecánica en el campo de la salud y el bienestar. Esto se debe a que va a reducir los tiempos de las evaluaciones y los costes de implementación de las tecnologías, provocando que su uso sea más accesible para profesionales del campo sanitario, además de otros ámbitos como el del deporte, la ergonomía, el diseño o la bioingeniería, entre otros muchos» indica Bermejo.
