Investigadores de la Universidad de Tel Aviv (TAU) y el Centro Médico Sourasky de Tel Aviv (TASMC) han desarrollado un modelo basado en aprendizaje automático que permite estimar con precisión la longitud de los pasos. Esta medida puede ser indicativa de diversos problemas de salud, especialmente enfermedades neurológicas.
El modelo utiliza un pequeño sensor portátil, ligero e impermeable, que se coloca en la parte baja de la espalda y convierte los datos en estimaciones precisas de la longitud del paso. Esta tecnología es cuatro veces más precisa que los modelos biomecánicos tradicionales. A diferencia de estudios anteriores que utilizaban dispositivos incómodos y varios sensores, este nuevo método es más eficiente y cómodo para los usuarios.
Estudios anteriores han demostrado que la longitud del paso disminuye con la edad y en personas con trastornos neurológicos. Sin embargo, estos estudios usaban dispositivos menos cómodos y solo involucraban a personas sanas, lo que limitaba la generalización de los resultados. El nuevo modelo desarrollado por TAU y TASMC supera estas limitaciones al proporcionar mediciones precisas y continuas en el entorno natural del paciente.
Los investigadores destacaron que la longitud del paso es una medida sensible y no invasiva para detectar una variedad de problemas de salud, incluyendo deterioro cognitivo, esclerosis múltiple, Parkinson, Alzheimer, enfermedades cardiovasculares agudas y accidentes cerebrovasculares. El modelo puede integrarse en un dispositivo portátil adherido a la parte baja de la espalda, permitiendo un seguimiento continuo de los pasos del paciente en su vida diaria.
Según los investigadores, la base de datos utilizada para desarrollar el modelo incluyó 83.569 pasos, lo que garantiza una amplia diversidad y precisión en los resultados. Este avance promete mejorar significativamente el monitoreo de la salud neurológica y cardiovascular, facilitando la detección temprana y el control de estas enfermedades.
El estudio completo se ha publicado en la revista Digital Medicine bajo el título “Un sensor portátil y el aprendizaje automático estiman la longitud de los pasos en adultos mayores y pacientes con trastornos neurológicos”.
Estudio de TAU revela nuevo método para medir longitud de paso
Un equipo de investigadores liderado por Assaf Zadka, estudiante de posgrado del departamento de ingeniería biomédica de la Universidad de Tel Aviv (TAU), ha desarrollado un innovador método para medir la longitud del paso. El equipo incluye al profesor Jeffrey Hausdorff, del departamento de fisioterapia y de la Escuela Sagol de Neurociencia de la TAU, y del departamento de neurología del Centro Médico Tel Aviv Sourasky (TASMC); la profesora Neta Rabin, del departamento de ingeniería industrial de la Facultad de Ingeniería Fleischman de la TAU; Eran Gazit, del TASMC; y la profesora Anat Mirelman, de la TAU y del TASMC. También participaron investigadores de Bélgica, Inglaterra, Italia, Holanda y Estados Unidos.
Hausdorff, neurólogo especializado en marcha, envejecimiento y caídas, afirmó que “la longitud del paso es una medida muy sensible y no invasiva para evaluar una amplia variedad de afecciones y enfermedades, incluido el envejecimiento, el deterioro neurológico y neurodegenerativo y el deterioro cognitivo”.
El profesor explicó que actualmente se utilizan dispositivos basados en cámaras y alfombrillas sensibles a la fuerza para medir la longitud de los pasos, los cuales solo se encuentran en laboratorios y clínicas especializadas. “Aunque estas pruebas son precisas, solo proporcionan una visión instantánea de la forma de caminar de una persona, lo que puede no reflejar completamente su funcionamiento en el mundo real”, comentó Hausdorff.
El nuevo modelo de longitud de paso, que permite un monitoreo continuo las 24 horas del día, los 7 días de la semana, podría capturar el comportamiento de caminar en situaciones cotidianas. “La forma de caminar a diario puede verse influenciada por el nivel de fatiga, el estado de ánimo y los medicamentos del paciente”, añadió Hausdorff. Este avance ofrece una evaluación más completa y precisa del comportamiento de marcha en el entorno real.
Nuevo algoritmo mejora la precisión de medición del paso en dispositivos portátiles
El experto en aprendizaje automático Rabin comentó: “Nos propusimos resolver el problema utilizando sistemas IMU, sensores ligeros y económicos que ya están presentes en todos los teléfonos y relojes inteligentes. Estos sensores miden parámetros relacionados con la marcha. Nuestra meta era crear un algoritmo que pudiera convertir los datos de la IMU en una evaluación precisa de la longitud del paso, que además se pudiera integrar en un dispositivo portátil y cómodo”.
El equipo alcanzó su objetivo usando datos de marcha y longitud del paso obtenidos a través de sensores IMU, medidos de manera tradicional en un estudio previo con 472 participantes, entre ellos personas con Parkinson, deterioro cognitivo leve, esclerosis múltiple, así como adultos mayores y jóvenes sanos. Estos datos fueron empleados para entrenar varios modelos informáticos que traducían la información de la IMU en una estimación precisa de la longitud del paso. Para evaluar la precisión de los modelos, se verificó qué tan bien podían analizar datos nuevos que no habían sido utilizados en el entrenamiento inicial.
Zadka afirmó: “Descubrimos que el modelo llamado XGBoost es el más preciso, siendo 3.5 veces más exacto que el modelo biomecánico más avanzado que se usa actualmente para estimar la longitud del paso. Para un solo paso, el error promedio de nuestro modelo fue de seis centímetros, comparado con los 21 centímetros del modelo convencional. Al evaluar un promedio de 10 pasos, logramos un error de menos de cinco centímetros, un umbral conocido en la literatura profesional como ‘la diferencia mínima de importancia clínica’, que permite detectar mejoras o deterioros significativos en la condición del sujeto”.
“Nuestro modelo es potente y confiable, y se puede utilizar para analizar datos de sensores de pacientes, incluyendo aquellos con dificultades para caminar, que no fueron parte del conjunto de entrenamiento original”, añadió.
Hausdorff concluyó: “En nuestra investigación, colaboramos con investigadores de diversas disciplinas a nivel mundial, y este esfuerzo multidisciplinario nos llevó a resultados prometedores. Desarrollamos un modelo de aprendizaje automático que puede integrarse con un sensor portátil y fácil de usar, proporcionando una estimación precisa de la longitud del paso del paciente a diario. Los datos obtenidos así permiten un seguimiento continuo, remoto y a largo plazo del estado del paciente, y también pueden ser utilizados en ensayos clínicos para evaluar la eficacia de medicamentos”.
“Basándonos en nuestros alentadores resultados, estamos explorando la posibilidad de desarrollar modelos similares utilizando datos de sensores en relojes inteligentes, lo que aumentaría aún más la comodidad del sujeto”, concluyó Hausdorff.