Avances de la UNED en la Detección Temprana del Deterioro Cognitivo mediante Inteligencia Artificial y Patrones de Movimiento Nocturno

Desvelando los Secretos del Sueño para la Salud Cognitiva

El Enfoque Innovador: Sensores de Muñeca e Inteligencia Artificial Explicable

Un equipo de investigadores de la UNED, liderado por la catedrática de Inteligencia Artificial Olga Santos y el investigador Miguel Ángel Portaz, ha publicado un estudio pionero en la revista Information Systems Frontiers. La investigación se centra en el análisis de los patrones de movimiento durante el sueño mediante el uso de pequeños sensores ubicados en la muñeca. A diferencia de las metodologías tradicionales que priorizan la exactitud predictiva, este estudio profundiza en la capacidad de la inteligencia artificial para explicar sus propios procesos de toma de decisiones, revelando así las señales específicas que podrían estar vinculadas a procesos de deterioro cognitivo.

Más Allá de la Predicción: La Comprensión en el Centro de la Investigación

Miguel Ángel Portaz enfatiza la importancia de no limitarse a la mera precisión en la predicción de modelos, especialmente en el campo de la salud. Subraya que, en contextos tan delicados, es fundamental comprender el razonamiento del sistema y la información que utiliza para llegar a sus conclusiones. Esta perspectiva busca desentrañar el «porqué» detrás de las decisiones de la IA, lo que podría conducir a sistemas más confiables y transparentes en el diagnóstico y la monitorización de enfermedades.

La Génesis del Proyecto: Del Aikido al Alzheimer

Esta investigación es el resultado de una trayectoria de varios años en la UNED dedicada al estudio del movimiento humano a través de la inteligencia artificial. El origen del proyecto se remonta a una colaboración entre Olga Santos y el profesor Alberto Corbí, de la UNIR, quienes inicialmente exploraron los movimientos asociados a la práctica del aikido utilizando sensores inerciales similares a los de los dispositivos móviles. Esta experiencia sentó las bases metodológicas para el análisis de señales de movimiento y la identificación de patrones relevantes mediante IA.

Adaptación de Técnicas de Análisis de Movimiento al Ámbito de la Salud

Olga Santos explica que las metodologías desarrolladas para el análisis del aikido pudieron adaptarse de manera natural al sector de la salud cuando el profesor Corbí comenzó a recopilar datos sobre movimientos nocturnos en pacientes con Alzheimer. Posteriormente, el equipo de la UNED integró técnicas avanzadas de análisis e interpretabilidad para discernir qué características del movimiento resultaban más informativas en el contexto del deterioro cognitivo.

Una Perspectiva No Invasiva para el Conocimiento del Deterioro Cognitivo

Los investigadores subrayan que este trabajo no pretende ser una herramienta de diagnóstico inmediata ni una aplicación clínica directa, sino más bien una prueba de concepto. Su objetivo es evaluar si las señales detectadas pueden aportar un conocimiento valioso y generar nuevas hipótesis para futuras investigaciones. La principal ventaja de este enfoque es la utilización de sensores mínimamente invasivos y tecnologías fácilmente accesibles, lo que podría abrir nuevas vías para el estudio de los procesos relacionados con el envejecimiento y el deterioro cognitivo.

Ampliando Horizontes: Robustez, Explicabilidad y Nuevas Preguntas

Para Olga Santos, el valor de este estudio trasciende el mero desarrollo tecnológico, al generar nuevas interrogantes sobre cómo las personas aprenden y evolucionan a lo largo de la vida. Los próximos pasos del proyecto incluyen la expansión del análisis a nuevos escenarios y el desarrollo de modelos cada vez más interpretables. Miguel Ángel Portaz concluye que es crucial validar la robustez del sistema con más casos y en entornos más diversos, así como seguir avanzando en la explicabilidad de los modelos para construir herramientas más fiables y útiles en el futuro.