El Instituto de Biomecánica (IBV), a través del proyecto MCUV, ha desarrollado herramientas y metodologías para estimar el estado cognitivo de las personas y a través de modelos predictivos poder optimizar la carga mental a la que se exponen durante su actividad laboral.
Por otro lado, el Centro Tecnológico valenciano desarrolla un innovador sistema de registro y análisis del movimiento humano basado en Deep Learning con potenciales aplicaciones en el ámbito clínico y asistencial, como la mejora de los procesos de rehabilitación de pacientes con patologías y problemas de movilidad.
IBV, del mismo modo, investiga el uso de tecnologías de captura de la forma 3D y dimensiones del cuerpo humano para el cuidado de la salud, con potenciales aplicaciones en el seguimiento y evolución de enfermedades como la obesidad, el linfedema o los trastornos de la conducta alimentaria, entre otras.
Modelos predictivos para optimizar la carga mental
Durante los últimos años, la irrupción de tecnologías disruptivas, interfaces complejos, sistemas robóticos, o la automatización en los puestos de trabajo ha hecho que aspectos como la carga mental, el estado emocional, el estrés o los errores cobren gran relevancia en la interacción de las personas con los productos, servicios y entornos. Este factor cobra especial relevancia en el desempeño de la actividad laboral, sobre todo en puestos de trabajo donde la gestión de información es fundamental y es esencial asegurar la atención de las personas trabajadoras para minimizar la probabilidad de errores.
Hoy en día, existen dos desafíos cruciales vinculados al estado cognitivo y emocional de las personas trabajadoras, dependiendo del tipo de información que manejan y la posibilidad de actuaciones que requieran su intervención. Así, en función de las especificidades del trabajo, empleados y empleadas pueden tener que enfrentarse al aburrimiento y la monotonía, lo que puede provocar falta de atención y errores al no detectar problemas a tiempo, así como a situaciones de estrés intenso que deriven en errores debido a la sobrecarga mental.
En palabras de Mercedes Sanchis, directora de innovación en Salud y Bienestar del IBV, “una carga mental inadecuada puede afectar al desempeño de la persona trabajadora además de a su salud, por lo que estimar su estado cognitivo es de gran utilidad para mejorar el diseño de puestos de trabajo y tareas, de modo que se adecúen mejor a la persona, sus capacidades y sus condiciones”.
“Esta adecuación de los puestos se traduce en una mejora del bienestar de las personas trabajadoras, un incremento de la productividad de la empresa y una reducción de la probabilidad de aparición de errores humanos que deriven en problemas o accidentes”, añade Sanchis.
En este contexto surge el proyecto MCUV, liderado por el Instituto de Biomecánica (IBV) y cuyo fin último ha sido el desarrollo de herramientas y metodologías para estimar el estado cognitivo de las personas y a través de modelos predictivos ayudar a optimizar la carga mental a la que se exponen las personas trabajadoras en el desempeño de su actividad laboral.
Para ello, por una parte, el IBV ha definido protocolos de caracterización personalizados, adaptados a las características del puesto de trabajo, permitiendo conocer la respuesta de estas y determinar su estado basal y su nivel de subcarga o sobrecarga mental. Posteriormente, se ha evaluado su estado cognitivo en la realización de su actividad laboral. Para ello, se ha procedido al desarrollo y uso de herramientas para la monitorización en tiempo real de la persona trabajadora y la estimación de su estado cognitivo.
“A través del uso de wearables hemos monitorizado en tiempo real el ritmo cardiaco de personas durante el desempeño de su actividad laboral y de esta forma hemos creado modelos predictivos que estiman el estado de carga cognitiva. Esto permitiría a las empresas mejorar el diseño de puestos de trabajo y tareas en función de los niveles de carga mental que experimenta la persona trabajadora”, declara Begoña Mateo, responsable de Factores Humanos en IBV.
Para llevar a cabo estas investigaciones se ha contado con la inestimable colaboración de empresas de diferentes sectores y ámbitos como ETRA (movilidad e infraestructuras inteligentes), GDES (servicios industriales para el sector energético y servicios de apoyo para sectores tan diversos como el nuclear, eólico, solar fotovoltaico, metalúrgico entre otros muchos), VALENCIAPORT (logística portuaria) o S2 GRUPO (ciberseguridad, ciberinteligencia y operaciones de sistemas de misión crítica), con las que se han validado con personas trabajadoras en puestos clave, tanto los protocolos de caracterización personalizados como las herramientas y sistemas de monitorización y la estimación del estado cognitivo mediante los modelos predictivos generados.
Según de José Solaz, director de innovación en Movilidad y Smart Cities del IBV, «en puestos como el control de tráfico o la gestión logística, donde la información a procesar es compleja y, en ocasiones, con formato que no está diseñado desde el punto de vista de la ergonomía cognitiva, es clave conocer la carga mental de la persona que ocupa el puesto de control para evitar la fatiga, los errores de procesamiento y la sobrecarga cognitiva que puedan comprometer la eficiencia y seguridad de las operaciones.»
Finalmente, el proyecto MCUV cuenta con el apoyo de la Conselleria d’Innovació, Indústria, Comerç i Turisme de la Generalitat Valenciana, a través del IVACE+i, con la financiación por la Unión Europea, a través del Programa FEDER Comunitat Valenciana 2021-2027 (IMDEEA/2024/20).
Deep Learning con potenciales aplicaciones en el ámbito clínico y asistencial
Por otro lado, 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 o “aprendizaje profundo”, 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.
En este contexto, el Instituto de Biomecánica (IBV) ha desarrollado el proyecto DEEP-LAB con el objetivo de poner a punto y explorar el potencial uso de nuevas metodologías “markerless” de registro y de análisis de los movimientos humanos, basadas en Deep Learning, con aplicación en el ámbito de la salud, y especial foco en el análisis de la marcha humana.
Estas soluciones permiten el registro y análisis de movimientos de forma ágil y sin la instrumentación de marcadores sobre el cuerpo del paciente (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.
En palabras de Ignacio Bermejo, director de innovación del área de Tecnologías en IBV, “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”.
Bermejo señala que estas soluciones abren “un amplio abanico de posibilidades en el campo de la rehabilitación y de oportunidades futuras de implementación como aplicaciones comerciales”, y ha añadido que en este sentido el proyecto impulsado desde el IBV 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”.
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” concluye Bermejo.
Cabe señalar que en el proyecto han colaborado empresas de la Comunitat Valenciana del ámbito de la salud y el bienestar, con gran trayectoria en su campo e implicación en la innovación tecnológica como Hervideros de Cofrentes, Inia Neural e Irenea.
Finalmente, cabe señalar que el proyecto DEEP-LAB cuenta con el apoyo de la Conselleria d’Innovació, Indústria, Comerç i Turisme de la Generalitat Valenciana, a través del IVACE+i, con la financiación por la Unión Europea, a través del Programa FEDER Comunitat Valenciana 2021-2027 (IMDEEA/2024/16).
Captura de la forma 3D y dimensiones del cuerpo humano
Del mismo modo, las tecnologías de registro y reconstrucción 3D del cuerpo humano están causando mucho interés en los sectores de salud y bienestar por su capacidad para ofrecer amplia información antropométrica y de la forma de la persona, en poco tiempo y a mucho menor coste que los sistemas y métodos de referencia actualmente empleados. Asimismo, en comparación con los métodos de referencia actuales que utilizan radiación ionizante, estos sistemas no son invasivos para las personas.
La información tridimensional del cuerpo humano ya se está aplicando en campos como la cirugía regenerativa, la personalización de productos sanitarios y las aplicaciones de realidad virtual para terapias de salud mental. Con el desarrollo y evolución de estas nuevas tecnologías de registro puede convertirse en un elemento fundamental para el seguimiento y cuidado de la salud.
En palabras de Sandra Alemany, directora del área de Antropometría en IBV “la posibilidad de generar en tiempo real una copia del cuerpo humano en 3D proporciona información de la forma y volumen por zonas del cuerpo que puede convertirse en un elemento predictor del estado de la salud, mucho más avanzado y preciso que algunos de los métodos usados en la actualidad en el ámbito clínico, abriendo un amplio abanico de posibilidades en el seguimiento y evolución de patologías y enfermedades que podrían predecirse a partir de la forma corporal externa”.
En este contexto, desde el Instituto de Biomecánica (IBV) se ha llevado a cabo el proyecto ANT4HEALTH con el fin último de explorar el uso de tecnologías de captura de la forma 3D y dimensiones del cuerpo humano para el seguimiento y cuidado de la salud, y desarrollar indicadores de salud y modelos de predicción, basados en antropometría digital y formas 3D del cuerpo.
Según Alemany “estas investigaciones nos han permitido, entre otros resultados, desarrollar una primera versión de algoritmos de estimación de indicadores de salud de composición corporal y modelos de predicción de los cambios en la forma y dimensiones del cuerpo humano con los cambios fisiológicos. Un ejemplo de su aplicabilidad es la estimación de la composición corporal y, en particular, el porcentaje de grasa visceral, relevante en los indicadores de riesgo metabólico”.
La posibilidad de obtener información antropométrica detallada de la forma y dimensiones de la persona, en tiempo real, con un coste reducido y de manera no invasiva, hace que estas nuevas tecnologías de captura 3D se postulen como grandes opciones para la mejora del seguimiento y evolución de enfermedades y patologías como la obesidad, el linfedema o los trastornos de la conducta alimentaria, entre otras, en las que es posible la predicción de la evolución de la composición corporal a partir de la forma corporal externa de la persona.
Otra de las ventajas del uso de estas tecnologías es la posibilidad de extender la monitorización del paciente más allá del entorno hospitalario, por ejemplo, en su hogar, ya que permitirían obtener la captura 3D de la forma y dimensiones de la persona de manera sencilla por el propio paciente.
Estas investigaciones han contado con la colaboración de empresas y entidades del sector de la salud y del bienestar, como Clínicas Ascires, el Institut Valencià de Rehabilitació Esportiva (IVRE+), los centros de fitness Vive Fit y Uma Gym y la clínica de medicina deportiva Ypsilon Sport Clinic. Fruto de esta colaboración ha sido posible detectar necesidades y validar la aceptación del uso de tecnologías de captura de la forma 3D y dimensiones del cuerpo humano por profesionales del ámbito clínico, deportivo y de la nutrición.
Finalmente, cabe señalar que el proyecto ANT4HEALTH cuenta con el apoyo de la Conselleria d’Innovació, Indústria, Comerç i Turisme de la Generalitat Valenciana, a través del IVACE+i, con la financiación por la Unión Europea, a través del Programa FEDER Comunitat Valenciana 2021-2027 (IMDEEA/2024/26).