La gente suele dar por sentado el hecho de caminar. Simplemente avanzamos, paso a paso, sin pensar en lo que se necesita para que esto suceda. Sin embargo, cada paso individual es un acto notable de coordinación, guiado por una sincronización precisa entre la médula espinal, el cerebro, los nervios, los músculos y las articulaciones.
Históricamente, la gente ha utilizado cronómetros, cámaras u ojos entrenados para juzgar la marcha y sus deficiencias. Sin embargo, los avances tecnológicos recientes, como la captura de movimiento, los sensores portátiles y los métodos de ciencia de datos, pueden capturar y cuantificar las características del movimiento paso a paso.
Somos investigadores que estudian la biomecánica y el desempeño humano. Nosotros y otros investigadores aplicamos cada vez más estos datos para mejorar el movimiento humano. Estos conocimientos no solo ayudan a los atletas de todo tipo a superar los límites de su rendimiento, sino que también respaldan la recuperación del movimiento del paciente a través de comentarios personalizados. Con el tiempo, el movimiento podría convertirse en otro signo vital.
Desde datos de movimiento hasta información sobre el rendimiento
Investigadores de todo el mundo están combinando la fisiología, la biomecánica y la ciencia de datos para decodificar el movimiento humano. Este enfoque interdisciplinario prepara el escenario para una nueva era en la que los algoritmos de aprendizaje automático encuentran patrones en los datos del movimiento humano recopilados mediante un monitoreo continuo, lo que genera conocimientos que mejoran la salud.
Es la misma tecnología que impulsa tu rastreador de actividad física. Por ejemplo, la unidad de medida inercial del Apple Watch registra el movimiento y obtiene métricas como el recuento de pasos, la longitud de la zancada y la cadencia. Los sensores portátiles, como las unidades de medición inercial, registran miles de puntos de datos cada segundo. Los datos brutos revelan muy poco sobre los movimientos de una persona. De hecho, los datos son tan ruidosos y desestructurados que es imposible extraer información significativa.
Un participante del estudio camina en una cinta de correr en nuestro laboratorio mientras un sensor de movimiento conectado al tobillo del sujeto registra señales de aceleración. Instituto de Investigación sobre el Rendimiento Humano y la Nutrición
Aquí es donde entra en juego el procesamiento de señales. Una señal es simplemente una serie de mediciones seguidas a lo largo del tiempo. Imagínese ponerse una unidad de medida inercial en su tobillo. El dispositivo monitorea constantemente el movimiento de la articulación del tobillo midiendo señales como la aceleración y la rotación. Estas señales proporcionan una visión general del movimiento e indican cómo se comporta el cuerpo. Sin embargo, suelen contener fondos no deseados que pueden oscurecer la imagen real.
Utilizando herramientas matemáticas, los investigadores pueden filtrar el ruido y aislar la información que realmente refleja cómo funciona el cuerpo. Es como tomar una foto borrosa y usar herramientas de edición para aclarar la imagen. El proceso de limpieza y manipulación de señales se conoce como procesamiento de señales.
Después de procesar las señales, los investigadores utilizan técnicas de aprendizaje automático para transformarlas en métricas interpretables. El aprendizaje automático es un subcampo de la inteligencia artificial que funciona encontrando patrones y relaciones en los datos. En el contexto del movimiento humano, estas herramientas pueden identificar características de movimiento que corresponden a métricas clave de desempeño y salud.
Por ejemplo, nuestro equipo del Instituto de Investigación sobre Nutrición y Rendimiento Humano de la Universidad Estatal de Oklahoma evaluó la capacidad física sin necesidad de pruebas físicas exhaustivas ni equipo especial. La capacidad física es la eficiencia con la que el cuerpo puede realizar la actividad física. Combinando biomecánica, procesamiento de señales y aprendizaje automático, pudimos estimar la capacidad física utilizando datos de solo unos pocos pasos de nuestros sujetos.
Más allá del fitness, los datos sobre caminatas ofrecen información aún más profunda. La velocidad al caminar es un poderoso indicador de la longevidad y, al rastrearla, podríamos conocer la salud y la esperanza de vida a largo plazo de las personas.
Los dispositivos portátiles capturan señales de movimiento y, mediante el procesamiento de señales y el aprendizaje automático, los datos producen valiosas métricas de salud, como el riesgo de caídas. Instituto de Investigaciones sobre el Rendimiento Humano y la Nutrición Del rendimiento a la medicina
El impacto de estos algoritmos se extiende mucho más allá del seguimiento del rendimiento, como los pasos y los kilómetros recorridos. Se pueden utilizar para apoyar la rehabilitación y prevenir lesiones. Nuestro equipo está desarrollando un algoritmo de aprendizaje automático para detectar cuándo un deportista tiene un mayor riesgo de sufrir una lesión simplemente analizando los movimientos corporales y detectando cambios sutiles.
Otros científicos han utilizado enfoques similares para monitorear las alteraciones del control motor después de un accidente cerebrovascular, evaluando continuamente cómo evolucionan los patrones de marcha del paciente, determinando si el control motor está mejorando o si el paciente está compensando de alguna manera que podría provocar lesiones futuras.
También se pueden utilizar herramientas similares para informar los planes de tratamiento basados en las necesidades específicas de cada paciente, acercándonos a una verdadera medicina personalizada. En la enfermedad de Parkinson, estos métodos se han utilizado para diagnosticar la afección, controlar su gravedad y detectar episodios de dificultad para caminar con el fin de animar a los pacientes a seguir caminando.
Otros han utilizado estas técnicas para diseñar y controlar dispositivos de asistencia portátiles, como exoesqueletos, que mejoran la movilidad de personas con discapacidades físicas generando energía en intervalos de tiempo precisos. Además, los investigadores evaluaron las estrategias de movimiento en los miembros del servicio militar y descubrieron que aquellos con una biomecánica deficiente tenían un mayor riesgo de sufrir lesiones. Otros han utilizado dispositivos de muñeca para detectar lesiones por uso excesivo en miembros del servicio. En esencia, todas estas innovaciones tienen un objetivo: restaurar y mejorar el movimiento de personas.
El movimiento como signo vital.
Creemos que el futuro de la medicina personalizada pasa por la monitorización dinámica. Cada paso, salto o sentadilla lleva información sobre cómo funciona el cuerpo, cómo funciona y cómo se recupera. Con los avances en la tecnología portátil, la inteligencia artificial y la computación en la nube, es probable que el seguimiento del movimiento en tiempo real y la biorretroalimentación se conviertan en una parte rutinaria de la vida cotidiana.
Imagine un calzado deportivo que les avise antes de que se produzca una lesión, ropa para personas mayores que detecte y prevenga una caída antes de que ocurra, o un reloj inteligente que detecte signos tempranos de accidente cerebrovascular según sus patrones de caminata. Combinar biomecánica, procesamiento de señales y ciencia de datos convierte el movimiento en un signo vital, un reflejo en tiempo real de tu salud y bienestar.
.webp)
0 Comentarios