Desarrollo de un sistema de rehabilitación del equilibrio para adultos mayores, basado en IMU e IA: capacitación personalizada y estrategias preventivas

El desarrollo de un sistema de rehabilitación del equilibrio para adultos mayores, integrando sensores de Unidad de Medición Inercial (IMU) e Inteligencia Artificial (IA). Los componentes técnicos clave y la metodología son los siguientes:

Fundación Tecnológica:

Se utilizarán sensores IMU para monitorear y evaluar el movimiento y la postura humanos. Estos sensores detectan movimiento a través de acelerómetros, giroscopios y magnetómetros, lo que permite un análisis preciso de la marcha.

La IA y las redes generativas adversarias (GAN) procesarán los datos para personalizar los regímenes de entrenamiento en función de las características fisiológicas y de movimiento del individuo.

Se utilizará un sistema de captura de movimiento Vicon 3D junto con IMU para validar y recopilar datos durante la fase de desarrollo.

Fases de la Investigación:

Año 1: Desarrollo de un sistema de entrenamiento de la marcha basado en IA utilizando IMU. Esto implica la creación de una base de datos de la marcha y protocolos de entrenamiento del equilibrio utilizando movimientos bilaterales y unilaterales.

Año 2: Optimización del sistema de entrenamiento utilizando AI y GAN para diversificar los datos y mejorar la eficacia del entrenamiento.

Año 3: Validación clínica del sistema comparando resultados entre participantes sometidos a entrenamiento basado en IMU versus ejercicios físicos estándar.

Protocolos de entrenamiento:

Entorno de juego de ejercicios: los participantes realizan ejercicios dentro de un entorno virtual, que imita las condiciones del mundo real pero incluye elementos artificiales para desafiar el equilibrio y la coordinación.

Entrenamiento de equilibrio: el entrenamiento basado en patineta se centra en movimientos unilaterales de las piernas, monitoreados por IMU para proporcionar retroalimentación y ajustar la dificultad según el rendimiento.

Análisis de datos:

Datos de la marcha: AI y GAN se utilizan para generar perfiles de marcha personalizados, que se incorporarán al sistema de entrenamiento.

Análisis estadístico: varias pruebas estadísticas (por ejemplo, ANOVA) evaluarán la eficacia del sistema en comparación con los métodos de rehabilitación convencionales.

Este sistema tiene como objetivo brindar a los adultos mayores una rehabilitación personalizada, reduciendo el riesgo de caídas y mejorando su calidad de vida.