El IBV utiliza la inteligencia artificial en el ámbito del deporte y la salud

El “Deep Learning” o aprendizaje profundo emula el aprendizaje humano con el fin de obtener ciertos conocimientos y capacidades. Las nuevas tecnologías de registro de datos basadas en Deep Learning utilizan múltiples capas de neuronas artificiales para aprender y extraer características automáticamente. En este sentido, se ha convertido en una herramienta esencial en los últimos tiempos y que puede suponer una oportunidad de mejora en un futuro cercano en campos como la investigación, la salud y el deporte.

En el ámbito de la salud, el uso de estas herramientas puede contribuir a una considerable mejora de la eficacia y la eficiencia de los servicios y puede suponer un importante ahorro tanto a nivel de tiempos de consulta, como a nivel económico. Además, la inteligencia artificial permite optimizar las actuales metodologías de registro que se utilizan en los servicios de valoración funcional y tendrán una aplicación directa para la mejora de los servicios médicos asistenciales.

Adicionalmente, el uso de técnicas de inteligencia artificial puede contribuir a optimizar los sistemas de registro para la investigación en deporte y mejora del rendimiento del deportista. Un ejemplo sería la posibilidad de realizar registros en un entorno real, y sin la necesidad de utilizar marcadores corporales, lo cual es especialmente interesante, porque hay muchos movimientos y gestos deportivos que se ven afectados o incluso alterados en cuanto a realidad de movimientos y ejecución cuando se realizan en un entorno de laboratorio y con la incorporación de marcadores corporales. Esta información es de gran importancia para la correcta investigación en mejora del rendimiento deportivo, por ejemplo. 

En este contexto, el Instituto de Biomecánica (IBV) trabaja en la exploración y uso de nuevas metodologías de registro y de análisis de datos biomecánicos de movimientos humanos, basadas en aprendizaje profundo, para desarrollar nuevas soluciones aplicables en los ámbitos de la salud y el deporte. Estas investigaciones, también llamadas “Deep-Lab”, cuentan con la financiación del Instituto Valenciano de Competitividad Empresarial (IVACE).

Como ejemplo del potencial de estas investigaciones, se encuentra la mejora de los procesos de valoración de pacientes que se están recuperando de una lesión. En concreto, estas investigaciones están permitiendo el análisis preciso de movimientos como la pronosupinación de codo, una maniobra de gran relevancia en la valoración de pacientes con patología de codo, una de las que tiene más incidencia.

Ignacio Bermejo, director de innovación en tecnologías para la valoración biomecánica en IBV, explica que “en la actualidad, los marcadores usados en las pruebas de valoración dela pronosupinación del codo tienden a ocultarse, dificultando el adecuado análisis en muchos pacientes, cuya evaluación resulta crítica. La implementación de tecnología basada en Deep Learning permite corregir esta problemática por identificación automática de los marcadores, logrando evitar la ocultación de éstos durante el movimiento y facilitando a los profesionales de la salud el análisis completo y preciso de la movilidad y funcionalidad de esta articulación en los pacientes que lo necesiten”.

El experto añade que “estas innovadoras metodologías aportan un beneficio significativo en términos de eficiencia y fiabilidad en los procesos de valoración de los pacientes, lo cual, a su vez, tendrían un impacto positivo en el diagnóstico, tratamiento y seguimiento de sus condiciones médicas”.

Las investigaciones de “Deep-Lab” también inciden en el ámbito deportivo, ya que el aprendizaje profundo aplicado en la biomecánica permite analizar los patrones de movimiento y los datos de sensores para evaluar la postura y la mecánica corporal. Esto es útil en deportes de alto rendimiento, terapia física y en la prevención de lesiones deportivas.

En este sentido, otra de las líneas de investigación y aplicación del proyecto se centra en analizar el empleo de sistemas sin necesidad de marcadores en el cuerpo de los deportistas, tanto para procesos de valoración clínica de deportistas como de análisis del rendimiento deportivo. En concreto, en el proyecto se está analizando la aplicación de estos sistemas en el movimiento de carrera.

Los sistemas de análisis de movimientos sin marcadores aportan numerosos beneficios en estos procesos; como son la mejora de la comodidad para el deportista, la reducción de la interacción con el movimiento analizado, la reducción del tiempo de preparación, la agilización del proceso (especialmente en sesiones de evaluación repetidas) y la mejora de la precisión y continuidad de la captura del movimiento, repercutiendo todo ello en una mejora en la eficiencia y fiabilidad de las evaluaciones.