Un sistema de inteligencia artificial que emplea sensores instalados en los hogares de personas de la tercera edad logró estimar su movilidad con resultados equiparables a los de una evaluación clínica tradicional utilizada para determinar el riesgo de caídas. Así lo revela una investigación de la Universidad de Pensilvania, cuyos hallazgos fueron publicados en la revista Innovation in Aging. La comparación entre ambas mediciones arrojó una correlación de 0,611, lo que representa un nivel de coincidencia que abre la posibilidad de monitorear cambios funcionales desde el hogar sin depender exclusivamente de visitas presenciales al médico.
No obstante, el estudio reconoce una limitación importante: los investigadores excluyeron del análisis longitudinal la línea de base debido a que más del 50% de los datos iniciales de marcha captados por el sensor estaban incompletos, en gran parte por el período de calibración del equipo. A pesar de esto, los modelos incluyeron mediciones correspondientes a los meses tres, seis, nueve y doce.
La investigación siguió durante un año a 75 adultos mayores que residían en comunidades de retiro o residencias para personas de edad avanzada. De ese total, 68 participantes completaron el seguimiento, y no se detectaron diferencias demográficas o clínicas significativas entre quienes finalizaron el estudio y quienes lo abandonaron.
Los requisitos para participar incluían tener 65 años o más y la capacidad de caminar distancias dentro del hogar. En cada vivienda se instaló un sensor de profundidad de 12,7 por 12,7 por 5,1 centímetros, que registraba el movimiento mediante siluetas para proteger la privacidad y enviaba la información por Wi-Fi a un servidor seguro sin identificadores personales.
Sensor muestra correlación significativa con prueba clínica de riesgo de caída
El objetivo central del trabajo fue contrastar la evaluación clínica tradicional con una medición pasiva y continua dentro del domicilio. El sistema automatizado identificó segmentos de caminata de al menos 1,2 metros y extrajo variables como velocidad de marcha, tiempo de zancada, longitud de zancada y altura de la persona, lo que permitió distinguir al participante de otras personas que visitaban el hogar.
El hallazgo principal surgió al comparar la estimación del test obtenida por el sensor con la evaluación realizada por un profesional durante las visitas domiciliarias. Ambas mediciones mostraron una correlación de 0,611, con un intervalo de confianza del 95% entre 0,354 y 0,782. Esto indica que el sistema automatizado logró aproximarse de forma consistente a la evaluación clínica de la movilidad.
Los investigadores también analizaron otros indicadores captados por el sensor. Encontraron que quienes caminaban más rápido y daban zancadas más largas tendían a obtener mejores resultados en el test aplicado por el especialista. La velocidad de marcha presentó una correlación de -0,527 y la longitud de zancada de -0,454. El signo negativo refleja que, a medida que aumentaban esas variables, disminuía el tiempo del TUG, lo que se asocia con una mejor movilidad.
El tiempo de zancada mostró el comportamiento inverso. La correlación fue de 0,424, lo que significa que las personas que tardaban más en completar cada paso solían registrar peores resultados en la prueba clínica, un patrón compatible con una menor capacidad funcional.
Los investigadores George Demiris, Liming Huang, Sean L. Harrison, Marjorie Skubic, Justine S. Sefcik, Therese S. Richmond y Nancy Hodgson concluyeron en el estudio que el monitoreo domiciliario habilitado por IA puede captar indicadores clínicamente útiles de movilidad funcional en adultos mayores que viven en la comunidad. Sin embargo, el punto de tensión del trabajo es que esa coincidencia con la evaluación clínica aparece junto a pérdidas de datos y asociaciones menores cuando se observan cambios de corto plazo.
Seguimiento continuo, no cambios trimestrales
El estudio no encontró una correlación igual de alta cuando analizó variaciones de tres meses. La mayoría de los cambios en velocidad, longitud y tiempo de zancada no tuvieron correlaciones estadísticamente significativas con los cambios del TUG clínico en ese lapso.
La excepción fue el cambio en el TUG detectado por el sensor, que sí mostró una asociación positiva con el cambio en la medición clínica: 0,275. Los autores describieron ese resultado como una correlación de 0,275 entre ambas medidas longitudinales.
Esa diferencia entre una buena fotografía general y una señal más tenue en el corto plazo resume el resultado del trabajo. El sistema parece funcionar mejor para describir trayectorias de movilidad y detectar tendencias graduales que para registrar variaciones pequeñas entre controles trimestrales.
Los investigadores plantearon que el valor de la herramienta puede residir menos en detectar cambios sutiles en 90 días y más en construir una línea de seguimiento individual con mediciones frecuentes en condiciones cotidianas. Bajo esa lógica, las evaluaciones episódicas de consultorio pueden pasar por alto deterioros lentos o microcambios previos a un evento adverso.
Relación con la función diaria extiende el análisis más allá de las caídas
Además de la prueba TUG, el estudio comparó los datos del sensor con el cuestionario Functional Activity Questionnaire (FAQ), utilizado para medir el compromiso funcional en actividades cotidianas. Allí también aparecieron asociaciones significativas, aunque más moderadas.
Puntajes más altos en ese cuestionario, que indican mayor deterioro funcional, se vincularon con menor velocidad de marcha, con una correlación de -0,275, y con menor longitud de zancada, con -0,228. También se asociaron con mayor tiempo de zancada y mayor duración del TUG detectado por el sensor.
Ese hallazgo extiende el uso potencial del sistema más allá de la prevención de caídas. Según el estudio, los datos pasivos obtenidos en el hogar podrían aportar información sobre independencia, necesidades de cuidado y transiciones asistenciales.
La muestra presentó niveles bajos de deterioro funcional en promedio, con un puntaje FAQ medio de 1,34. Aun en ese marco, el sensor distinguió diferencias vinculadas con desempeño físico y autonomía.
Población estudiada mostraba antecedentes de caídas y casi caídas
El trabajo se enfocó en una población con exposición conocida a caídas y deterioro funcional. Entre los 75 participantes, 29,3% reportó al menos una caída previa y 65,3% dijo haber atravesado experiencias de casi caída.
La edad promedio fue de 74,5 años. El 87% de la muestra eran mujeres, el 60% personas negras, el 96% tenía cobertura de Medicare y el 43% usaba algún dispositivo de asistencia.
En el cribado cognitivo, el puntaje medio del Telephone-Based Neurocognitive Screening Instrument fue de 35,0 y el del Montreal Cognitive Assessment (MoCA) de 23,1. El estudio definió deterioro cognitivo leve con criterios basados en MoCA y TICS ajustado por educación.
Los autores enmarcaron el trabajo en un problema sanitario de gran magnitud. Recordaron que más de un tercio de los adultos mayores se cae cada año, que entre el 10% y el 20% de esas caídas produce lesiones graves y que los costos médicos directos anuales en Estados Unidos superan los USD 80.000 millones.
Faltantes de datos y entorno de reclutamiento limitaron el alcance
El estudio identificó varias fuentes de datos ausentes: vacaciones de los participantes, caminatas insuficientes para el análisis, patrones de marcha irregulares, fallas del dispositivo, desconexiones de Wi-Fi o instalación del sensor más de 10 días después del ingreso. También se indicó que algunos participantes no tenían suficiente movimiento en la habitación donde estaba colocado el equipo.
En la medición basal, solo 36 personas contaron con TUG derivado del sensor, frente a 75 con TUG clínico. En los meses posteriores, los faltantes se redujeron, aunque persistieron: hubo datos del sensor para 58 participantes en el mes tres, 61 en el seis y 60 en los meses nueve y doce.
Los investigadores señalaron otra restricción: los participantes provenían de comunidades de vida senior, lo que puede limitar la aplicabilidad a otros entornos. También advirtieron que la muestra, aunque mayor que la de varios estudios previos con sensores, sigue siendo moderada.
El trabajo recibió financiación parcial de los Centros para el Control y la Prevención de Enfermedades y del National Institute on Aging.
Fuente: Infobae