Sensores con Inteligencia Artificial ayudarán en el diagnóstico fisioterapéutico del dolor lumbar y la personalización de su tratamiento
La tecnología aplicada a la salud ya es considerada una herramienta clave para el diagnóstico temprano y la personalización de tratamientos. Y eso también se aplica al ámbito de la fisioterapia, ya que, según una investigación reciente, ciertos sensores integrados con inteligencia artificial pueden permitir detectar patrones alterados de la cinemática (movimiento) lumbar en pacientes con dolor lumbar. De esta forma, se podrían identificar factores biomecánicos y tratar de forma personalizada este dolor.
Un grupo de investigadores del Instituto de Investigación en Ingeniería de Aragón (I3A) y de la Facultad de Ciencias de la Salud de la Universidad de Zaragoza pertenecientes al grupo de investigación HowLab, junto a la Escuela Universitaria de Fisioterapia de la ONCE, centro adscrito a la Universidad Autónoma de Madrid, trabajan desde hace más de un año en un proyecto de investigación, que han denominado TeleEDxPhysio para dar respuesta a las necesidades de los pacientes con dolor lumbar crónico inespecífico.
El proyecto incluye entre sus objetivos que los resultados de la investigación puedan trasladarse a la práctica clínica de los fisioterapeutas mediante su inclusión en plataformas de tele-rehabilitación como HEFORA, actualmente utilizada por el Colegio Oficial de Fisioterapeutas de Aragón para que sus colegiados puedan prescribir ejercicios personalizados a sus pacientes.
La investigación, que recientemente ha recibido financiación del Gobierno de Aragón para seguir desarrollándose hasta 2023, se centra en el diseño de algoritmos a través del uso de sensores con inteligencia artificial. De esta forma, se podrán reconocer y detectar anormalidades en los patrones de movimiento de la columna lumbar no detectables por el ojo humano y profundizar en la investigación del dolor lumbar crónico inespecífico.
La aplicación de sensores con inteligencia artificial tiene como objetivo facilitar al fisioterapeuta el diagnóstico y personalización de tratamientos para sus pacientes, teniendo en cuenta que el dolor lumbar suele tener una causa multifactorial (factores biomecánicos y psicosociales entre otros). Así, el fisioterapeuta podrá identificar y valorar cuantitativamente parámetros biomecánicos relativos al movimiento de la columna lumbar que contribuyan no sólo al diagnóstico sino también a la prevención del dolor.
Además de la parte clínica, el proyecto del grupo de investigación HowLab y de la EUF de la ONCE-UAM se destaca por su aporte social y su enfoque inclusivo, ya que permitirán a los profesionales y pacientes con discapacidad visual beneficiarse de este tipo de sistemas. El proyecto busca también que el paciente pueda utilizar los sensores para su propia monitorización, y ser partícipes de su proceso, de tal manera que puedan conocer y comprender los factores que puedan estar afectándoles y mejorar su salud y su calidad de vida.
Los investigadores de HowLab destacan el avance que puede suponer el uso de un sistema de sensores capaces de ejecutar algoritmos de inteligencia artificial en la práctica clínica de fisioterapia, permitiendo su inclusión en tiempo real en plataformas de tele-rehabilitación que faciliten el tratamiento y seguimiento de sus pacientes.
El desarrollo del proyecto dará lugar, entre otras cuestiones, a recoger información de las principales alteraciones de la columna en pacientes con dolor lumbar crónico inespecífico, analizar mediante inteligencia artificial las variables que permiten averiguar la posibilidad de sufrir un episodio de reagudización, así como ayudar al fisioterapeuta tanto a predecir nuevos episodios de dolor lumbar como a valorar la efectividad de los tratamientos que realiza. Además, este proyecto incluye, en su fase final, la integración de estos sensores en una plataforma de teleasistencia, de forma que todos los pacientes puedan acceder a un servicio de diagnóstico de fisioterapia a distancia, una necesidad que se ha puesto de manifiesto durante la pandemia y, sobre todo, en los meses vividos de confinamiento.
