| Sumario: | El estudio y valoración de la marcha humana es una importante herramienta diagnóstica que permite identificar anomalías y trastornos del aparato locomotor, en especial, en el adulto mayor. Tradicionalmente, el análisis de la marcha se ha realizado siguiendo un enfoque cualitativo, caracterizado por la aplicación de distintas pruebas y escalas basadas en observaciones visuales por parte de los profesionales sanitarios. En este sentido, una de las escalas más completas y validadas es el test de Tinetti, que estudia de forma sistemática, tanto la marcha como el equilibrio, siendo una de sus principales aplicaciones la evaluación del riesgo de caídas en personas de avanzada edad. Además, a pesar de su fiabilidad y validez, el marcado carácter observacional de este método provoca que su aplicación conlleve procesos rutinarios que requieren de una evaluación subjetiva por parte de uno o varios expertos. El estudio y valoración de la marcha humana es una importante herramienta diagnóstica que permite identificar anomalías y trastornos del aparato locomotor, en especial, en el adulto mayor. Tradicionalmente, el análisis de la marcha se ha realizado siguiendo un enfoque cualitativo, caracterizado por la aplicación de distintas pruebas y escalas basadas en observaciones visuales por parte de los profesionales sanitarios. En este sentido, una de las escalas más completas y validadas es el test de Tinetti, que estudia de forma sistemática, tanto la marcha como el equilibrio, siendo una de sus principales aplicaciones la evaluación del riesgo de caídas en personas de avanzada edad. Además, a pesar de su fiabilidad y validez, el marcado carácter observacional de este método provoca que su aplicación conlleve procesos rutinarios que requieren de una evaluación subjetiva por parte de uno o varios expertos. Dentro de este contexto, el presente Trabajo Fin de Máster pretende automatizar y objetivar los tradicionales análisis observacionales de la marcha, y en particular, el uso de la escala de Tinetti. Para ello, se analizan, aplican y evalúan diferentes técnicas de Aprendizaje Automático sobre los datos recopilados por un sistema óptico profesional para la captura y análisis de movimiento. Sin embargo, teniendo en cuenta que estos datos en crudo tienen una alta dimensionalidad y son bastante ruidosos, como paso previo es necesario realizar una importante fase de preprocesamiento y limpieza de los datos que posteriormente alimentan a los algoritmos de Machine Learning. Finalmente, se obtienen varios modelos predictivos que son integrados y desplegados en una herramienta que, a partir de datos sensoriales de movimiento, es capaz de generar automáticamente las respuestas a las distintas categorías que constituyen el criterio de marcha en el test Tinetti.
|
|---|
