Un nuevo estudio, liderado por la Universidad Politécnica de Madrid, propone una evaluación objetiva del equilibrio en personas con discapacidades visuales mediante sensores inerciales e inteligencia artificial
Millones de personas con discapacidad visual enfrentan desafíos para mantener el equilibrio, lo que afecta a su movilidad e independencia. En respuesta, un grupo internacional de investigadores ha desarrollado un sistema innovador que combina inteligencia artificial y sensores inerciales para evaluar el equilibrio de forma objetiva, especialmente en personas ciegas. Se trata del primer estudio que aplica esta tecnología en el contexto del test clínico mini-BESTest (por sus siglas en inglés Mini Balance Evaluation Systems Test). Los resultados obtenidos pueden ayudar a los fisioterapeutas a tener una evaluación más objetiva del equilibrio de sus pacientes y a desarrollar sistemas de telerrehabilitación. El estudio ha sido publicado en la revista PeerJ Computer Science y constituye un paso importante hacia una rehabilitación más inclusiva, tecnológica y precisa.
El trabajo ha sido liderado por el Centro de Tecnología Biomédica (CTB) de la Universidad Politécnica de Madrid (UPM), específicamente desde el Laboratorio de Bioinstrumentación y Nanomedicina, con participación de otras instituciones como la Universidad de La Laguna (ULL), de Tenerife, la Université La Sagesse (ULS), de Líbano; y la organización INDICATIC AIP de Panamá. El estudio ha sido realizado en las instalaciones del CTB y de la Organización Nacional de Ciegos de España (ONCE), en su sede de Madrid. ha sido publicado en la revista PeerJ Computer Science y constituye un paso importante hacia una rehabilitación más inclusiva, tecnológica y precisa.
Los autores de la investigación compararon el desempeño de personas ciegas y videntes en una serie de ejercicios diseñados para evaluar el equilibrio. Para ello, utilizaron un dispositivo portátil con 12 sensores de movimiento distribuidos en distintas partes del cuerpo de los participantes en el estudio.
El resultado más destacado fue que la prueba de equilibrio sobre una pierna, es decir, hacer la “pata coja”, permitió identificar diferencias significativas entre ambos grupos. Esta tarea fue mucho más difícil para las personas ciegas. Además, se observó que las evaluaciones de los fisioterapeutas a veces no coinciden con los datos objetivos de duración del ejercicio registrados por los sensores, lo que sugiere cierto margen de subjetividad en la evaluación clínica tradicional.
Los modelos de inteligencia artificial, especialmente los basados en aprendizaje profundo, lograron predecir con un 85,6% de precisión si una persona tenía buen o mal equilibrio en esta prueba. “Estos resultados abren la puerta al desarrollo de herramientas de evaluación remota del equilibrio, clave para programas de telerrehabilitación personalizados y accesibles”. señala José Javier Serrano Olmedo, investigador del CTB-UPM.
“Los avances obtenidos con nuestro trabajo no solo mejoran la forma en que se mide el equilibrio en personas con discapacidad visual, sino que también sienta las bases para nuevas formas de rehabilitación domiciliaria, más autónoma y basada en datos objetivos”, concluyen los investigadores.
El código del proyecto se encuentra disponible en GitHub (https://github.com/mjaenvargas/mini-BESTest_blind_noblind) y los datos en Zenodo (Jaén-Vargas, M., Pagán, J., Li, S., Kazemi, N., & Serrano-Olmedo, J. J. (2024). Automated balance assessment for blind and non-blind individuals using mini-BESTest and AI (v2.0.0) [Data set]. Zenodo. https://doi.org/10.5281/zenodo.13842814).
Referencia biblbiográfica:
Jaén-Vargas M, Pagán J, Li S, Trujillo-Guerrero MF, Kazemi N, Sansò A, Codina-Casals B, Abi Zeid Daou R, Serrano Olmedo JJ. 2025. AI-driven balance evaluation: a comparative study between blind and non-blind individuals using the mini-BESTest. PeerJ Computer Science 11:e2695 https://doi.org/10.7717/peerj-cs.2695
Jaén Vargas, M.Q. (2024) Contribution to methodologies for human activity recognition: Focusing on the visually impaired. Archivo Digital UPM. Available at: https://oa.upm.es/82209/ (Accessed: 03 July 2025).
