Skip to main content
European Commission logo
español español
CORDIS - Resultados de investigaciones de la UE
CORDIS
CORDIS Web 30th anniversary CORDIS Web 30th anniversary

Article Category

Article available in the following languages:

Aprendizaje profundo al rescate del dolor lumbar crónico

Un equipo de investigadores ha desarrollado un método de aprendizaje profundo destinado a clasificar con precisión tanto los niveles de dolor como las conductas relacionada con este. Estos avances podrían ayudar a mejorar la medición y el tratamiento del dolor crónico.

Con el objetivo de investigar cómo afecta el dolor crónico al cuerpo de los distintos pacientes, un equipo de científicos respaldado por el proyecto BODYinTRANSIT, financiado con fondos europeos, ha creado un método de aprendizaje profundo que permite analizar los datos biométricos de pacientes aquejados de dolencias crónicas. Los resultados de esta investigación se han publicado en el IEEE Journal of Selected Topics in Signal Processing. Según se detalla en una noticia publicada en el sitio web de la Universidad Carlos III de Madrid (UC3M), coordinadora del proyecto BODYinTRANSIT, los investigadores partieron de la hipótesis de que las personas con lumbalgia crónica presentan variaciones en sus datos biométricos en comparación con los individuos sanos. Estas variaciones se derivan de movimientos corporales o patrones de marcha resultantes de una respuesta adaptativa destinada a evitar más dolor o lesiones.

Puntos débiles de los métodos convencionales

En la actualidad, retos como la escasez de datos relevantes, las particularidades de cada tipo de dolor y la complejidad que entraña la medición de variables biométricas han dificultado la identificación precisa de las diferencias biométricas entre personas con y sin dolor. «Las personas aquejadas de dolor crónico suelen adaptar sus movimientos para protegerse de nuevos dolores o lesiones. Esta adaptación dificulta que los métodos convencionales de análisis biométrico capten con precisión cambios fisiológicos en estas personas. De ahí la necesidad de desarrollar este sistema», declara en dicha noticia el primer autor del estudio, el Dr. Mohammad Mahdi Dehshibi, de la UC3M. El nuevo método desarrollado utiliza un tipo de aprendizaje profundo denominado redes neuronales recurrentes escasamente conectadas que se combinan con unidades recurrentes con compuerta, un tipo de unidad de red neuronal utilizada para modelar datos secuenciales. Con este método, los investigadores consiguieron captar los cambios en el comportamiento corporal relacionado con el dolor a lo largo del tiempo. El método supera a los enfoques más avanzados utilizados hasta ahora para clasificar con precisión tanto los niveles de dolor como los comportamientos relacionados con este. El nuevo método de los investigadores se ha probado con la base de datos EmoPain, que contiene datos sobre niveles de dolor y comportamientos relacionados con el dolor. «Este estudio también pone de manifiesto la necesidad de una base de datos de referencia dedicada a analizar la relación entre el dolor crónico y la biometría. Esta base de datos podría utilizarse para desarrollar aplicaciones en ámbitos como la seguridad o la sanidad», señala el Dr. Dehshibi. El primer autor continúa explicando que el método podría utilizarse para mejorar la medición y el tratamiento del dolor crónico en personas que sufren afecciones como fibromialgia, artritis y dolor neuropático. «Puede ayudar a controlar los comportamientos relacionados con el dolor y a adaptar los tratamientos para mejorar los resultados de los pacientes. Además, puede ser beneficioso para controlar las respuestas al dolor durante la recuperación posquirúrgica». Ana Tajadura-Jiménez, autora principal y profesora adjunta de la UC3M, explica la relevancia de este trabajo para otros procesos médicos: «Además del dolor crónico, se han observado patrones de movimiento alterados y percepciones corporales negativas, como en los trastornos alimentarios, las enfermedades cardiovasculares crónicas o la depresión, entre otros. Es sumamente interesante realizar estudios utilizando el método anterior en estas poblaciones para comprender mejor las afecciones médicas y su impacto en el movimiento. Estos estudios podrían aportar información valiosa para el desarrollo de herramientas de detección y tratamientos más eficaces, y mejorar la calidad de vida de las personas afectadas por estas dolencias». El estudio BODYinTRANSIT (Sensory-driven Body Transformation Experiences On-the-move) también podría tener aplicaciones en campos que van desde el deporte a la realidad virtual y la robótica, pasando por el arte y la moda. El proyecto finalizará en 2026. Si desea obtener más información, consulte: sitio web del proyecto BODYinTRANSIT

Palabras clave

BODYinTRANSIT, aprendizaje profundo, dolor, dolor de espalda, lumbago, afecciones crónicas, movimiento