Salud

Con inteligencia artificial exploran uso médico de señales mioeléctricas

Para generar aplicaciones que contribuyan al avance de la fisioterapia, entre otras áreas de la salud, estudiantes y docentes de la Facultad de Ingeniería de la Universidad Autónoma de Querétaro (UAQ) trabajan en la clasificación de señales eléctricas musculares de extremidades superiores.

Las señales mioeléctricas son resultado del movimiento de los músculos. Las contracciones musculares se deben a la frecuencia de impulsos eléctricos que envía el sistema nervioso, lo que produce un intercambio de iones a través de las membranas de las fibras musculares, generando las señales.

Sin embargo, aún cuando dos personas hacen el mismo movimiento (ya sea en piernas, brazos o manos) las señales se comportan de manera distinta en cada organismo, debido a las diferencias entre condición física, edad, fuerza corporal o hasta el tipo de alimentación que llevan.

Marco Antonio Aceves Fernández, investigador de la Maestría en Ciencias en Inteligencia Artificial, informó de este proyecto a través de un comunicado de la UAQ.

El trabajo consiste en una serie de pruebas físicas para la adquisición de las señales en el software “Electromiograf Signal Collector EMGSC” (Recolector de Señales Electromiográficas), desarrollado en la misma institución. El sujeto de prueba debe realizar cinco repeticiones de 10 movimientos: posición inicial, pronación, supinación, extensión, flexión, desviaciones cubital y radial, pinzas fina y gruesa y expansión.

Para llevar a cabo estos ejercicios y detección de señales, se le coloca en el antebrazo, próximo al codo, una pulsera integrada por ocho sensores que se pueden visualizar en el software como ocho canales diferentes. Hasta el momento se ha realizado la prueba en 50 individuos, dando como resultado 128 mil millones de puntos que están en proceso de clasificación.

Aceves Fernández destacó que para que software tenga la mayor precisión posible se están probando 12 diferentes métodos de clasificación de inteligencia artificial, con el fin de asegurar cuál es el más efectivo o si es necesario combinar algunos de ellos.

Para clasificar las señales se utiliza el aprendizaje profundo (deep learning), un campo de la Inteligencia Artificial que utiliza las redes neuronales. Estas redes son sistemas de estructuración y procesamiento de datos entrenadas con algoritmos que buscan asemejarse al funcionamiento del cerebro humano para responder a determinados estímulos.

El aprendizaje profundo es un tipo de aprendizaje no supervisado, es decir, que no necesita de un humano que ayude a la máquina o al software a “aprender” y “pensar” por sí mismo, mediante repeticiones y correcciones.

La clasificación de las señales mioeléctricas buscan incidir directamente en el desarrollo de aplicaciones centradas en áreas de la salud, principalmente. Una de ellas será en la rehabilitación muscular de pacientes que han sufrido problemas motrices causados por accidentes, enfermedades congénitas o afectaciones cognitivas adquiridas.

El propósito es dar a los fisioterapeutas datos numéricos precisos que ayuden a la evaluación del paciente.

Marco Aceves detalló que el equipo de trabajo está conformado por estudiantes de la Maestría en Ciencias en Inteligencia Artificial y de la Maestría en Ciencias con línea terminal en Instrumentación y Control Automático; de las ingenierías Física y Biomédica y de la Licenciatura en Fisioterapia, además de la colaboración de un médico alemán experto en bioseñales.

NTX/MAG

NOTICIAS RELACIONADAS

Back to top button