María Caridad Mireles Pérez, estudiante del Doctorado en Ciencias de la Computación del Centro de Investigación en Computación, lidera el proyecto que combina una camisa con sensores y aprendizaje profundo para ofrecer diagnósticos más precisos.
El Instituto Politécnico Nacional (IPN) avanza en un proyecto científico que aplica inteligencia artificial (IA) y algoritmos de aprendizaje profundo o deep learning para mejorar la atención de pacientes con trastornos de ansiedad y depresión. La iniciativa procesa datos obtenidos de una camisa equipada con sensores capaces de detectar episodios ansioso-depresivos, con el propósito de ofrecer diagnósticos y tratamientos más precisos.
El proyecto, denominado “Desarrollo de un Algoritmo de Aprendizaje Profundo para la Detección de Ataques Ansioso-Depresivos a partir de Señales del Cuerpo Humano”, es desarrollado por María Caridad Mireles Pérez, estudiante del Doctorado en Ciencias de la Computación, bajo la asesoría de los doctores Amadeo José Argüelles Cruz, investigador del Laboratorio de Cómputo Inteligente del Centro de Investigación en Computación (CIC), y Alejandra Hernández, de la Universidad de las Américas Puebla.
Mireles explicó que no existe un proyecto científico de este tipo a nivel mundial y que su objetivo es atender a una población vulnerable que padece episodios ansioso-depresivos, los cuales pueden incluir síntomas como llanto, rumiación, conductas violentas y autolesiones, entre otros. Sobre el contexto que motivó la investigación.
“Con la pandemia de COVID-19, los trastornos de ansiedad y depresión en todo el mundo aumentaron 25%, de acuerdo con la Organización Mundial de la Salud; esta situación se acentuó, sobre todo, entre la población joven”, Mireles.
La camisa cuenta con sensores para medir la actividad eléctrica de la piel, el electrocardiograma, la temperatura corporal, la actividad pulmonar y la tensión muscular, los cuales están interconectados a un módulo que envía la información de manera inalámbrica a una computadora. Mediante inteligencia artificial y algoritmos de aprendizaje profundo, los datos se procesan y clasifican en cuatro estados: línea base, que corresponde a la calma; transición, que identifica episodios de nerviosismo; inducción, asociada al ataque ansioso-depresivo, y recuperación, vinculada con la disminución de la tensión y el desahogo.
“Tuvimos voluntarios que se sometieron a un protocolo durante el cual fueron inducidos a un estado de estrés y a una emoción de tristeza (bajo supervisión psicológica). Esa información nutrió una base de datos; el algoritmo aprende de ella y ofrece como resultado los estados que experimentaron las personas en un determinado periodo”, Mireles.
La investigadora, quien obtuvo la Presea Lázaro Cárdenas 2023 y cursó la Ingeniería Biomédica y la Maestría en Tecnología de Cómputo, informó que ya se inició el proceso para obtener la primera patente derivada de este proyecto. Destacó, además, que existe un amplio potencial para explorar, desde un enfoque multidisciplinario, las aplicaciones de la tecnología en el ámbito de la salud. Al respecto, detalló la importancia que tiene en su carrera profesional y académica a creación de tecnología para la salud, especialmente proyectos como este, que servirán como base para futuros desarrollos.
