Presentamos un sistema novedoso para la detección de anomalías en la marcha que combina Redes Neuronales Gráficas Espaciotemporales ST-GNN con un umbral dinámico basado en reconstrucción de autoencoders. A diferencia de enfoques basados en reglas o modelos supervisados que dependen de etiquetas específicas, este sistema modela las relaciones complejas entre articulaciones a lo largo del tiempo para identificar desviaciones sutiles del patrón normal de la marcha, logrando una alta precisión y sensibilidad. Los resultados experimentales muestran una precisión global del 97,8% y una mejora de 2,3 veces en sensibilidad frente a métodos tradicionales, lo que abre oportunidades en salud, prótesis y rendimiento deportivo.
Arquitectura del sistema y representación esquelética: cada frame de una secuencia de marcha se transforma en una representación esquelética 3D con 23 puntos articulares que actúan como nodos en un grafo. Las aristas representan conexiones anatómicas y relaciones biomecánicas dinámicas. El modelo opera en dos fases: agregación espacial de características mediante capas GCN para combinar información de articulaciones vecinas y modelado temporal mediante capas recurrentes GRU que capturan ritmo, velocidad y longitud de zancada. El resultado es un vector firma de la marcha por cada paso que resume características espaciotemporales dinámicas.
Agregación espacial y modelado temporal: las embeddings de cada articulación procedentes del estimador de pose 3D son procesadas por capas de convolución de grafos que integran información local según proximidad anatómica y dependencia dinámica. A continuación, una capa GRU recorre la secuencia de embeddings agregadas para capturar dependencias temporales relevantes. Esta combinación permite reconocer patrones coordinados entre múltiples articulaciones y detectar alteraciones en la sincronía y amplitud del movimiento.
Umbral dinámico y puntuación de anomalía: para evitar umbrales fijos que no generalizan entre individuos, se entrena un autoencoder sobre firmas de marcha normales. La diferencia entre la firma original y la reconstruida define la puntuación de anomalía. El umbral se ajusta dinámicamente tomando percentiles altos de los errores de reconstrucción en el conjunto normal, de modo que patrones con error elevado se marcan como anómalos. Esta estrategia es robusta ante la variabilidad interindividual y reduce falsos positivos derivados de estilos de marcha distintos.
Evaluación experimental: el sistema se validó con el conjunto público MoCap MoSe2 que contiene sujetos sanos y pacientes con trastornos de la marcha como Parkinson y parálisis cerebral. Se utilizó una partición 80% entrenamiento y 20% evaluación, con búsqueda de hiperparámetros y aumentos de datos que incluyen jitter temporal cíclico y ruido controlado para mejorar la generalización. Las métricas empleadas fueron precisión, recall, F1 y AUROC. Frente a métodos basados en desviación estándar por segmentos y SVM, el ST-GNN obtuvo precisión 0,978, recall 0,932, F1 0,955 y AUROC 0,985, además de la precisión global reportada del 97,8% y la mejora de sensibilidad 2,3x.
Ventajas prácticas y aplicaciones: el sistema detecta anomalías sutiles que a menudo pasan desapercibidas, lo que es crucial en diagnósticos tempranos de enfermedades neurológicas, en la adaptación de prótesis inteligentes y en la optimización del rendimiento deportivo para corregir ineficiencias biomecánicas. Su arquitectura modular permite paralelización en GPUs y el autoencoder ligero posibilita inferencia en tiempo real en dispositivos edge.
Escalabilidad y hoja de ruta: a corto plazo la integración con plataformas MoCap y entornos clínicos es factible. A medio plazo se contempla la integración móvil con estimación de pose a partir de IMU y vídeo y a largo plazo aplicaciones en robótica asistida y control de ayudas quirúrgicas. El enfoque se presta a personalización por paciente incorporando contexto como terreno y velocidad.
Sobre Q2BSTUDIO: Q2BSTUDIO es una consultora y empresa de desarrollo de software especializada en soluciones a medida, inteligencia artificial y ciberseguridad. Ofrecemos servicios de software a medida y aplicaciones a medida para empresas que necesitan soluciones adaptadas a procesos específicos. Nuestro equipo de especialistas en inteligencia artificial diseña modelos de IA para empresas y agentes IA que se integran con infraestructuras cloud. Para proyectos de desarrollo consultanos en desarrollo de aplicaciones a medida y si necesitas soluciones basadas en IA visita nuestra sección de inteligencia artificial.
Servicios complementarios y posicionamiento: además de IA, Q2BSTUDIO presta servicios en ciberseguridad y pentesting para proteger datos clínicos y modelos, servicios cloud aws y azure para despliegues escalables, servicios inteligencia de negocio y power bi para explotación analítica, así como automatización de procesos y desarrollo de agentes IA que facilitan la toma de decisiones. Palabras clave asociadas a nuestros servicios incluyen aplicaciones a medida, software a medida, inteligencia artificial, ciberseguridad, servicios cloud aws y azure, servicios inteligencia de negocio, ia para empresas, agentes IA y power bi.
Conclusión: la combinación de Redes Neuronales Gráficas Espaciotemporales con umbral dinámico ofrece una solución potente y adaptable para la detección automática de anomalías en la marcha. Q2BSTUDIO puede acompañar a organizaciones sanitarias y deportivas en la integración de estas tecnologías, desde prototipos de investigación hasta productos desplegables en producción, con garantía de seguridad y escalabilidad.
