David Carneros, Doctor en Ingeniería Informática
El pasado viernes 21 de febrero, David Carneros Prado, doctorando de la Escuela Superior de Informática de la Universidad de Castilla-La Mancha (UCLM), defendió, por compendio, su tesis doctoral titulada «Analysis and Automatic Assessment of Gait and Posture in Activities of Daily Living Using Artificial Intelligence». La tesis, dirigida por los doctores Ramón Hervás Lucas y Jesús Fontecha Diezma, ha sido realizada en el marco de un contrato de formación de personal investigador (FPI) del plan propio de la UCLM y cuenta con la mención internacional. El tribunal estuvo presidido por la Dra. Carmen Lacave, de la Universidad de Castilla-La Mancha, e integrado por el Dr. Joaquín Ballesteros, de la Universidad de Málaga, y el Dr. Matias García-Constantino, de la Universidad del Ulster. Tras la defensa, el tribunal otorgó a David Carneros la máxima calificación, reconociendo la excelencia y el impacto de su investigación.
David Carneros, miembro del grupo de investigación MAmI (Modelos de Aplicaciones Móviles e Inteligencia Ambiental), ha combinado su labor investigadora con la docencia en la asignatura de Sistemas Inteligentes. Su trabajo doctoral se enmarca en el análisis del movimiento humano, un campo de gran relevancia para la evaluación del estado de salud y las capacidades funcionales de las personas.
Una tesis pionera en la integración de inteligencia artificial y biomecánica
El análisis del movimiento humano, particularmente la evaluación de la marcha y la postura, juega un papel vital en la evaluación del estado de salud y las capacidades funcionales individuales. Sin embargo, el análisis tradicional del movimiento a menudo enfrenta limitaciones significativas en términos de objetividad y accesibilidad, dependiendo en gran medida de observaciones subjetivas o equipos especializados de laboratorio costosos. Estas restricciones se vuelven particularmente desafiantes al evaluar cambios sutiles en la marcha vinculados al deterioro cognitivo o al monitorear patrones posturales prolongados en actividades diarias.
Esta tesis avanza en el campo del análisis de la postura y movimiento humano mediante la integración de técnicas de inteligencia artificial con enfoques biomecánicos, presentando cuatro estudios interconectados publicados en revistas indexadas JCR. Esta investigación aborda desafíos críticos en la evaluación de la postura y movimiento combinando métodos biomecánicos tradicionales con enfoques computacionales modernos para mejorar tanto la precisión de la evaluación como la aplicabilidad práctica en entornos reales. La investigación abarca cuatro áreas principales: la relación entre la carga cognitiva y los parámetros de la marcha durante el uso del teléfono inteligente, la generación de datos sintéticos de movimiento mediante arquitecturas de aprendizaje profundo, el desarrollo de sistemas eficientes de reconocimiento de postura, y la automatización de la evaluación clínica de la marcha. A través de este enfoque integral de investigación, este trabajo demuestra cómo las herramientas basadas en IA pueden mejorar la precisión y objetividad de la evaluación del movimiento humano mientras lo hacen más accesible para aplicaciones cotidianas.
Los hallazgos clave incluyen la identificación de patrones de marcha distintos durante la doble tarea con el teléfono móvil, con cinco de diez parámetros de marcha mostrando alteraciones significativas (p < 0.001), el desarrollo exitoso de una arquitectura de red dual para generar datos sintéticos de movimiento con alta fidelidad biomecánica, la implementación de redes ligeras de Kolmogorov-Arnold alcanzando un 97.03% de precisión en el reconocimiento de postura, y la creación de un sistema automatizado de evaluación de la marcha con 97.56% de precisión en la evaluación clínica del movimiento.
Estas contribuciones establecen un marco robusto para integrar técnicas de IA en el análisis de la postura y movimiento, ofreciendo soluciones prácticas para la evaluación sanitaria y ergonómica, mientras mantienen la eficiencia e interpretabilidad. Esta investigación demuestra que la inteligencia artificial puede complementar efectivamente el análisis biomecánico tradicional, contribuyendo en última instancia a una evaluación del movimiento humano más fiable y eficiente tanto en entornos clínicos como en la vida diaria. Este estudio proporciona una base para futuros desarrollos en el análisis automatizado del movimiento, particularmente en la detección temprana del deterioro cognitivo, monitoreo ergonómico y evaluación clínica de la marcha, mientras aborda las limitaciones actuales en los métodos de evaluación del movimiento en términos de objetividad y accesibilidad.
Artículos de impacto en revistas JCR
La tesis de David Carneros es una tesis por compendio de artículos, basada en cuatro publicaciones en revistas indexadas JCR de alto impacto:
- Análisis del efecto de la doble tarea en la variabilidad de la marcha durante el uso de dispositivos móviles
Mathematics, 2022. Q1. IF: 2.8.
DOI: 10.3390/math11010202 - Generación de datos sintéticos de movimiento esquelético 3D a partir de trayectorias 2D utilizando redes neuronales recurrentes
Computers in Biology and Medicine, 2024. Q1. IF: 7.0.
DOI: 10.1016/j.compbiomed.2024.108943 - Comparación entre perceptrones multicapa y redes de Kolmogorov-Arnold para el reconocimiento de posturas sentadas
IEEE Access, 2024. Q2. IF: 2.3.
DOI: 10.1109/ACCESS.2024.3510034 - Automatización de la evaluación observacional de la marcha mediante un sistema óptico 3D y transformadores
Applied Intelligence, 2025. Q2. IF: 3.4.
DOI: 10.1007/s10489-024-06163-w
