Investigadores de la UPM y el King's College detectan el estrés con un 98% de precisión usando relojes inteligentes

Un estudio llevado a cabo por un equipo de investigadores de la Universidad Politécnica de Madrid (UPM) y el británico King's College de Londres ha logrado detectar el estrés con un 98 por ciento de precisión usando relojes inteligentes y algoritmos que equilibran eficacia y comodidad.

"Este trabajo abre la puerta a sistemas de salud inteligentes que sean, ante todo, soportables", ha manifestado el investigador del primero de estos centros académicos, Alberto Díaz-Álvarez. "Al final del día, el objetivo es cuidar nuestra Salud Mental con dispositivos que sean compañeros silenciosos y no intrusos que nos recuerden constantemente que estamos siendo observados", ha explicado.

En este contexto, desde la UPM han recordado que, según la Organización Mundial de la Salud (OMS), los problemas de salud mental son ya la principal causa de discapacidad en Europa y, aunque resulta llamativa la capacidad humana para preocuparse por cosas que aún no han pasado, detectar cuándo esa preocupación se transforma en algo patológico es extremadamente necesario.

Por ello, esta investigación publicada en la revista especializada 'Biomedical Signal Processing and Control' ha desarrollado un método para medir el estrés sin recurrir a dispositivos aparatosos o invasivos, y es que, hasta ahora, obtener datos fiables implicaba, en muchos casos, conectar al paciente a cables, bandas pectorales y electrodos para registrar distintas variables fisiológicas.

NIVELES DE INTRUSIÓN

A juicio de los autores de este estudio, el inconveniente es evidente: evaluar el estado de calma de una persona mediante un sistema de monitorización complejo, lo que puede alterar, paradójicamente, aquello que se pretende medir. Ante ello, se ha abordado este equilibrio entre la precisión del algoritmo y la intrusión del dispositivo en la vida diaria.

En este sentido, científicos del grupo 'KNOwledge Discovery and Information Systems' (KNODIS) de la Escuela Técnica Superior de Ingeniería de Sistemas Informáticos (ETSISI) han analizado datos fisiológicos y de comportamiento obtenidos de tres fuentes: teléfonos móviles, que provocan baja intrusión; relojes inteligentes o wearables de muñeca, con una intrusión media; y bandas pectorales, con una alta intrusión.

Con todo ello se ha constatado que los dispositivos de muñeca representan el mejor equilibrio ya que, utilizando modelos avanzados de aprendizaje profundo, se ha logrado clasificar los niveles de estrés con una precisión del 98 al 100 por cien. Para los datos obtenidos de teléfonos móviles, los modelos clásicos de aprendizaje automático funcionaron casi tan bien como las redes neuronales más pesadas, alcanzando una eficacia del 77 por ciento.

Esto sugiere que el móvil puede saber si se necesitan unas vacaciones basándose simplemente en cómo se usa, sin necesidad de sensores biométricos, lo cual es sumamente útil para estudios poblacionales masivos, ha continuado la UPM, que ha concluido afirmando que también se ha identificado que incorporar la variable 'tiempo' mediante análisis complejos de series temporales no mejora necesariamente la precisión de los resultados.