La inteligencia artificial puede mejorar el ejercicio en adultos mayores, sobre todo en equilibrio, marcha y precisión del movimiento, pero los datos sobre salud mental y otros indicadores físicos siguen siendo irregulares, según una revisión de alcance publicada en BMC Geriatrics que analizó estudios difundidos entre 2020 y 2025.
El trabajo examinó 18 estudios seleccionados entre 5.760 artículos localizados en seis bases de datos: Scopus, MEDLINE, Web of Science, PubMed, Google Scholar e IEEE Xplore. Los autores incluyeron únicamente investigaciones en inglés sobre sistemas de IA basados en datos aplicados a ejercicio planificado y estructurado en personas mayores.
La revisión partió de una pregunta concreta: si estas herramientas pueden ayudar a una población en la que persiste la inactividad física. El estudio recuerda que la Organización Mundial de la Salud recomienda al menos 150 minutos semanales de ejercicio aeróbico de intensidad moderada para los adultos mayores.
PUBLICIDAD
En los artículos analizados, el interés académico mostró una expansión reciente. Seis publicaciones aparecieron en 2024, el mayor número para un solo año, y dos más en la primera mitad de 2025.
Asia concentró la mayor parte de la investigación sobre ejercicio con IA
De los 18 estudios incluidos, 12 se realizaron en Asia. Corea del Sur encabezó la producción con cuatro trabajos, seguida por Taiwán con tres y Singapur con dos; China, Japón y Tailandia aportaron uno cada uno.
Europa, América y Medio Oriente tuvieron una presencia mucho menor. España reunió dos publicaciones, mientras que Portugal, Italia, Canadá e Israel aportaron una cada uno.
PUBLICIDAD
En conjunto, los estudios reclutaron 950 participantes, aunque el tamaño efectivo de muestra fue de 638. Las investigaciones oscilaron entre ocho y 142 personas, y la mayoría de los trabajos con información demográfica disponible incluyeron más mujeres que hombres.
El diseño más frecuente fue el ensayo controlado aleatorizado, con siete estudios. También hubo cuatro estudios cuasiexperimentales, tres transversales, tres experimentales y una cohorte prospectiva.
La retroalimentación en tiempo real y la guía personalizada fueron las funciones más repetidas
La revisión identificó ocho grandes tipos de funciones en las herramientas de IA. Las más comunes fueron la retroalimentación en tiempo real y la guía o apoyo personalizado, presentes en 12 estudios cada una.
PUBLICIDAD
Después aparecieron las funciones de detección, seguimiento y análisis, incluidas en 10 trabajos. También se registraron herramientas de motivación y participación, intervenciones adaptativas o asistidas, planes de ejercicio personalizados, seguimiento del progreso e interacción multimodal.
El análisis mostró que 55,6% de los estudios informó resultados positivos sobre motivación para hacer ejercicio, adherencia o usabilidad del sistema. En el plano físico, 72,2% de los trabajos informó cambios favorables en variables como equilibrio, marcha, fuerza muscular y precisión del movimiento.
Entre las mejoras más consistentes figuraron la capacidad de equilibrio, la habilidad para caminar, distintos parámetros de la marcha, la función motora, la capacidad física general y la exactitud del movimiento. Un estudio también registró monitoreo de frecuencia cardíaca para reforzar la seguridad durante la actividad.
PUBLICIDAD
Los resultados fueron menos consistentes en otros indicadores: la revisión señaló hallazgos inconsistentes para fuerza de agarre, actividades de la vida diaria, función de miembros inferiores, rango de movimiento y composición corporal; además, ocho estudios evaluaron la salud mental y solo algunos informaron mejoras generales en calidad de vida, depresión o experiencia de usuario, mientras otros no encontraron diferencias atribuibles a la intervención con IA.
La investigación también detectó que apenas tres estudios evaluaron de manera conjunta motivación para el ejercicio, función física y salud mental. La mayoría se concentró en una o dos dimensiones.
Los robots estuvieron presentes en casi la mitad de los estudios
Ocho estudios, equivalentes a 44,4% incorporaron aplicaciones robóticas, incorporaron aplicaciones robóticas. Entre los sistemas utilizados aparecieron Pepper, Nao, Poppy, Bot Fit, GEAR y Lokomat.
PUBLICIDAD
Pepper fue el robot más repetido, con presencia en tres estudios. Bot Fit fue descrito como un exoesqueleto robótico, mientras que Lokomat y GEAR se emplearon en contextos de rehabilitación de la marcha.
En cuanto a los programas de ejercicio, los más frecuentes fueron los entrenamientos dirigidos a partes específicas del cuerpo, seguidos por ejercicio tradicional y exergames. También hubo un estudio con ejercicio simulado por escenarios y otro sin clasificación definida.
El seguimiento posterior a las intervenciones casi no existió. 16 de los 18 estudios no informaron evaluaciones después de terminado el programa, y solo dos realizaron controles: uno a los tres meses y otro al mes y a los tres meses.
PUBLICIDAD
Según la revisión, las limitaciones más repetidas fueron el tamaño pequeño de las muestras, la evaluación de efectos de corto plazo, la falta de grupo de control en algunos casos y los problemas de validez externa. También se mencionaron barreras de uso para personas con dificultades visuales o auditivas, brecha digital y reclutamiento restringido a quienes podían usar teléfonos inteligentes.
Los autores observaron además fallas ligadas a la propia tecnología: algoritmos que pueden reducir la precisión en el reconocimiento del movimiento, mecanismos limitados de retroalimentación para sostener el compromiso a largo plazo y restricciones en el rango de movimiento o interacción de algunos robots sociales.
En el plano teórico, 10 estudios mencionaron marcos conceptuales explícitos. El más frecuente fue el Modelo de Aceptación Tecnológica, citado en tres trabajos, aunque el artículo sostiene que ese enfoque explica mejor la aceptación inicial que la persistencia en conductas saludables.
PUBLICIDAD
La revisión propone prestar más atención a necesidades psicológicas como autonomía, competencia y relación social en el diseño de futuras herramientas. También plantea un modelo conceptual que organiza las capacidades de la IA en seis grupos: sensorial, analítica, interactiva, personalizada y adaptativa, robótica asistiva y gamificada.