El análisis de IA de la forma de caminar conecta los campos de la atención médica y la seguridad

El análisis del patrón de marcha individual de una persona, o su forma de andar, puede revelar detalles sobre su identidad y reflejar diferencias entre individuos, grupos e incluso poblaciones.

Un equipo internacional de investigadores, dirigido por Kayne Duncanson de la Universidad de Adelaida, el profesor asociado Dominic Thewlis, el Dr. Will Robertson y el Dr. Ehsan Abbasnejad, tomó un perfil diverso de datos de marcha de más de 700 personas y entrenó modelos de inteligencia artificial para encontrar similitudes.

Ya se está trabajando en cómo se pueden utilizar las relaciones entre la marcha y el estado biológico en la atención médica y la seguridad, pero hasta ahora, los campos utilizaban métodos diferentes.

“En la atención médica, el objetivo es utilizar la marcha como un marcador funcional personal para ayudar en el manejo de afecciones neurológicas y musculoesqueléticas, y las medidas generalmente se toman utilizando múltiples instrumentos especializados y pequeñas muestras de población“, dijo la investigadora principal Kayne Duncanson, candidata a un título superior en investigación de la Facultad de Medicina de Adelaida.

“En materia de seguridad, el objetivo es utilizarlo como un sistema biométrico para facilitar el reconocimiento de personas en entornos dinámicos, como la vigilancia en aeropuertos, o para la autenticación en hogares inteligentes.

“El reconocimiento de la marcha requiere un modelado a nivel individual para detectar características que difieren entre individuos pero que permanecen constantes en cada uno de ellos a lo largo del tiempo.

“Por lo tanto, la mayoría de los estudios se centran en el desarrollo de modelos multivariados complejos, como redes neuronales profundas, para separar las características de identificación de la marcha de las características relacionadas con la apariencia corporal.

“Dado que los métodos de análisis de la marcha en el cuidado de la salud y la seguridad parecen complementarios, podría ser beneficioso combinar sus puntos fuertes”.

Algunos de los datos estudiados se recopilaron de participantes mientras caminaban sobre una placa en el suelo, conocida como plataforma de fuerza.

La plataforma de fuerza mide la magnitud y la ubicación del punto de fuerza en el suelo en respuesta a la fuerza aplicada a través de los pies, y luego la información se investigó utilizando un método de inteligencia artificial explicable (XAI) llamado análisis de sensibilidad de oclusión y aproximación y proyección de colector uniforme (UMAP).

“El primer objetivo de este estudio fue determinar si el rendimiento del reconocimiento de la marcha difiere según el conjunto de datos utilizado para el desarrollo y la evaluación del modelo utilizando diferentes configuraciones de cuatro grandes conjuntos de datos de marcha de plataforma de fuerza de todo el mundo“, dijo el profesor asociado Thewlis, director del Centro de Investigación Ortopédica y Traumatológica.

“El segundo objetivo era examinar si los atributos demográficos y las condiciones experimentales ayudan a definir la variación de la marcha utilizando XAI.

“Para cumplir estos objetivos, se propuso un nuevo método de análisis de la marcha que permite la caracterización simultánea de la variación a nivel individual, grupal y de conjunto de datos en los patrones de marcha”.

Lo que encontraron fue que los modelos, que fueron expuestos a la diversidad mientras aprendían, eran muy precisos para identificar personas en diversas condiciones.

“Descubrimos que las plataformas de fuerza podrían implementarse como instrumentos independientes con relativamente pocas restricciones en la selección de muestras y las condiciones de marcha para permitir la adquisición de grandes conjuntos de datos en laboratorios, clínicas y posiblemente entornos más diversos, lo que a su vez podría facilitar una toma de decisiones más avanzada basada en datos“, dijo el profesor asociado Thewlis.

“Las tendencias en el rendimiento y los conocimientos de XAI indicaron que el calzado, la velocidad de la marcha, la masa corporal, el sexo, la altura y posiblemente otros factores dependientes del tiempo interactúan para afectar la variación de la marcha en múltiples niveles, y los sistemas de reconocimiento de la marcha basados ​​en IA que se basan en datos de la plataforma de fuerza muestran una promesa sustancial para el análisis personalizado”.

Fuente: The Royal Society Publishing