La tecnología portátil inteligente detecta caídas en personas mayores con un 96,7% de precisión mediante IA y LoRa

Las caídas son la segunda causa principal de muerte por traumatismo no intencional a nivel mundial, con un estimado de 684.000 muertes anuales, siendo los adultos mayores de 60 años los de mayor riesgo. Casi la mitad de los adultos mayores que sufren una caída no pueden levantarse sin asistencia, lo que hace que la detección rápida y la emisión de alertas sean esenciales. Sin embargo, los detectores de caídas portátiles existentes suelen sacrificar la duración de la batería en favor de la precisión, o dependen de Bluetooth de corto alcance que requiere un smartphone cercano, lo que limita su fiabilidad en el mundo real.

Este estudio de investigadores de la Universidad de Málaga y la Universidad de Investigación y Desarrollo (Colombia) propone un sistema portátil híbrido que aborda las tres limitaciones principales de forma simultánea: precisión de detección, eficiencia energética y alcance de comunicación. El dispositivo integra un acelerómetro con muestreo a 20 Hz junto con un proceso de detección en dos etapas. En la primera etapa, un modelo ligero basado en umbrales monitorea continuamente la magnitud de la aceleración y activa el sistema únicamente cuando se supera un límite predefinido, manteniendo el procesador y la radio LoRa en modo de suspensión profunda en caso contrario. En la segunda etapa, una muestra de aceleración en ventana de 4 segundos se transmite vía LoRa a un servidor remoto, donde un modelo de aprendizaje profundo CNN-LSTM realiza la clasificación final entre caída y no caída. La CNN extrae características espaciales de la señal del acelerómetro, mientras que la LSTM captura patrones temporales de movimiento; juntas, reducen los falsos positivos que generan los modelos de umbral más simples.

El prototipo alcanzó una sensibilidad del 96,67 % (tasa de detección de caídas reales) y una especificidad del 100 % (sin clasificación errónea de las Actividades de la Vida Diaria como caídas) durante las pruebas experimentales con escenarios de caídas simuladas. El diseño de ultra bajo consumo extendió la autonomía de la batería a 178 horas de monitoreo continuo, significativamente más que muchos sistemas competidores. La arquitectura LPWAN de LoRa permite la transmisión a escala de kilómetros sin infraestructura celular, operando en bandas de frecuencia sin licencia para eliminar los costes recurrentes de red y la dependencia del smartphone.

El sistema supera a varios detectores de caídas basados en LoRa y NB-IoT anteriores revisados en el artículo. A modo de referencia, sistemas comparables lograron precisiones que oscilan entre el 89,2 % y el 96,93 %, frecuentemente con menor duración de batería o alcance de comunicación limitado. El diseño del algoritmo híbrido —que delega el aprendizaje profundo, computacionalmente costoso, a un servidor remoto en lugar de al propio dispositivo portátil— es un hallazgo arquitectónico clave que permite lograr simultáneamente alta precisión y bajo consumo energético.

Se aplican advertencias importantes: los escenarios de caídas fueron simulados y no observados en adultos mayores reales en entornos naturalistas, lo que podría sobrestimar el rendimiento en el mundo real. El tamaño del conjunto de datos y la diversidad de participantes no están completamente detallados en el texto disponible, y el sistema aún no ha sido validado en ensayos clínicos ni en monitoreo domiciliario a largo plazo. Además, la infraestructura de pasarelas LoRa debe estar disponible en los entornos de despliegue, lo que puede limitar su aplicabilidad en algunos entornos rurales o interiores sin cobertura LPWAN existente.