Este proyecto pretende lograr un nuevo modelo computacional que simule el aprendizaje y degeneración del movimiento humano, capaz de mostrar a los clínicos, de manera transparente, las diferencias imperceptibles entre diferentes tipos de trastornos del neurodesarrollo o entre enfermedades neurodegenerativas similares, con el fin obtener como resultado nuevas herramientas diagnosticas validadas por ellos. El desarrollo de una nueva generación de dispositivos móviles ha incrementado las posibilidades de obtener información del movimiento humano gracias a los múltiples sensores disponibles en estos dispositivos (pantalla táctil, micrófonos, acelerómetros, etc.).
Por otro lado, psicólogos y neurólogos demandan, cada vez más, herramientas que les permitan la caracterizar los datos obtenidos por estos dispositivos, con el fin de diferenciar aquellos trastornos que manifiestan síntomas motores comunes, pero corresponden a condiciones psicopatológicas diferentes. Simultáneamente, el desarrollo de los sistemas de Inteligencia Artificial (IA) y Machine Learning (ML) están avanzando rápidamente, permitiendo discriminar automáticamente entre personas sanas y personas con una determinada patología. Sin embargo, estos sistemas no aportan información significativa sobre en qué elementos o factores causales han fundamentado su resultado, siendo esto uno de los problemas que pretende abordar este proyecto.
Este proyecto se va a sustentar en la teoría del modelo motor equivalente (Lashley 1930 y Berstein 1967), la Teoría Cinemática del Movimiento Humano (Plamondon, 1995) y el Modelo de Evolución Temporal de la escritura manuscrita (Carmona, 2017). Aunque estos modelos previos se han demostrados válidos para sintetizar o parametrizar movimientos humanos, no permiten imitar el aprendizaje de patrones complejos de movimiento y su relación en problemas de aprendizaje como el autismo o de neurodegeneración. Para abordar este problema, la hipótesis de este proyecto es que se puede lograr un nuevo modelo válido para cualquier tipo de dificultades de aprendizaje o condición neurodegenerativa e independiente del tipo de rasgo motor que se quiera caracterizar (voz, gesto, escritura), incorporando conceptos de las teorías previas, e imitando cómo el cerebro agrupa los movimientos simples y los sincroniza. Para probar esta hipótesis se desarrollará un sistema compuesto de cuatro módulos que permitan representar: la memoria espacial, la sincronización, la agrupación eficiente de los movimientos, el sistema neuromotor. De esta forma, se podrá generar sintéticamente una trayectoria, velocidad y aceleración similar al que se obtendría de un movimiento realizado por una persona con ciertos tipos de trastornos, y simular todas las fases intermedias de dicho trastorno. Inversamente, el modelo permitirá parametrizar el movimiento obtenido de diferentes tipos de sensores. Para verificar la validez del modelo, por un lado, los resultados irán siendo evaluados por el equipo clínico del proyecto, y, por otro lado, se sintetizarán diferentes tipos de movimientos, que serán evaluados como si fueran reales mediante diferentes métodos de IA que ya han sido validados con datos reales.
El modelo computacional resultante, implementado en dispositivos móviles, puede facilitar la telemedicina, realizar un diagnóstico temprano de ciertas patologías y aligerar la carga del sistema de salud.