Un nuevo estudio, resultado del proyecto MyGait y desarrollado por investigadores de los grupos HOWLab e iHealthy de la Universidad de Zaragoza, demuestra el potencial de un sistema minimalista de sensores inerciales e inteligencia artificial para apoyar la detección de la enfermedad de Parkinson mediante el análisis de la marcha.

El artículo, titulado “A Minimalist, Foot-Mounted IMU Approach to Parkinson’s Disease Detection in Semi-Controlled Settings”, ha sido publicado en la revista científica IEEE Transactions on Neural Systems and Rehabilitation Engineering. El trabajo evalúa una solución diseñada para trasladar el análisis de la marcha más allá de los laboratorios especializados y facilitar su utilización en contextos clínicos y cotidianos.

El sistema utiliza un único sensor inercial de seis ejes colocado en cada zapatilla. Estos sensores registran la aceleración y la velocidad angular de los pies mientras la persona realiza una prueba de marcha de seis minutos. Posteriormente, los datos son analizados mediante una red neuronal convolucional ligera, compuesta por solo 2.818 parámetros y diseñada para funcionar con una baja carga computacional.

En el estudio participaron 89 personas, de las cuales 44 tenían enfermedad de Parkinson y 45 eran controles sanos. Las evaluaciones se realizaron tanto en interiores como en exteriores, en condiciones semicontroladas que permitieron aproximar el análisis a situaciones de marcha más reales.

Resultados principales

La clasificación a nivel de participante se realizó mediante un criterio denominado one-foot-positive criterion (OFPC): si al menos uno de los dos pies era clasificado como positivo para Parkinson, la evaluación global del participante se consideraba positiva. Este criterio permite tener en cuenta la frecuente asimetría en la manifestación motora de la enfermedad y prioriza la sensibilidad en un contexto de cribado.

Mediante esta estrategia, el sistema alcanzó una precisión del 82,10 %, con una sensibilidad del 84,78 % para identificar a las personas con enfermedad de Parkinson y una especificidad del 80,29 % para reconocer correctamente a los participantes sanos.

El sistema mantuvo un rendimiento similar en los dos entornos evaluados. En interiores obtuvo una precisión del 81,48 % y una sensibilidad del 91,89 %, mientras que en exteriores alcanzó una precisión del 82,17 % y una especificidad del 83,91 %. Además, el 98,77 % de las evaluaciones exteriores repetidas ofrecieron resultados consistentes.

Los investigadores analizaron también los casos en los que solo uno de los dos pies fue clasificado como positivo para Parkinson. En 20 de los 22 casos estudiados, aproximadamente el 90 %, el pie clasificado como positivo coincidió con el lado que el propio paciente refería como más afectado. Este resultado refuerza la relevancia de considerar la frecuente presentación asimétrica de las manifestaciones motoras de la enfermedad de Parkinson.

Una tecnología sencilla y aplicable fuera del laboratorio

Uno de los principales aspectos diferenciales del trabajo es que consigue resultados clínicamente relevantes utilizando únicamente dos sensores, uno en cada pie, junto con un modelo de inteligencia artificial de reducida complejidad. Esta configuración disminuye las necesidades de equipamiento y procesamiento y podría favorecer, tras su validación en muestras más amplias, el desarrollo de herramientas portátiles para el cribado, el seguimiento y la valoración objetiva de la marcha.

El estudio se enmarca en MyGait_SENSORS (PID2020-116011RB-C22), un proyecto orientado al desarrollo de plantillas y sistemas inteligentes que utilizan sensores de fuerza e inerciales, junto con algoritmos avanzados, para monitorizar la marcha y aportar información personalizada sobre la evolución de las personas con enfermedad de Parkinson.

El trabajo es fruto de la colaboración interdisciplinar entre profesionales de la ingeniería, la fisioterapia y la investigación clínica, e incluye investigadores del Human Openware Research Lab (HOWLab) del Instituto de Investigación en Ingeniería de Aragón (I3A) y del grupo de investigación iHealthy del Instituto de Investigación Sanitaria Aragón (IISA), ambos de la Universidad de Zaragoza.

Aunque los resultados son prometedores, los autores señalan la necesidad de continuar validando el sistema en poblaciones más amplias y en condiciones de vida diaria. La herramienta se plantea como un posible apoyo cuantitativo para la identificación y el seguimiento de la enfermedad de Parkinson, y no como un sustituto de la valoración y el diagnóstico clínico.

Referencia del artículo: Gascón A, Marco Á, Herrero P, Casas R, Brandín-de la Cruz N, Blanco T, Pérez-Palomares S, Buldain D, Gil-Calvo M, Gómez-Trullén EM, Lapuente-Hernández D, Calvo S. A Minimalist, Foot-Mounted IMU Approach to Parkinson’s Disease Detection in Semi-Controlled Settings. IEEE Transactions on Neural Systems and Rehabilitation Engineering. 2026. DOI: 10.1109/TNSRE.2026.3704797.