La falta de adherencia terapéutica es uno de los principales retos en el manejo de enfermedades crónicas como la diabetes tipo 2, una patología con alta prevalencia en España y estrechamente vinculada al envejecimiento y a los hábitos de vida. En este contexto, un equipo de investigadores andaluces ha desarrollado un sistema basado en inteligencia artificial capaz de evaluar de forma objetiva si los pacientes siguen las pautas médicas acordadas con su profesional sanitario.
El proyecto, impulsado por el grupo Avances en Sistemas Inteligentes y Aplicaciones (ASIA) de la Universidad de Jaén (UJA), cuenta con financiación de la Consejería de Universidad, Investigación e Innovación de la Junta de Andalucía. La iniciativa se encuentra actualmente en fase piloto.
Sensores domésticos para convertir hábitos en datos clínicos
La propuesta combina sensores instalados en el domicilio con técnicas avanzadas de inteligencia artificial. El objetivo es transformar actividades cotidianas —como la presencia en determinadas estancias, la apertura de un armario o el número de pasos diarios— en indicadores clínicos útiles para el seguimiento médico.
A través de una plataforma web desarrollada por el equipo investigador, el facultativo puede consultar en tiempo real el grado de cumplimiento terapéutico, tanto por fechas concretas como por periodos más amplios.
“Cuando un paciente llega a consulta con niveles descontrolados de glucosa, el profesional puede diferenciar mejor si el problema se debe a la medicación o a una falta de adherencia a hábitos saludables”, ha explicado la investigadora de la Universidad de Jaén Macarena Espinilla a la Fundación Descubre.
Según la experta, el tratamiento de la diabetes tipo 2 no se limita al uso de fármacos. “El ejercicio, el descanso y la regularidad en las comidas influyen directamente en el control de la glucosa”, ha señalado. Hasta ahora, la valoración de estos factores dependía en gran medida del relato del propio paciente durante la consulta.
Un contrato terapéutico personalizado
El estudio, publicado en la revista científica Applied Sciences bajo el título Understanding Patient Adherence Through Sensor Data: An Integrated Approach to Chronic Disease Management, se probó con ocho personas mayores de 65 años diagnosticadas con diabetes tipo 2 en el municipio cordobés de Cabra. La investigación contó con la colaboración de Jesús González Lama, de la Fundación para la Investigación Biomédica de Córdoba.
Cada participante firmó un “contrato terapéutico” en el que se establecían pautas concretas sobre horarios de medicación, actividad física, descanso o higiene. A partir de ese acuerdo individualizado, los investigadores analizaron los hábitos de cada paciente e instalaron diferentes sensores en sus viviendas.
Algunos dispositivos detectaban simplemente la presencia en una estancia; otros registraban la apertura de puertas o armarios —como el botiquín o el frigorífico— y otros medían vibraciones, por ejemplo, durante el uso de la ducha. El sistema prescinde por completo de cámaras y grabaciones.
“Es importante subrayar que estos dispositivos no registraban imágenes ni sonido, solo señales básicas como la apertura de una puerta o la presencia en una habitación”, ha detallado Espinilla.
Pulsera inteligente y filtrado de datos
De forma complementaria, cada paciente llevaba una pulsera inteligente que registraba parámetros como el número de pasos diarios, los periodos de actividad y las horas de sueño.
Este dispositivo permitía además discriminar datos ajenos al paciente monitorizado. Si otra persona abría una puerta o entraba en una estancia sin llevar la pulsera, el sistema descartaba automáticamente esa información para evitar errores.
Posteriormente, un sistema informático basado en inteligencia artificial combinaba todos los datos recogidos y los transformaba en indicadores de adherencia terapéutica. En la práctica, convertía acciones cotidianas en métricas que el médico podía interpretar fácilmente.
Por ejemplo, si el sensor detectaba que el paciente con la pulsera se encontraba en la cocina y se activaban al mismo tiempo los sensores del frigorífico y de vibración, el sistema interpretaba que estaba preparando la comida.
De la vivienda a la consulta médica
El sistema comparaba la rutina real del paciente con las pautas establecidas en el contrato terapéutico. Si la persona respetaba los horarios de medicación, mantenía el nivel de actividad recomendado o cumplía sus horas de descanso, la inteligencia artificial traducía esa información en un grado numérico de adherencia.
“Es como asignar una calificación a las acciones diarias. Si el paciente comía a la hora acordada, el sistema le otorgaba un diez, lo que indicaba un cumplimiento correcto del tratamiento”, ha explicado la investigadora.
Toda la información se presentaba en tiempo real en una plataforma digital, mediante informes claros y visuales. El profesional sanitario podía analizar la evolución diaria o semanal, detectar patrones y anticipar posibles desviaciones.
De este modo, el médico disponía de datos objetivos para decidir si el tratamiento farmacológico estaba funcionando o si era necesario ajustarlo, reduciendo la dependencia exclusiva del testimonio del paciente.
Próximos pasos y financiación
En esta primera experiencia se emplearon sensores comerciales. El siguiente reto del grupo ASIA será optimizar el diseño del sistema para facilitar su escalabilidad, garantizar su mantenimiento a largo plazo y obtener las certificaciones técnicas necesarias.
Asimismo, los investigadores prevén ampliar las pruebas en más hospitales y entornos clínicos, con el objetivo de validar el prototipo en poblaciones más amplias.
El proyecto ha sido financiado por la Consejería de Universidad, Investigación e Innovación de la Junta de Andalucía, el Programa Feder Andalucía 2021-2027, el Ministerio de Ciencia, Innovación y Universidades y la Agencia Estatal de Investigación, con cofinanciación de fondos europeos Feder y el programa NextGenerationEU.
En un contexto de creciente digitalización del sistema sanitario y de impulso a la medicina personalizada, iniciativas como esta buscan reforzar el seguimiento de pacientes crónicos y mejorar la toma de decisiones clínicas con datos objetivos y en tiempo real.
“Twitter evangelist. Coffee addict. Devoted zombie specialist. Extreme creator. Travel pioneer.”