Investigadores del Centro de Domótica Integral (CeDInt) de la Universidad Politécnica de Madrid (UPM ) han desarrollado una solución de alto rendimiento computacional, que detecta el grado de estrés de un individuo en tiempo real. El sistema se basa en sensores fisiológicos que pueden ser fácilmente incorporados a la vestimenta del usuario, lo que permite realizar una monitorización continua del nivel de estrés de la persona.
La Organización Mundial de la Salud prevé que para el año 2020 el estrés será el segundo factor causante de enfermedades en todo el mundo. Ya en 1983 fue portada de la revista Time bajo el título La epidemia de los ochenta, que lo consideró uno de los principales problemas de salud. Desde entonces, numerosos estudios confirman que el escenario ha empeorado de forma progresiva, situando el estrés como una enfermedad que el estilo de vida moderno promueve no sólo entre los adultos (principalmente como estrés laboral), sino también en niños, adolescentes o ancianos.
Una forma de afrontar la enfermedad es anticiparse. Detectar cuándo un anciano sufre una caída, si un conductor se queda dormido al volante, cuándo un trabajador se encuentra en situaciones cercanas a su límite o si un soldado necesita ayuda por ser incapaz de entrar en combate, son algunas de las situaciones que se podrán prevenir gracias a un nuevo sistema desarrollado por investigadores del grupo de Biometría, Bioseñales y Seguridad (GB2S) de la Universidad Politécnica de Madrid (UPM ).
El sistema permite monitorizar el grado de estrés de un individuo en tiempo real, cuantificándolo para que un supervisor o el propio individuo pueda detectarlo y llevar a cabo acciones para controlarlo. La solución la aporta un sistema hardware, encargado de capturar dos señales fisiológicas (tasa cardíaca y conductancia de la piel), y un software que analiza dichas señales en tiempo real, permitiendo de esta forma conocer el estado anímico del individuo.
El dispositivo refleja la reacción de una persona ante un estímulo externo, lo que nos permite conocer de inmediato si dicho estímulo le ha supuesto una alteración anímica (si le ha estresado). “El modelado del comportamiento de ambas señales fisiológicas en diferentes grados de estrés se realiza mediante el empleo de lógica difusa, lo que permite una adaptación máxima al sujeto”, indica Alberto de Santos, investigador del CeDInt. "El bajo coste computacional y los sensores fácilmente integrables y no invasivos incrementan la aceptación y usabilidad del sistema".
Los resultados obtenidos mediante este método a través de prototipos utilizados en entornos reales alcanzan tasas de acierto cercanas al 99%, lo que supone un 10% de mejora respecto a soluciones previas con únicamente dos señales fisiológicas de entrada. Sin embargo, la mayor ventaja de este sistema es que permite cuantificar el nivel del estrés para que la persona sea consciente de la evolución de su estado y pueda remediarlo.
Cuatro escenarios
El ámbito de aplicación del sistema es amplio, pero los investigadores se han centrado en cuatro escenarios. Uno de ellos es la seguridad vial. En España, el 16% de los accidentes de tráfico se produce por quedarse dormido al volante, algo que ocasionó 238 víctimas en 2011 (según la Dirección General de Tráfico). Asimismo, el “exceso de estrés en la conducción puede provocar ausencia momentánea de atención, derivando en un incremento de la probabilidad de accidente”, subraya el investigador de la UPM Gonzalo Bailador.
La solución de estos investigadores puede detectar cuándo una persona está a punto de quedarse dormida al volante, o cuándo se encuentra altamente estresada, afectando a su estilo de conducción. El estrés puede llevar a una persona a conducir de forma más agresiva y, por tanto, peligrosa para la seguridad vial. En este caso, explican los investigadores, los sensores fisiológicos pueden incorporarse al volante y el sistema informaría al conductor de su grado de estrés mediante una pantalla en el salpicadero, que alertaría si se supera el límite aconsejable.
Otro de sus campos de aplicación es en el entrenamiento de fuerzas especiales, como ejército, policía o bomberos. Con ello, se podrá mejorar su comportamiento para que actúen de forma adecuada en situaciones en las que se vean expuestos a momentos realmente estresantes, así como maximizar la acción de los efectivos en combate.
La monitorización de ancianos constituye otra área de interés. Las caídas y demás accidentes comunes son unasde las principales causas de muerte en personas de edad avanzada. Además, el fenómeno social del envejecimiento de la población, denominado metafóricamente Silver Tsunami, alerta sobre las dificultades que encontrarán los gobiernos actuales para hacer frente a la vigilancia preventiva de ancianos. Diversos estudios anuncian que en 2020 habrá un total de 10,1 millones de ancianos minusválidos, y que los costes directos e indirectos relacionados con caídas y accidentes de este sector de la población supondrán casi 55 mil millones de dólares anuales (según CVIDA).
En este caso, el sistema de los investigadores del CeDInt está orientado a personas mayores con movilidad reducida, víctimas de accidentes en sus domicilios y que no pueden avisar al servicio de atención. El sistema indicaría cuándo una persona está sufriendo una situación estresante, aunque el individuo no pueda comunicarlo.
Por último, otro de los sectores de aplicación es el de los videojuegos, “donde un sistema de detección de estrés permite al videojuego recibir un feedback instantáneo sobre los nervios que afectan al jugador”, explica Alberto de Santos. Esto desvelará sus puntos débiles y se aumentará la interactividad del videojuego.
No obstante, añaden los investigadores de la UPM, existen otros campos interesantes de aplicación, como la domótica (una casa que pueda adecuar la iluminación, música o temperatura al estado anímico del usuario).
Interés de la industria
El grupo GB2S de la UPM desarrolló el nuevo sistema a través de la investigación en detección de estados anómalos mediante señales fisiológicas. El dispositivo ha generado un alto interés de la industria, ya que la “cantidad de mercados a los que podría hacer frente es muy amplio”, subraya Gonzalo Bailador.
En la actualidad, esta tecnología está protegida mediante patente a nivel nacional y se ha solicitado su protección internacional.
“El hecho de que concedan una patente implica que la idea es innovadora no sólo en España, sino también a nivel mundial”, añade Alberto de Santos.
Además, la universidad le ha concedido el reconocimiento de tecnología innovadora a través de la marca registrada UPM Innovatech, y ha obtenido el áccesit a la mejor patente de la novena edición de los premios Madri+d, que concede la Dirección General de Universidades e Investigación de la Comunidad de Madrid.
Poca invasividad, alta precisión, adaptación al estado anímico del sujeto y tiempos de procesamiento de milisegundos, constituyen algunas de las ventajas competitivas de la solución, que tiene un amplio campo de aplicación en biometría y criptobiometría. El proyecto INNPACTO SHERLOC, que desarrolla
el proceso de transferencia del conocimiento patentado, prevé la inclusión de este sistema de detección de estrés en los simuladores de entrenamiento de fuerzas especiales que la empresa Indra posee alrededor del mundo.
Además, el “sistema se usará en otros entornos, como la psicología o la seguridad vial, en los que estamos comenzando a estudiar diferentes soluciones para la detección de estrés”, concluyen los investigadores.
Grupo de Biometría, Señales y Seguridad (GB2S)
Este gupo surgió en 1998 en la Escuela Técnica Superior de Ingenieros de Telecomunicación de la UPM. Dirigido por la profesora Carmen Sánchez Ávila, en la actualidad tiene su sede en el Centro de Domótica Integral (CeDInt). Sus líneas de investigación abarcan temas muy diversos, principalmente en las áreas de biometría y criptografía, así como el tratamiento de temas específicos relacionados con Bioseñales, como es la detección de estrés o la identificación biométrica a través del olor corporal.
En biometría, sus esfuerzos se han centrado en el desarrollo de diferentes técnicas de identificación basadas en iris, geometría de la mano, huella dactilar, características faciales, así como técnicas biométricas de comportamiento, como la firma en el aire mediante un móvil o la forma de caminar. Todas estas técnicas han sido desarrolladas para poder ser integradas tanto en dispositivos móviles como en sistemas convencionales.
En criptografía, sus investigadores han trabajado en técnicas de cifrado y firma digital para la protección y seguridad en las comunicaciones, sistemas match-oncard basados en el patrón del iris, criptosistemas de clave secreta para encriptación de grandes volúmenes de información, y protocolos de firma digital y de intercambio de clave basados en RSA y ECC (criptografía de curva elíptica). Actualmente, realizan avances en criptobiometría, una línea de investigación que intenta aunar los beneficios de la biometría y la criptografía en una única solución.
El pájaro robótico PigeonBot II, probado con éxito en un túnel de viento y de manera autónoma al aire libre, logra volar de manera similar a estas aves, sin aleta vertical. Sus aplicaciones abren el camino para diseñar aviones más eficientes en combustible.
La Fundación BBVA ha galardonado al informático japonés, de la Universidad Carnegie Mellon (EE UU), por crear los algoritmos que permiten a las máquinas comprender las imágenes y procesar los movimientos. Sus técnicas están presentes en los coches autónomos, los drones y todos los robots con capacidad de visión, como los que se usan en cirugía.
