Determinación del estado psico-emocional de la interacción humano-robot en tareas de rehabilitación mediante la aplicación del Big Data

Abstract

La tesis desarrolla un enfoque integral para la rehabilitación del miembro superior en pacientes con daño cerebral adquirido (DCA), combinando robótica de asistencia, realidad virtual (RV) y monitorización de señales fisiológicas. El objetivo principal es determinar el estado psicoemocional de los usuarios durante la terapia para adaptar dinámicamente el proceso rehabilitador y optimizar la recuperación motora.

El trabajo comienza con el diseño de entornos virtuales de rehabilitación, desarrollados bajo el paradigma de los Rehabilitation Gaming Systems (RGS). Estos entornos presentan distintos niveles de carga cognitiva y visual, manteniendo constante la exigencia motora. A través de estos escenarios se busca analizar la influencia de la complejidad ambiental sobre el engagement y el desempeño de los sujetos durante la ejecución de tareas funcionales.

Simultáneamente, se implementa un protocolo riguroso para la adquisición de señales fisiológicas relevantes —principalmente el electrocardiograma (ECG) y la respuesta galvánica de la piel (GSR)—, empleando técnicas de preprocesado y análisis para la extracción de parámetros fisiológicos que permiten inferir el estado emocional del paciente. El procesamiento de los datos incluye filtrado de señales, segmentación de eventos y aplicación de algoritmos de detección de eventos autonómicos.

Con el fin de registrar estas señales de forma cómoda y continua, se desarrolla un dispositivo biomédico wearable denominado "Trazein". Este dispositivo integra sensores comerciales de bajo coste, impresión 3D de componentes estructurales y conectividad inalámbrica IoT para la transmisión y almacenamiento de datos en plataformas en la nube. La arquitectura de "Trazein" está basada en microcontroladores ESP8266, un módulo ECG AD8232, un sensor GSR Grove y una pantalla táctil resistiva para interacción usuario-dispositivo. La validación funcional del dispositivo incluye la comparación de datos recogidos frente a sistemas biomédicos de referencia como Biopac MP150.

La experimentación incluye la realización de ensayos con 51 sujetos sanos en un entorno de rehabilitación robótica controlado, utilizando la plataforma Physiobot. Se analiza el comportamiento fisiológico y motor de los sujetos frente a diferentes escenarios de RV, buscando correlaciones entre estados emocionales, desempeño motor y características del entorno virtual. Los resultados muestran que la complejidad visual afecta tanto a las respuestas fisiológicas como a la percepción subjetiva de la experiencia, evidenciando la necesidad de adaptar dinámicamente la terapia en función del estado psicoemocional.

La tesis culmina con la formulación de un nuevo marco teórico, denominado RACA (Robot-Assisted Cooperative Adaptation). Este modelo conceptualiza la interacción entre paciente, robot y terapeuta, integrando el feedback biomecánico, fisiológico y de ejecución como elementos fundamentales para la adaptación dinámica de las terapias. El marco define claramente los flujos de información, las dimensiones de feedback y los mecanismos de control compartido, proponiendo una estructura modular que permite optimizar el proceso de rehabilitación en función del engagement y el estado emocional del paciente.

Este enfoque integral establece nuevas bases para el diseño de terapias robóticas personalizadas, incorporando en tiempo real parámetros objetivos derivados de la fisiología del usuario.