Formulario Desafío: NT32

Volver

tcuenew

DESAFÍO UNIVERSIDAD - EMPRESA 2024

Esta necesidad tecnológica forma parte del Concurso de Proyectos de I+D+i y/o consultoría en colaboración Universidad – Empresa “Desafío Universidad Empresa” 2024 organizado por la Fundación Universidades y Enseñanzas Superiores de Castilla y León.

Referencia: NT32

Tipo de Entidad: Empresa

Título del proyecto

Desarrollo de un Mínimo Producto Viable (MVP) para una plataforma de generación de planificaciones de ejercicio físico adaptadas a las características clínicas de las personas con enfermedades o en proceso de envejecimiento, utilizando aprendizaje automático.

Acrónimo SS MVP 1.0

Resumen

Área de interés principal de la demanda

Tecnologías y ciberseguridad - N/A

El objetivo es desarrollar un Producto Mínimo Viable (MVP) para una plataforma digital que ofrezca planes de ejercicio físico personalizados, utilizando algoritmos de aprendizaje automático generados a partir de la evidencia científica y la experiencia de un equipo de doctores en el ámbito de la salud y el ejercicio físico. Esta será capaz de interpretar grandes volúmenes de datos del usuario, como condición física, características clínicas y sociodemográficas, para ofrecer recomendaciones óptimas y adaptadas a sus necesidades. Se utilizarán tecnologías avanzadas para analizar y detectar patrones complejos y adaptar las planificaciones a las necesidades de estas personas.

Áreas de interés secundarias

Salud y Atención social - N/A

DESCRIPCIÓN DE LA NECESIDAD DEMANDADA

1.- Descripción de la demanda tecnológica.

La demanda tecnológica expuesta en el presente documento consiste en el MVP de una plataforma que ofrezca planificaciones de ejercicio físico adaptadas a las necesidades clínicas de las personas con enfermedades o en proceso de envejecimiento.
Para ello, es necesario el diseño de un algoritmo funcional que genere planes de entrenamiento personalizados, optimizados por redes neuronales o modelos tradicionales según sea necesario.
Las variables implicadas en el algoritmo, así como los datos necesarios para su creación y entrenamiento, serán fundamentalmente categóricos, como por ejemplo el género o la presencia de determinadas características clínicas (1/0). En este sentido, un grupo de doctores expertos en salud y ejercicio físico seleccionará y establecerá las variables implicadas en el algoritmo a partir de su experiencia y de la evidencia científica.

En líneas generales, el flujo de datos de la plataforma propuesta será el siguiente:

1. Input (entrada de datos): El educador físico deportivo recogerá las variables solicitadas en la plataforma: datos personales y clínicos del usuario.
2. Preprocesamiento de datos: Normalización, limpieza y codificación para asegurar la calidad y relevancia de la información
3. Procesamiento de datos: A través de modelos de aprendizaje automático tradicionales y redes neuronales.
4. Output (salida de datos): El educador físico deportivo recibirá una planificación de ejercicio adaptado a las necesidades de su usuario. La planificación se irá ajustando a partir del progreso del usuario y de los nuevos datos aportados por el profesional del ejercicio.
5. Validación del output: Comparación con recomendaciones de expertos y feedback de usuarios.

En lo relacionado con el desarrollo de la interfaz de usuario, se creará una plataforma web sencilla e intuitiva donde los educadores físico deportivos puedan introducir los datos de sus usuarios y acceder a las recomendaciones de planes de ejercicio y gráficos sobre el progreso del usuario, ajustados de forma automática en función de los nuevos datos que se ingresen.
Por último, es importante destacar que se realizarán pruebas MVP con usuarios de diferentes edades y condiciones para asegurar su adaptabilidad y eficacia, y se recogerán datos sobre la usabilidad y la satisfacción del usuario, ajustando el producto según sea necesario. También se expandirá la funcionalidad del sistema basándose en la validación continua del MVP para garantizar que el desarrollo del proyecto sea iterativo, basado en evidencia y centrado en el usuario, alineándose con los objetivos de mejorar significativamente la salud física de la población objetivo.

2.- Antecedentes.

En los últimos años, la integración de algoritmos de aprendizaje automático en el mundo del fitness y el wellness ha ganado relevancia, especialmente en la creación de planificaciones personalizadas de ejercicio para objetivos como la pérdida de peso, la ganancia muscular o la tonificación. Estos algoritmos aprovechan grandes volúmenes de datos, incluyendo el historial de actividad física, el metabolismo individual, los hábitos alimenticios y las preferencias personales de cada usuario. Utilizan técnicas de machine learning como redes neuronales, modelos de regresión y sistemas de recomendación para analizar patrones y predecir qué tipos de entrenamiento resultan más eficaces para cada persona. Los primeros enfoques comenzaron a desarrollarse en plataformas de fitness digitales, pero han evolucionado rápidamente, mejorando la precisión de las recomendaciones a medida que se perfeccionan los modelos predictivos y se dispone de más datos, este tipo de plataformas son utilizadas por centros deportivos y empresas de software de fitness para que sus usuarios puedan ser más autónomos en el centro deportivo y puedan realizar sus planificaciones de ejercicio sin necesidad de que haya un educador físico deportivo supervisando.
Hoy en día, existen cada vez más demandas dentro del sector fitness/wellness por abarcar más perfiles de usuarios y por lo tanto el rendimiento y la individualización de estos algoritmos de aprendizaje automático deben de ser mayores para planificar ejercicio físico no solo de la manera correcta sino también de una forma adaptada a las necesidades clínicas y funcionales de las personas.

3.- Posibles enfoques del proyecto de investigación.

La creciente demanda de soluciones tecnológicas en el ámbito del bienestar físico ha generado un interés particular en sistemas que personalicen planes de ejercicio. Sin embargo, muchas de las plataformas actuales no logran ofrecer una personalización precisa y dinámica. Utilizando algoritmos avanzados de aprendizaje profundo y machine learning, este proyecto propone una solución innovadora que puede analizar grandes volúmenes de datos y generar recomendaciones específicas y óptimas para cada usuario. Existe una necesidad en el mercado en el que las personas con necesidades clínicas y de envejecimiento especiales, necesitan no solo mejorar su salud, bienestar y calidad de vida acudiendo a centros deportivos sino también que la planificación de ejercicio se ajuste a las necesidades que ellas mismas necesitan cubrir.

Por otro lado, este tipo de personas en muchas ocasiones no acuden a estos centros deportivos a realizar ejercicio físico, en primer lugar porque no consideran que puedan estar arropadas por el mismo o por sus trabajadores y en segundo lugar porque no lo ven como un entorno adecuado o adaptado a sus necesidades, esto es el siguiente paso del MVP 1.0 generar un entorno digital para que estas personas se sientan arropadas durante la ejecución de ejercicio físico, a través de la realización de estimulación cognitiva, el enfoque del florecimiento humano, retos y redes de apoyo.

Este MVP 1.0 será usado por instituciones deportivas y empresas software fitness/wellness que cada vez se enfocan más en salud. Sin embargo, esta herramienta a su vez podría ser utilizada por hospitales y sistemas de salud para recetar ejercicio físico a sus pacientes a través de la receta deportiva.

Los datos obtenidos tanto clínicos y sociodemográficos como funcionales y físicos valdrán no solo para la mejora del algoritmo de aprendizaje automático sino también para realizar investigaciones en el campo de la salud y el ejercicio que aporten evidencia de que el ejercicio físico mejora la calidad de vida y la funcionalidad de las personas que lo practican.
Este proyecto puede cambiar el enfoque hacia la personalización de la actividad física, haciendo uso de tecnologías de aprendizaje profundo que ajustan los planes de entrenamiento de manera precisa y en tiempo real.

4.- Enfoques sin interés

Implementación de inteligencia artificial (IA) avanzada sin justificación específica de beneficio para el usuario final, aunque la IA es un recurso valioso en el desarrollo de tecnologías avanzadas, en este caso, el interés reside en soluciones que optimicen la precisión, simplicidad y eficiencia más que en la implementación de técnicas de IA avanzadas por sí mismas.

Soluciones generalizadas que no incluyan criterios de personalización individualizada, la propuesta debe centrarse en generar un planes adaptados a cada individuo en función de sus parámetros clínicos y condiciones específicas.

Aplicaciones con enfoque exclusivo en la recolección de datos sin generar valor en términos de planificación adaptada.

PALABRAS CLAVE: Plataforma Digital; aprendizaje automático; ejercicio físico; envejecimiento; enfermedad

Si desea remitir una propuesta de solución tecnológica (proyecto de investigación y/o consultoría) deberá remitirla en los terminos establecidos en la convocatoria hasta el 29 de enero de 2025 (plazo ampliado).

Demanda Tecnológica en formato pdf: www.redtcue.es/desafio/demandas/nt32