Investigación
Proyectos
RECARGA: Soft computing para analíticas de gamificación en rehabilitación

RECARGA: Soft computing para analíticas de gamificación en rehabilitación

Las enfermedades cardiovasculares son la primera causa de fallecimiento en Occidente, causando sólo en Europa 4 millones de muertes al año. El proyecto RECARGA se propone utilizar técnicas de gamificación para facilitar la ejecución de los planes de Rehabilitación Cardíaca (RC), destinados a pacientes víctimas de un episodio cardiovascular grave. Estos programas son de actuación multifactorial, y están encaminados a asegurar unas condiciones físicas, mentales y sociales óptimas a aquellos pacientes que han sufrido un evento coronario, permitiéndoles ocupar un lugar normal en la sociedad por sus propios medios.

Partiendo de la premisa de que el fin de las técnicas de gamificación es potenciar la motivación, el compromiso, el esfuerzo y otros valores positivos comunes a los juegos, la finalidad del proyecto es aplicar este tipo de técnicas tratando de promover un estilo de vida saludable en los pacientes, favoreciendo su bienestar. Para ello es imprescindible personalizar la gamificación de los planes de RC a las características de cada paciente.

Objetivos

El objetivo general del proyecto consiste en el desarrollo de un conjunto de algoritmos basados en técnicas de soft computing que permitan extraer información valiosa sobre el comportamiento de los pacientes al seguir los planes de RC. A través de estos algoritmos se pretende mejorar la toma de decisiones a la hora de diseñar y personalizar los planes de RC, facilitando con ello la adaptación de las tareas a las características de los pacientes en cada momento.

Los objetivos específicos del proyecto son los siguientes:

  1. Desarrollar algoritmos de minería de procesos que permitan el descubrimiento automático del flujo real de actividades seguido por los pacientes durante la realización de los planes de RC.
  2. Desarrollar algoritmos para la predicción de tiempos de los planes de RC, de forma que los profesionales médicos puedan establecer el tiempo necesario y suficiente para que los pacientes completen una actividad, o todo un plan, de RC.
  3. Desarrollar algoritmos de predicción de excepciones y del progreso de los pacientes, de modo que sea posible adelantarse a posibles conflictos o situaciones anómalas que puedan ocurrir en la realización y seguimiento de los planes de RC.
  4. Integrar la información extraída por los algoritmos de machine learning en el sistema de decisión de RC, con el objetivo de facilitar al personal médico la personalización de los tratamientos y planes de los pacientes.