Los científicos de la UC3M integraron algoritmos de aprendizaje profundo (deep learning), una rama avanzada de la Inteligencia Artificial (IA), para que esta detección se realice sin necesidad de servidores remotos, reduciendo el consumo de energía y el envío de información sensible.

El estudio científico en el que se detallan estas novedades, publicado en el Journal of Biomedical and Health Informatics, explica que el mecanismo fue concebido para operar en microcontroladores integrados en redes de área corporal.

Este planteamiento se diferencia de otros enfoques que requieren enviar la información a procesadores en la nube con una capacidad de cómputo elevada, pero costosa, según explicaron los investigadores.

El funcionamiento consiste en que cuando el sistema identifica una situación de riesgo, envía una alerta automática a un círculo guardián. Si la persona no confirma que se encuentra bien, el objetivo es que el sistema contacte directamente con la policía. Además, se produce el cifrado de todos los datos registrados y su almacenamiento en un servidor seguro, de modo que pueda utilizarse como prueba judicial si fuera necesario.

En concreto, la innovación de este estudio parte de que “no se introduce la señal en bruto, sino que el sistema realiza una extracción de 57 características previamente seleccionadas procedentes de señales fisiológicas como la conductancia de la piel, la temperatura cutánea y el volumen de pulso sanguíneo”, describió una de las autoras del estudio, Laura Gutiérrez Martín.

Precisamente, la “combinación de esta representación basada en características con la arquitectura convolucional es la que permite capturar de forma eficaz la dinámica de las respuestas fisiológicas” de las víctimas o usuarios de estos dispositivos, según añadió Gutiérrez Martín.

El estudio logró métricas de exactitud en torno al 80%, lo que representa mejoras del 26,4% respecto a versiones anteriores de la tecnología perfeccionada.

ANTICIPARSE

Pero más allá de los resultados actuales, el equipo científico sigue trabajando en reducir el consumo y mejorar el modelo, ya que el uso de este tipo de dispositivos puede ayudar a las personas a identificar sus estados emocionales y acompañarlas en la recuperación psicológica posterior.

Así pues, otra de las autoras del estudio y directora del Instituto de Estudios de Género (IEG), Celia López Ongil, aseguró que lo que se busca es detectar el miedo antes de que se produzca la agresión para “activar una red de apoyo que pueda intervenir de forma inmediata”.

Finalmente, otro miembro del equipo investigador, José Ángel Miranda Calero, sentenció que lo bueno es que el sistema podría “extrapolarse también a otros ámbitos como la detección temprana de situaciones de acoso escolar”. No obstante, la tecnología por sí sola “no resolverá la violencia de género ni el acoso”. DeepBindi es una “herramienta de apoyo que debe complementarse con educación y medidas sociales”.

Este proyecto fue desarrollado en el marco del equipo multidisciplinar ‘UC3M4Safety’ y tuvo la financiación de la Agencia Estatal de Investigación y de INCIBE. El equipo busca ahora completar un piloto a gran escala que permita validar el sistema en entornos reales y facilitar su implementación, al tiempo que busca continuar la investigación y el desarrollo tecnológico.