Innovadores menores de 35 2026 · Informática y robótica · Universidad de Harvard · 32 años
Una de cada seis personas en el mundo padece trasto os de movilidad que afectan significativamente su vida diaria. Durante años, los investigadores han estado desarrollando robots de asistencia para ayudarles. Sin embargo, estos dispositivos no se han adoptado ampliamente, en parte porque cada individuo tiene necesidades y capacidades únicas; personalizar completamente un dispositivo requiere mucho tiempo y dinero.
Patrick Slade, profesor adjunto de bioingeniería en la Universidad de Harvard, está tratando de mejorar este proceso al impulsar la “optimización con el humano en el bucle” (human-in-the-loop optimization), que proporciona una retroalimentación continua e inmediata entre un paciente y su dispositivo de movilidad a través de algoritmos de aprendizaje automático. Este trabajo complementa su enfoque más amplio en la búsqueda de nuevas formas de obtener datos precisos de salud y movilidad de los pacientes; él considera esto esencial para establecer una mejor información de referencia y, en última instancia, mejorar los resultados de salud.
Sirva como ejemplo el exoesqueleto de tobillo que Slade y sus colegas desarrollaron en 2022. A diferencia de prototipos anteriores, los usuarios pueden entrenarlo para satisfacer sus necesidades, ya sea para aliviar la fatiga, mejorar su marcha o ayudarles a caminar más rápido; las sesiones de entrenamiento de 20 a 40 minutos no requieren más que usar el dispositivo con normalidad. Ese breve periodo de entrenamiento ayudará a que los dispositivos personalizados puedan implementarse a gran escala con el tiempo. En las pruebas, Slade descubrió que el exoesqueleto podía reducir en un 23% la energía que las personas utilizaban al caminar, al mismo tiempo que les ayudaba a andar más rápido.
En trabajos relacionados, está desarrollando algoritmos que pueden medir con mayor precisión cuánta energía está gastando una persona.
El equipo de Slade está en conversaciones con varias empresas interesadas en comercializar sus algoritmos de personalización para diferentes tipos de pacientes, así como para un uso más general por parte de atletas. Y se está asociando con empresas de consumo que fabrican wearables que ya recopilan algunos datos para empezar a medir el consumo de energía de las mujeres a lo largo de su ciclo menstrual; espera comprender mejor los impactos de esas fluctuaciones, así como responder a otras preguntas sobre la salud de la mujer.