MOSAIC: aprendizaje continuo para evaluar el Parkinson con sensores

La evaluación de la enfermedad de Parkinson mediante el análisis de la marcha se enfrenta a un reto creciente: los sistemas clínicos rara vez recogen todas las modalidades de sensores de forma simultánea. Con la incorporación de nuevos dispositivos, cambios en protocolos o la colaboración entre centros hospitalarios, los datos históricos suelen ser inaccesibles por restricciones de privacidad y almacenamiento. En este contexto, el aprendizaje continuo incremental por modalidades se convierte en una necesidad técnica, pero también en un dolor de cabeza: la destilación inter-modal falla, aparecen desviaciones estadísticas propias de cada sensor y la plasticidad del modelo se reduce al intentar preservar conocimiento previo.

Para superar estas dificultades, investigadores han propuesto MOSAIC, un marco compacto de aprendizaje continuo que aborda tres problemas clave. Primero, identifica el fenómeno 'Toxic Teacher' y utiliza un calentamiento específico de modalidad para estabilizar las nuevas representaciones antes de destilarlas. Segundo, emplea una arquitectura MSBN que separa las estadísticas de los sensores mientras mantiene una columna vertebral semántica compartida. Tercero, introduce un objetivo repulsivo guiado por currículo que recupera la plasticidad del modelo sin olvidar el conocimiento heredado. Los experimentos con tres conjuntos de datos de marcha parkinsoniana multimodal demuestran que MOSAIC mejora el rendimiento final y mitiga el olvido catastrófico.

Detrás de esta investigación hay un principio que trasciende la neurología: la capacidad de adaptar sistemas de inteligencia artificial a entornos que evolucionan constantemente. En el ámbito empresarial y de salud, esa adaptabilidad no es un lujo, sino una exigencia. Por eso, desde Q2BSTUDIO desarrollamos soluciones de inteligencia artificial para empresas que integran técnicas avanzadas de aprendizaje continuo, evitando la rigidez de los modelos estáticos. Nuestro equipo diseña aplicaciones a medida que procesan datos heterogéneos, desde sensores IoT hasta registros clínicos, garantizando que cada nueva fuente de información se incorpore sin degradar lo aprendido anteriormente.

Además, la gestión de estos flujos de datos requiere una infraestructura robusta. Ofrecemos servicios cloud AWS y Azure para almacenar, procesar y escalar modelos de inteligencia artificial de forma segura, alineados con normativas de privacidad como las que afectan a los datos de pacientes. También implementamos servicios de inteligencia de negocio con Power BI que permiten visualizar en tiempo real las métricas de rendimiento de los modelos y las variaciones en los patrones de marcha, facilitando la toma de decisiones clínicas. Y no olvidamos la ciberseguridad: al trabajar con datos sensibles, blindamos cada capa del sistema con auditorías de pentesting y controles de acceso.

La propuesta de MOSAIC refleja un enfoque que en Q2BSTUDIO aplicamos a diario: crear software a medida que evoluciona con el negocio. Ya sea desarrollando agentes IA que interactúan con múltiples fuentes de datos o sistemas de automatización que se adaptan a nuevos sensores, nuestra filosofía es la misma: no empezar de cero, sino seguir aprendiendo. La evaluación del Parkinson con sensores heterogéneos es solo un ejemplo de cómo la combinación de inteligencia artificial, infraestructura cloud y diseño incremental puede transformar la atención sanitaria. Y ese es exactamente el tipo de desafío que nos apasiona resolver.