PROJECT

El proyecto CONTINUUM aborda el acuciante reto que supone la enfermedad de Parkinson (EP), una afección cuya prevalencia se ha duplicado en los últimos 25 años y que actualmente afecta a más de 10 millones de personas en todo el mundo. La EP se manifiesta a través de un complejo conjunto de síntomas motores que varían en el espacio, el tiempo y los niveles fisiológicos, afectando a múltiples partes del cuerpo y evolucionando a lo largo de períodos prolongados, al tiempo que fluctúan en ciclos cortos.

Los métodos de evaluación clínica actuales, incluidas las escalas MDS-UPDRS y H&Y, solo ofrecen categorizaciones generales y adolecen de variabilidad inter e intraevaluador, lo que limita su eficacia a la hora de detectar y monitorizar la progresión de la enfermedad.

Aunque la tecnología de detección de movimiento se ha mostrado prometedora en la identificación de biomarcadores motores para la EP, los enfoques actuales se enfrentan a limitaciones significativas. Las pruebas de laboratorio, aunque precisas, no logran captar el comportamiento natural y se realizan con demasiada poca frecuencia para detectar síntomas irregulares o cambios a corto plazo. Por el contrario, el seguimiento domiciliario, aunque ofrece observaciones más naturales, se enfrenta a retos técnicos relacionados con las limitaciones de los sensores y la interpretación de los datos.

ARGUS es una plataforma de IA explicable diseñada para ayudar a los profesionales clínicos en la evaluación y el seguimiento de la enfermedad de Parkinson (EP) en contextos clínicos y de la vida cotidiana del mundo real. Basada en los fundamentos científicos del proyecto NEUROMARK, ARGUS transforma biomarcadores motores validados y modelos de IA en una plataforma de software centrada en el usuario que se integra a la perfección en los flujos de trabajo clínicos.

Su objetivo es abordar las principales barreras que impiden la adopción clínica de las herramientas de salud digital: complejidad, falta de explicabilidad, escasa validez ecológica, problemas de gobernanza de datos e integración limitada a la práctica clínica.

El sistema combina el análisis de datos de movimiento multimodal con el aprendizaje federado y técnicas de IA explicable (XAI + LLM) para ofrecer informes transparentes e interpretables que ayuden a los médicos a tomar decisiones informadas y objetivas. Al mismo tiempo, empodera a los pacientes al proporcionarles resúmenes narrativos y accesibles de su estado motor y las fluctuaciones de sus síntomas a lo largo del día.

Este proyecto de prueba de concepto tiene como objetivo hacer avanzar la tecnología actual de TRL 3 a TRL 6, lo que dará como resultado un prototipo clínicamente validado y listo para la producción. ARGUS se diseñará conjuntamente con médicos, se probará en un entorno de laboratorio viviente y se preparará para su comercialización mediante una estrategia de explotación específica y la creación de una empresa derivada. Al salvar la brecha entre la innovación científica y la usabilidad clínica, ARGUS se posiciona como un asistente transformador para el futuro de la neurología personalizada.

El proyecto ELMA (Exoskeleton for Load Manipulation Assistance) tiene como objetivo el desarrollo de un exoesqueleto robótico para la asistencia en la manipulación de cargas, orientado a reducir el esfuerzo físico y mejorar la ergonomía en tareas laborales que implican levantamiento o transporte de peso. El proyecto ha sido desarrollado en el Centro de Automática y Robótica de la Universidad Politécnica de Madrid (UPM-CSIC).

Durante el proyecto se ha diseñado y construido un prototipo de exoesqueleto de miembro superior capaz de asistir al movimiento de hombro y codo durante tareas de manipulación de cargas, manteniendo la movilidad natural del usuario. El sistema integra actuadores eléctricos, sensores internos y señales electromiográficas (EMG) para interpretar la actividad muscular del usuario y adaptar la asistencia de forma natural.

Uno de los avances más relevantes ha sido el desarrollo de métodos de detección de intención de movimiento, combinando datos biomecánicos, señales musculares y técnicas avanzadas de aprendizaje automático para anticipar las acciones del usuario. Además, se ha creado una biblioteca de gestos de manipulación que permite identificar acciones como agarrar, levantar o transportar objetos, facilitando una interacción más intuitiva entre la persona y el exoesqueleto.

DrivABLE: Tecnología que transforma la movilidad para personas con condiciones neurológicas

¿Imaginas un vehículo que se adapta a ti y te ayuda a mantener tu independencia de forma segura?

DrivABLE es un proyecto pionero que combina inteligencia artificial, neurociencia y robótica para crear sistemas avanzados de asistencia a la conducción personalizados para pacientes con Parkinson, ictus y otras condiciones neurológicas.

Gracias a la colaboración entre el Centro de Automática y Robótica (CSIC-UPM), el grupo GINDAT de la Universidad Francisco de Vitoria, y fabricantes como Renault e Hyundai, estamos desarrollando herramientas de diagnóstico y apoyo que monitorizan en tiempo real las capacidades del conductor y se adaptan a sus necesidades.

Nuestro objetivo: pasar de evaluaciones puntuales y subjetivas a un apoyo continuo, objetivo y personalizado que maximice la autonomía mientras garantiza la seguridad vial.

DrivABLE no solo mejora la vida de los pacientes, sino que aporta conocimientos fundamentales sobre cómo las condiciones neurológicas afectan tareas complejas del mundo real.

Proyecto financiado por la Comunidad de Madrid en la modalidad de Proyectos Sinérgicos I+D.

Los pacientes con lesión medular (LM) generalmente sufren alteraciones en la marcha y perciben esto como una de las discapacidades más importantes a recuperar. Los enfoques terapéuticos tradicionales se centran en la activación repetitiva del sistema motor afectado. Uno de los síntomas más comunes que dificulta la rehabilitación eficaz es una excitabilidad refleja espinal anormal y revertir la excitabilidad refleja a estados “normales” es un objetivo terapéutico principal.

NETS (NEuroplasticity-based Therapy for rehabilitation of Spinal cord injury patients) está diseñado para ayudar en la rehabilitación de la marcha mediante el diseño y la evaluación de un enfoque terapéutico novedoso que aproveche los procesos de plasticidad neural en las vías implicadas en la generación y modulación de la locomoción. El nuevo protocolo NETS se diseñará a partir de datos recogidos experimentalmente en pacientes con lesión medular y se probará durante el entrenamiento robótico de la marcha en dicho grupo de pacientes. Se espera que la implementación de NETS induzca una reversión de la excitabilidad refleja maladaptativa a un estado normal y dé lugar a una mejora en los resultados de la marcha en pacientes con LM.

Referencia de la financiación: Danmarks Frie Forskningsfond | Det Tværrådslige Udvalg | International Postdoctoral Grant: ID 10.46540/3104-00012B. Mauricio C. Henrich, PhD. Supervisors: Erika G Spaich and Juan C. Moreno.

NexTArc es un proyecto europeo que promueve el uso de tecnologías inteligentes basadas en la inteligencia artificial y la computación periférica para mejorar la sostenibilidad y la resiliencia en entornos urbanos e industriales. Con 38 socios en 10 países, el proyecto aborda tres ámbitos clave: barrios inteligentes, espacios industriales sostenibles y movilidad urbana e interurbana conectada. En este marco, el CSIC contribuye con investigación avanzada en movilidad cooperativa y autónoma, sistemas embebidos eficientes y estrategias de IA fiables. Lidera un demostrador centrado en la conciencia situacional de los vehículos autónomos, integrando sensores, algoritmos de percepción y toma de decisiones en arquitecturas RISC-V. Además, evalúa la fiabilidad de la IA en entornos complejos y participa activamente en la difusión científica y la colaboración con las principales partes interesadas para alinear los avances con los marcos normativos y las necesidades industriales.

A través de la investigación transformadora, RE-WIRING busca reconfigurar las instituciones para prevenir y revertir las desigualdades de género, catalizar los procesos de cambio e involucrar activamente a diversos actores en el proceso de investigación. Este enfoque genera conocimientos socialmente sólidos necesarios para transiciones sostenibles y duraderas hacia una sociedad más inclusiva e igualitaria.

El proyecto Shift2SDV es una acción de investigación e innovación (RIA) financiada por Chips-JU que definirá, coordinará y desarrollará un marco de middleware común independiente del lenguaje. Se centra en los temas del middleware SDV, la API y una arquitectura flexible basada en microservicios. El consorcio está formado por 73 socios y 8 socios asociados que serán coordinados por Maik Fuchs, de Accenture.

AERIALIST tiene como objetivo revolucionar la tecnología de asistencia sanitaria mediante el desarrollo de soluciones inteligentes, seguras y adaptables que mejoren los resultados sanitarios y la calidad de vida. Al integrar el aprendizaje automático de vanguardia y el diseño centrado en el ser humano, el proyecto aborda las limitaciones de las tecnologías actuales, garantizando una mayor fiabilidad y autonomía en situaciones reales. El objetivo final del proyecto es crear tecnologías de asistencia de última generación que mejoren los diagnósticos, los tratamientos y la accesibilidad, promoviendo la equidad en la vida cotidiana.

AI-Bridge aprovecha la inteligencia artificial para abordar dos retos sanitarios críticos: la parálisis cerebral en niños y las infecciones por tripanosomas en regiones tropicales. Mediante la creación de tratamientos personalizados a través del análisis de IA, el proyecto desarrolla una terapia robótica adaptativa para niños pequeños con parálisis cerebral, al tiempo que identifica nuevos objetivos farmacológicos para las enfermedades parasitarias. A través de herramientas de código abierto y asociaciones globales, ADAPT pretende transformar la atención sanitaria de las poblaciones vulnerables en todo el mundo.

AIRSHIP prevé un uso innovador de un medio de transporte conocido: las naves voladoras. Estos vehículos (también conocidos como ekranoplanos o vehículos de ala sobre el suelo, WIG) heredan todas las ventajas del transporte aéreo convencional, al tiempo que son más eficientes desde el punto de vista energético y más respetuosos con el medio ambiente, tanto en lo que respecta a la huella de carbono como a la contaminación acústica. AIRSHIP pretende sentar las bases de una nueva clase de sistema aéreo no tripulado totalmente eléctrico, el UWV (vehículo WIG no tripulado), que aúna velocidad, flexibilidad y eficiencia energética.

El concepto de DARkWIN integra tanto el ojo humano clásico, que selecciona los genotipos más saludables en entornos estresantes (donde suelen seleccionarse las plantas más oscuras/verdes: ganan las plantas DARk), como la visión darwiniana de las abejas polinizadoras, según la cual se seleccionan de forma natural las flores más gratificantes de las plantas más saludables.