Título provisional de la tesis

Sistemas robóticos de rehabilitación autoadaptativos y multimodales en entornos de apoyo
controlados

Resumen

Diferentes trastornos motores, incluyendo los accidentes cerebrovasculares, lesiones
medulares o esclerosis múltiple, ocasionan un considerable impedimento para llevar a cabo
tareas de la vida cotidiana. Debido a esta problemática surge la robótica de rehabilitación, una
disciplina que puede emplearse como complemento de la terapia convencional y cuyo fin es
asistir el movimiento de los miembros afectados mediante sistemas robóticos para mejorar la
motricidad de los mismos. No obstante, uno de los principales problemas de la robótica de
rehabilitación es que algunos pacientes son excluidos de las pruebas de control debido a
diversos factores como una espasticidad severa, dolor o rango de movimiento limitado. Para
tratar de superar estos problemas se propone realizar la terapia de rehabilitación en un tanque
de agua con unas condiciones controladas para así lograr una descarga de las articulaciones del
paciente o una menor resistencia al movimiento.

Por otro lado, cabe mencionar que un error muy común en las terapias de rehabilitación
con sistemas robóticos es realizar la terapia en forma de bucle abierto, i.e. sin considerar el
estado, esfuerzo e intención del paciente. Una posibilidad para solventar este inconveniente es
introducir los datos fisiológicos del usuario en el bucle de control del dispositivo, estimando así
su estado y la detección de su intención para realizar un movimiento, fomentando de esta forma
la neuroplasticidad para un reaprendizaje de las capacidades motoras. Por tanto, para emplear
sistemas robóticos que estimen el estado e intención del paciente se precisa desarrollar sistemas
inteligentes capaces de analizar, procesar y clasificar los datos obtenidos. Por ello, se pretende
emplear técnicas de Machine Learning para lograr este objetivo.

Director: Nicolás Manuel García Aracil