Figura 1. Esquema ilustrativo de la escoliosis infantil, mostrando la desviación lateral anómala de la columna vertebral durante el desarrollo.
TECING · Vol. 2, Núm. 1 (2026), pp. 28–37
Durante la infancia, el cuerpo atraviesa una etapa clave de crecimiento en la que pequeñas alteraciones posturales pueden pasar desapercibidas. Una de ellas es la escoliosis, una desviación de la columna vertebral que, en muchos casos, no causa dolor ni síntomas visibles en sus primeras etapas, lo que dificulta su detección temprana. Este tema es importante porque identificar a tiempo este tipo de alteraciones puede evitar tratamientos complejos en el futuro y mejorar la calidad de vida de los infantes. Sin embargo, las formas tradicionales de detección suelen depender de revisiones especializadas o de estudios radiográficos, que no siempre están disponibles y que no son ideales como herramientas preventivas de uso frecuente. Aquí se presenta una propuesta tecnológica que combina sensores de movimiento e inteligencia artificial para apoyar la detección temprana de escoliosis de manera sencilla y no invasiva. El sistema utiliza un movimiento cotidiano y conocido en la práctica clínica, el Test de Adams, durante el cual se registran datos posturales a través de sensores colocados en la espalda. Esta información es analizada automáticamente para identificar posibles asimetrías asociadas a desviaciones de la columna. Los principales beneficios de este enfoque son la transformación de una observación visual en datos medibles, la reducción de la necesidad de estudios radiográficos y la posibilidad de aplicar la evaluación en lugares como escuelas o centros comunitarios. Además, el sistema facilita el seguimiento del desarrollo postural a lo largo del tiempo. A futuro, este tipo de tecnologías podría convertirse en una herramienta clave para fortalecer la prevención y el cuidado postural desde edades tempranas.
During childhood, the body goes through a crucial stage of growth in which small postural alterations may go unnoticed. One of these is scoliosis, a deviation of the spinal column that, in many cases, does not cause pain or visible symptoms in its early stages, making early detection difficult. This topic is important because identifying such alterations in time can help prevent complex treatments in the future and improve children’s quality of life. However, traditional detection methods often rely on specialized medical examinations or radiographic studies, which are not always accessible and are not ideal as frequent preventive tools. This article presents a technological proposal that combines motion sensors and artificial intelligence to support the early detection of scoliosis in a simple and non-invasive way. The system is based on a familiar and widely used clinical movement, the Adams Forward Bend Test, during which postural data are recorded through sensors placed on the back. This information is automatically analyzed to identify possible asymmetries associated with spinal deviations. The main benefits of this approach include transforming visual observation into measurable data, reducing the need for radiographic studies, and enabling assessments to be carried out in settings such as schools or community centers. In addition, the system facilitates long-term monitoring of postural development. Looking ahead, this type of technology could become a key tool for strengthening prevention strategies and promoting postural health from an early age.
Durante la infancia, el cuerpo humano se encuentra en una etapa crítica de crecimiento y desarrollo. En este periodo, pequeñas alteraciones posturales pueden evolucionar silenciosamente hasta convertirse en problemas musculoesqueléticos con consecuencias a largo plazo. Una de estas alteraciones es la escoliosis, véase la Figura 1, una desviación lateral de la columna vertebral que, en muchos casos, progresa sin causar dolor ni síntomas evidentes en sus etapas iniciales. La detección tardía de esta condición suele derivar en tratamientos más invasivos, mayores costos médicos y un impacto significativo en la calidad de vida del paciente.
Figura 1. Esquema ilustrativo de la escoliosis infantil, mostrando la desviación lateral anómala de la columna vertebral durante el desarrollo.
La escoliosis infantil afecta a un porcentaje relevante de la población en edad escolar y representa un reto para los sistemas de salud, particularmente en contextos donde el acceso a estudios especializados es limitado. Tradicionalmente, su detección se basa en evaluaciones clínicas periódicas o estudios radiográficos, los cuales requieren personal capacitado, infraestructura específica y, en el caso de las radiografías, exposición repetida a radiación ionizante [1]. Como resultado, muchos casos no son identificados de forma oportuna, especialmente en comunidades donde el seguimiento médico preventivo no es sistemático.
En este contexto, el desarrollo de herramientas tecnológicas que permitan identificar alteraciones posturales de manera temprana, no invasiva y accesible se vuelve una necesidad urgente. El avance en sensores inerciales de bajo costo, junto con técnicas de procesamiento de señales e inteligencia artificial, abre la posibilidad de crear sistemas capaces de apoyar la detección temprana de escoliosis fuera de entornos clínicos altamente especializados [2].
Ante este panorama, surge una pregunta clave: ¿es posible desarrollar un sistema inteligente, accesible y no invasivo que permita detectar de forma temprana indicios de escoliosis en infantes, utilizando tecnología sensorial e inteligencia artificial?
Responder a esta pregunta implica integrar conocimientos de ingeniería electrónica, computación y biomecánica, con un enfoque centrado en la prevención y el apoyo al diagnóstico clínico.
Aquí se presenta el desarrollo de un Sistema Inteligente para la Detección Temprana de Escoliosis en Infantes, basado en el uso de sensores de movimiento colocados estratégicamente en la espalda y en algoritmos de análisis de datos que permiten identificar patrones asociados a desviaciones posturales.
La escoliosis ha sido reconocida y estudiada desde hace varios siglos, inicialmente a partir de la observación clínica de deformidades visibles en la postura y la alineación corporal. Durante gran parte del siglo XX, su evaluación se apoyó principalmente en la inspección visual, pruebas físicas simples y, posteriormente, en el uso de radiografías para medir el ángulo de curvatura de la columna vertebral. Este último enfoque permitió establecer criterios diagnósticos más precisos, como el ángulo de Cobb, que continúa siendo un referente en la práctica clínica actual [3].
Con el paso del tiempo, estos métodos se consolidaron como el estándar para la detección y seguimiento de la escoliosis, especialmente en entornos hospitalarios. Sin embargo, su aplicación sistemática en poblaciones infantiles a gran escala ha sido limitada por factores logísticos, económicos y, en algunos casos, por la necesidad de minimizar la exposición repetida a radiación.
Los programas de tamizaje escolar y las evaluaciones clínicas periódicas representaron durante décadas el principal mecanismo de detección temprana. No obstante, estos enfoques dependen en gran medida de la experiencia del evaluador y presentan un alto grado de subjetividad. Además, los estudios radiográficos, aunque precisos, no son viables como herramienta preventiva de uso frecuente debido a su costo, disponibilidad y riesgos asociados a la radiación ionizante, particularmente en pacientes pediátricos [4].
En años más recientes, se han propuesto métodos alternativos basados en análisis fotográfico, escáneres tridimensionales de superficie y dispositivos ópticos especializados. Si bien estas soluciones reducen la exposición a radiación, suelen requerir equipamiento costoso, condiciones controladas de captura y personal técnico especializado, lo que limita su adopción fuera de centros médicos o de investigación altamente equipados.
El verdadero punto de inflexión en la detección temprana de alteraciones posturales se produce con la convergencia de sensores inerciales miniaturizados, sistemas electrónicos de bajo consumo energético y técnicas avanzadas de procesamiento de datos. Estos avances permiten registrar movimientos y orientaciones corporales con alta precisión, de manera portátil y no invasiva. Paralelamente, el desarrollo de la inteligencia artificial ha hecho posible identificar patrones complejos en los datos biomecánicos que no son evidentes mediante una inspección visual directa.
Este cambio paradigmático traslada el enfoque desde una detección reactiva, basada en estudios clínicos esporádicos, hacia un modelo preventivo y continuo, en el que la tecnología actúa como una herramienta de apoyo para la identificación temprana de posibles desviaciones en la postura infantil.
Diversos estudios recientes han demostrado el potencial de los sensores inerciales y de los enfoques basados en inteligencia artificial para el análisis postural y la detección de anomalías musculoesqueléticas en población pediátrica [5], [6]. Estas investigaciones respaldan la viabilidad de sistemas accesibles, portátiles y escalables, capaces de complementar la evaluación clínica tradicional y de ampliar el alcance de los programas de detección temprana.
Las desviaciones en la alineación de la columna vertebral se manifiestan como asimetrías medibles durante movimientos específicos del tronco. Estas asimetrías pueden ser capturadas mediante sensores de movimiento colocados estratégicamente en la espalda, incluso cuando no son fácilmente perceptibles a simple vista.
Para ello, el sistema aprovecha movimientos controlados ampliamente utilizados en la evaluación clínica de la escoliosis, como el Test de Adams, véase la Figura 2, el cual consiste en una flexión anterior del tronco que permite evidenciar rotaciones y elevaciones asimétricas del torso. Al registrar este movimiento con sensores inerciales, es posible obtener datos posturales cuantificables que sirven como base para el análisis inteligente.
Figura 2. Ejecución del Test de Adams mediante flexión anterior del tronco para evidenciar asimetrías dorsales.
El sistema propuesto está conformado por tres sensores, una unidad de adquisición y procesamiento, y un módulo de análisis inteligente, los cuales se integran de manera funcional, como se muestra de forma esquemática en la Figura 3. El sistema sensorial inercial es capaz de medir aceleración y orientación; estos sensores se colocan en puntos estratégicos de la espalda del infante con base en referencias anatómicas, permitiendo capturar variaciones posturales de forma consistente. Las señales generadas reflejan los cambios en la alineación y el movimiento del tronco, información clave para el análisis biomecánico.
Figura 3. Esquema del sistema propuesto con sensores inerciales, unidad de adquisición y módulo de análisis inteligente.
Las señales obtenidas son enviadas a una unidad de adquisición y procesamiento, cuya función es recolectar, acondicionar y organizar los datos provenientes de los sensores. Posteriormente, los datos procesados son analizados por un módulo de inteligencia artificial, el cual emplea algoritmos diseñados para identificar patrones de asimetría postural asociados a posibles desviaciones de la columna vertebral durante el movimiento.
El funcionamiento general del sistema, ilustrado conceptualmente en la Figura 4, inicia con la colocación de los sensores sobre la espalda del infante, asegurando una configuración repetible y cómoda. A continuación, se solicita la ejecución del Test de Adams, durante el cual el infante realiza una flexión anterior controlada del tronco, movimiento que permite evidenciar posibles asimetrías en la región dorsal. Durante esta acción, los sensores registran de manera continua los cambios en la orientación y el movimiento del torso, generando datos posturales que reflejan el comportamiento biomecánico del sujeto evaluado.
Figura 4. Flujo general de funcionamiento del sistema para la adquisición y análisis de datos posturales.
Una vez adquiridas, las señales son sometidas a un proceso de tratamiento de la información, donde se eliminan componentes no deseadas y se normalizan los datos para facilitar su análisis. Finalmente, el módulo de inteligencia artificial evalúa esta información con el objetivo de detectar patrones compatibles con desviaciones posturales, generando un resultado interpretativo que sugiere la posible necesidad de seguimiento o evaluación clínica adicional. Todo este proceso se realiza de forma no invasiva, rápida y accesible, lo que refuerza el potencial del sistema como una herramienta de apoyo para la detección temprana de escoliosis en infantes.
Este procedimiento se caracteriza por ser breve, cómodo y fácilmente replicable, lo que lo hace adecuado para su aplicación en entornos no clínicos. La simplicidad en la ejecución del movimiento, junto con la naturaleza no invasiva del sistema, permite que la evaluación pueda realizarse sin generar incomodidad en los infantes y sin requerir infraestructura médica especializada, ampliando así su potencial de uso en contextos educativos o comunitarios.
La integración del Test de Adams con tecnología sensorial e inteligencia artificial aporta ventajas claras frente a los métodos tradicionales de detección. En primer lugar, permite la objetivación de una prueba clínica clásica, reduciendo la dependencia de la experiencia y percepción subjetiva del observador. Además, al prescindir de estudios radiográficos, el sistema evita la exposición a radiación ionizante, lo que resulta especialmente relevante en población pediátrica.
Otra ventaja significativa es su portabilidad y bajo costo, características que facilitan su implementación fuera de entornos hospitalarios, como en escuelas o centros comunitarios. Asimismo, el enfoque propuesto transforma una observación visual cualitativa en datos cuantitativos medibles, lo que posibilita un análisis más preciso y repetible. Finalmente, al enfocarse en la detección temprana y el seguimiento longitudinal, el sistema adopta una perspectiva preventiva, contribuyendo a la identificación oportuna de posibles desviaciones posturales.
En conjunto, estas ventajas refuerzan el valor del sistema propuesto como una herramienta complementaria para la detección temprana de escoliosis infantil, alineada con los principios de prevención, accesibilidad y apoyo al diagnóstico clínico.
En los últimos años, la combinación de tecnologías portátiles, sensores inerciales y algoritmos de inteligencia artificial ha dado lugar a diversas aplicaciones comerciales orientadas al monitoreo postural y al análisis del movimiento humano. En el ámbito de la salud musculoesquelética, han surgido soluciones que emplean dispositivos portátiles para evaluar la alineación corporal, apoyar procesos de rehabilitación y detectar alteraciones posturales de manera no invasiva. Estas plataformas, aunque generalmente no sustituyen al diagnóstico clínico, han demostrado ser útiles como herramientas de apoyo y seguimiento continuo en contextos reales [7].
En el caso específico de la escoliosis, los programas tradicionales de detección temprana han estado históricamente ligados a evaluaciones clínicas presenciales y a esquemas de tamizaje escolar. Experiencias documentadas en distintos países muestran que estos programas permiten identificar un número significativo de casos en etapas tempranas, aunque su efectividad depende en gran medida de la capacitación del personal evaluador y de la disponibilidad de recursos especializados [8], [9]. Estas limitaciones han impulsado el desarrollo de sistemas tecnológicos que buscan automatizar y objetivar el proceso de evaluación postural.
Diversos estudios de caso han explorado el uso de sensores inerciales para el análisis de movimientos del tronco y la columna vertebral, demostrando que este tipo de dispositivos puede capturar información biomecánica relevante con niveles de precisión adecuados para aplicaciones clínicas y preclínicas [10]. Al integrarse con algoritmos de Inteligencia Artificial, estos sistemas son capaces de identificar patrones asociados a asimetrías posturales y posibles desviaciones de la columna, incluso en entornos no controlados [11].
La implementación de este tipo de soluciones no se limita al ámbito hospitalario. Su portabilidad y bajo costo permiten su aplicación en sectores como el educativo, donde pueden emplearse como herramientas de tamizaje en escuelas, o en centros comunitarios y de rehabilitación, donde facilitan el seguimiento longitudinal de la postura infantil. Además, su uso en programas preventivos abre la posibilidad de ampliar la cobertura de la detección temprana sin incrementar de manera significativa los costos operativos [12].
Desde una perspectiva cuantitativa, los beneficios de estos sistemas se reflejan en la generación de datos objetivos y reproducibles, en contraste con la evaluación visual tradicional. Estudios recientes reportan mejoras en la consistencia de la detección de asimetrías posturales, así como una reducción en la dependencia de evaluaciones radiográficas frecuentes, lo que resulta especialmente relevante en población pediátrica [13]. Asimismo, la incorporación de inteligencia artificial permite analizar grandes volúmenes de datos y mejorar progresivamente el desempeño del sistema conforme se dispone de más información, fortaleciendo su potencial como herramienta preventiva y de apoyo al diagnóstico [14].
La incorporación de sistemas inteligentes para la detección temprana de escoliosis infantil tiene un impacto directo en la vida cotidiana de las familias, los docentes y los profesionales de la salud. Para padres y cuidadores, contar con herramientas accesibles y no invasivas permite identificar posibles alteraciones posturales en etapas tempranas del desarrollo, cuando las intervenciones son menos complejas y más efectivas. Esto se traduce en una mayor tranquilidad, en la reducción de tratamientos invasivos a largo plazo y en una mejora potencial en la calidad de vida de los infantes.
A nivel social, la adopción de este tipo de tecnologías puede transformar la forma en que se concibe la prevención en salud musculoesquelética. La posibilidad de realizar evaluaciones posturales en escuelas o centros comunitarios contribuye a democratizar el acceso a la detección temprana, especialmente en regiones donde los recursos médicos especializados son limitados. De este modo, la tecnología se convierte en un habilitador de estrategias de salud preventiva más equitativas y sostenibles, con un impacto positivo en los sistemas de salud pública.
Desde una perspectiva profesional, el desarrollo e implementación de sistemas basados en sensores e inteligencia artificial abre nuevas oportunidades en campos como la ingeniería biomédica, la electrónica, la ciencia de datos y la rehabilitación. Estos enfoques interdisciplinarios demandan perfiles capaces de integrar conocimientos técnicos con una comprensión del contexto clínico y social, impulsando la formación de especialistas en tecnologías de la salud orientadas a la prevención y al análisis inteligente del movimiento humano.
No obstante, la incorporación de estas soluciones también plantea desafíos éticos y técnicos que deben ser considerados. La correcta interpretación de los resultados, la protección de los datos personales de los infantes y el uso responsable de la inteligencia artificial son aspectos fundamentales para evitar diagnósticos erróneos o usos indebidos de la información. En este sentido, es importante enfatizar que estos sistemas deben concebirse como herramientas de apoyo y no como sustitutos del juicio clínico, integrándose de manera responsable dentro de marcos éticos y normativos claros.
En conjunto, el desarrollo de sistemas inteligentes para la detección temprana de escoliosis representa una oportunidad para mejorar la prevención, fortalecer la toma de decisiones informada y promover una cultura de cuidado postural desde edades tempranas, con beneficios que trascienden el ámbito individual y se extienden al plano social y profesional.
La investigación en torno al uso de sensores inerciales e inteligencia artificial para el análisis postural y del movimiento humano continúa avanzando de manera acelerada. En la actualidad, los desarrollos se concentran en mejorar la precisión de los sistemas de adquisición, en el diseño de algoritmos más robustos frente a la variabilidad natural del movimiento infantil y en la validación clínica de estas herramientas en poblaciones cada vez más amplias. Del mismo modo, se exploran estrategias para integrar datos de diferentes fuentes, combinando información inercial con registros visuales y parámetros antropométricos, con el objetivo de enriquecer la interpretación biomecánica.
A corto plazo, se espera que este tipo de sistemas evolucione hacia plataformas más compactas, fáciles de usar y con mayor capacidad de procesamiento en tiempo real. La incorporación de la inteligencia artificial permitirá mejorar la sensibilidad y especificidad en la detección de asimetrías posturales, reduciendo la tasa de falsos positivos y facilitando su adopción en programas de tamizaje escolar y prevención comunitaria.
En una visión a largo plazo, estos sistemas podrían integrarse de manera natural en ecosistemas digitales de salud, donde el seguimiento postural forme parte de un historial longitudinal del desarrollo infantil. La combinación de monitoreo continuo, análisis inteligente y retroalimentación personalizada abre la posibilidad de diseñar estrategias preventivas adaptadas a cada individuo, fortaleciendo el enfoque de medicina personalizada y preventiva desde edades tempranas.
La convergencia con otras tecnologías emergentes representa uno de los escenarios más prometedores. La integración con plataformas móviles, sistemas en la nube, dispositivos de realidad aumentada y entornos de análisis tridimensional permitirá no solo detectar alteraciones posturales, sino también visualizar su evolución y apoyar procesos educativos y de concientización. De igual forma, la combinación con sensores fisiológicos y tecnologías de visión por computadora podría ampliar el alcance del sistema hacia un análisis más integral del movimiento humano.
No obstante, para que esta visión se materialice, aún existen obstáculos importantes por superar. Entre ellos se encuentran la necesidad de estandarizar protocolos de medición, garantizar la interoperabilidad entre dispositivos, asegurar la protección de los datos personales y establecer marcos regulatorios claros para el uso de inteligencia artificial en aplicaciones de salud. Superar estos desafíos será clave para consolidar el uso de sistemas inteligentes como herramientas confiables, éticas y efectivas para la detección temprana de escoliosis y otras alteraciones posturales en el futuro.