La espasticidad es un signo clínico muy frecuente en numerosas afecciones neurológicas, como ictus, lesión medular, esclerosis múltiple o daño cerebral hipóxico, entre otras. Limita la movilidad, reduce la autonomía y condiciona de forma notable la calidad de vida de los pacientes y sus cuidadores1,2,3. Su manejo exige una valoración detallada, una planificación terapéutica individualizada y la capacidad de ajustar de forma dinámica los objetivos de rehabilitación en función de la respuesta4. En este sentido, la Inteligencia Artificial (IA) y la y la Realidad Virtual (RV), junto con otras tecnologías de neurorrehabilitación, abren la puerta a una rehabilitación de precisión, en la que el médico rehabilitador dispone de nuevas herramientas para evaluar mejor, decidir antes y tratar de forma más eficiente2,3.
El concepto de rehabilitación de precisión propone anticiparse a la espasticidad grave mediante la combinación de una evaluación clínica rigurosa, un seguimiento estrecho y herramientas analíticas avanzadas capaces de integrar datos complejos5. En esta línea, se han desarrollado modelos predictivos que, a partir de variables como la edad, el tipo y la localización de la lesión, la gravedad motora inicial, estancia hospitalaria o afectación funcional, permiten estimar el riesgo de desarrollar espasticidad moderada o grave5. También se han utilizado modelos de aprendizaje automático o machine learning sobre historias clínicas para reconocer patrones e identificar casos de espasticidad que no figuraban registrados como tales6. Así, la IA puede ayudar a estratificar el riesgo y a priorizar el seguimiento de los pacientes más vulnerables5,6.
Más allá de la predicción, la IA también se está aplicando a la cuantificación objetiva del movimiento y de la función, un aspecto clave en espasticidad. Se están desarrollando sistemas que combinan pequeños sensores portátiles con programas de IA capaces de registrar cómo se mueve el cuerpo de los pacientes con espasticidad, así como clasificar patrones funcionales. Estos sensores registran de forma muy precisa los movimientos del brazo y la mano mientras el paciente realiza gestos cotidianos, como coger un vaso o acercarlo a la boca, y los algoritmos de machine learning pueden distinguir con mucha fiabilidad qué mano está más afectada y cómo cambian esos movimientos con el tiempo⁷. Para el médico rehabilitador, esto supone disponer de datos objetivos y repetibles, que se pueden comparar entre visitas, para ver si la espasticidad empeora o mejora. De cara al futuro, integrar estas herramientas en la historia clínica o en programas de telerehabilitación podría ayudar a detectar antes un aumento de la rigidez y a que el equipo de rehabilitación pueda adelantar una revisión o ajustar el plan de cuidados y ejercicios para proteger, en la medida de lo posible, la movilidad y la autonomía de la persona⁷.
Realidad virtual en neurorrehabilitación: aplicaciones clínicas en espasticidad
Junto a la Inteligencia artificial, las tecnologías como la Realidad Virtual (RV) y, en un sentido más amplio, la realidad extendida (XR) se han consolidado como herramientas innovadoras que complementan la neurorrehabilitación estándar y abren nuevas posibilidades en el abordaje de la espasticidad3. Así, la integración de todas ellas en el trabajo del rehabilitador permite disponer de entornos terapéuticos inmersivos, controlados y adaptables, capaces de recrear actividades de la vida diaria y donde el paciente puede practicar tareas significativas de forma repetitiva, segura y motivadora, facilitando además la personalización de los protocolos de terapia3.
Gracias a la IA integrada en estas plataformas, se pueden analizar de forma continua los datos de cada paciente para ajustar automáticamente tanto el tipo de ejercicios como su nivel de dificultad, de modo que se mantengan alineados con sus capacidades en cada momento y favorezcan su implicación en la terapia³. En este contexto, la RV inmersiva ofrece un entorno especialmente atractivo que refuerza la motivación del paciente y que, a medida que estas tecnologías evolucionan, se está extendiendo progresivamente a escenarios de rehabilitación domiciliaria, lo que abre la puerta a programas más intensivos y continuados sin necesidad de acudir de forma presencial al centro3,8. Todo ello permite incrementar de forma notable el tiempo efectivo de rehabilitación, con sesiones más frecuentes que no sólo mejoran las funciones motoras, como el equilibrio y la marcha, sino que también tienen un impacto positivo en las capacidades cognitivas, contribuyendo a la neuroplasticidad y a la recuperación general del paciente3,8.
IA y RV en la espasticidad: retos de implantación
A pesar de este potencial demostrado, la implantación de la IA y la RV en la práctica clínica habitual sigue siendo limitada en la mayoría de los centros sanitarios. Los elevados costes asociados a estos sistemas suponen un obstáculo importante, así como las limitaciones técnicas y falta de sistemas sencillos, fiables y fáciles de usar, que siguen siendo un freno para que estas soluciones se implanten de manera generalizada³. Todo ello hace que, en muchos casos, su uso quede restringido a proyectos piloto o a unidades muy concretas, en lugar de formar parte de los circuitos asistenciales estándar³.
Además, la seguridad digital es otra barrera relevante, ya que la recopilación de datos personales sensibles que realizan las aplicaciones de IA y RV plantea importantes problemas de privacidad³. Por ello, es imprescindible contar con medidas estrictas de protección de datos y con normas claras sobre quién accede a la información del paciente y con qué finalidad, garantizando siempre su confidencialidad y su derecho a dejar de usar estas tecnologías³. Todo ello exige una gobernanza sólida y un diálogo continuado entre profesionales sanitarios, expertos en tecnología y derecho para asegurar que el despliegue de la IA y la RV en neurorrehabilitación se haga siempre en beneficio del paciente y dentro de unos estándares éticos claros³.
La inteligencia artificial y la realidad virtual ya no son una promesa de futuro, sino una realidad tecnológica presente y, aunque su uso aún no está plenamente extendido en España, en los próximos años podremos disponer de una evaluación objetiva del movimiento del paciente con espasticidad o su control postural mediante dispositivos móviles, analizando sus patrones espásticos y facilitando la toma de decisiones clínicas del médico rehabilitador.
En definitiva, los avances con IA y RV abren una nueva etapa en el abordaje de la espasticidad, transformando la práctica clínica del rehabilitador y avanzando hacia una rehabilitación más precisa, objetiva y accesible, mejorando la calidad de vida de los pacientes.
Referencias
- M.P. Sáinz-Pelayo, S. Albu, N. Murillo, J. Benito-Penalva. Espasticidad en la patología neurológica. Actualización sobre mecanismos fisiopatológicos, avances en el diagnóstico y tratamiento. REV NEUROL 2020;70:453-460.
- Juárez Belaúnde A, Murie-Fernández M. Nuevas tecnologías e inteligencia artificial en neurorrehabilitación. Kranion. 2023;18:65-71.
- Akbar, K., Passaro, A., Di Gioia, M., Martini, E., Dragone, M., Zullo, A., & Stasolla, F. (2024). Reviewing the Horizon: The Future of Extended Reality and Artificial Intelligence in Neurorehabilitation for Brain Injury Recovery. Information 2024, Vol. 15, Page 501, 15(8), 501. https://doi.org/10.3390/INFO15080501
- Sociedad Española de Rehabilitación y Medicina Física: https://www.sermef.es/wp-content/uploads/2025/05/NOTA-Prescripcion-ejercicio-2025.pdf
- Raghavan P. Preventing poststroke spasticity: A goal for precision rehabilitation. Am J Phys Med Rehabil. 2024;103(12):1135-1136.
- Cox, A. P., Raluy-Callado, M., Wang, M., Bakheit, A. M., Moore, A. P., & Dinet, J. (2016). Predictive analysis for identifying potentially undiagnosed post-stroke spasticity patients in United Kingdom. Journal of Biomedical Informatics, 60, 328–333. https://doi.org/10.1016/j.jbi.2016.02.012
- Razfar, N., Kashef, R., & Mohammadi, F. (2023). An artificial intelligence model for smart post-stroke assessment using wearable sensors. Decision Analytics Journal, 7, 100218. https://doi.org/10.1016/j.dajour.2023.100218
- Bulle-Smid, L.; Keuning, W.; Van Den Heuvel, R.; Hakvoort, G.; Verhoeven, F.; Daniels, R.; Hettinga, M. The Use of Extended Reality in Rehabilitation for Patients with Acquired Brain Injury: A Scoping Review. Stud. Health Technol. Inform. 2023, 306, 583–590.
Artículo en colaboración con:
