El análisis de movimiento y fuerza mediante sensores y modelos de machine learning se perfila como una herramienta clave para el diagnóstico temprano en adultos mayores.
La combinación de inteligencia artificial y salud preventiva está produciendo herramientas concretas para uno de los problemas más silenciosos del envejecimiento: la pérdida de masa muscular o sarcopenia. Aplicaciones y dispositivos que analizan patrones de movimiento, velocidad de marcha y capacidad de fuerza ya permiten detectar señales tempranas de deterioro muscular antes de que el paciente o el médico las perciban clínicamente.
El funcionamiento básico de estos sistemas implica el uso de acelerómetros —presentes en relojes inteligentes y smartphones— combinados con algoritmos entrenados con datos de miles de pacientes adultos mayores. El modelo aprende a distinguir entre patrones de movimiento saludables y aquellos que anticipan pérdida funcional, y genera alertas que el usuario puede compartir con su médico de cabecera o su geriatra.
El contexto de desarrollo de estas tecnologías es relevante: el envejecimiento poblacional acelerado en países como Argentina, España, Italia y Japón generó una demanda real de soluciones escalables que no dependan de la presencia física del especialista para un primer diagnóstico. La sarcopenia afecta a aproximadamente el 10% de las personas mayores de 60 años y a más del 30% de los mayores de 80, según datos de la Sociedad Europea de Geriatría.
El dato que cambia la lectura de estas herramientas es que no reemplazan al médico sino que modifican el momento del diagnóstico: en lugar de detectar el problema cuando ya hay síntomas funcionales evidentes —caídas, dificultad para subir escaleras—, el algoritmo lo identifica en una fase subclínica en la que la intervención con ejercicios de fuerza todavía puede revertir el proceso. Ese adelantamiento temporal es, en términos de salud pública, enormemente significativo.
En Argentina, la adopción de estas herramientas enfrenta obstáculos concretos: la brecha digital entre adultos mayores, el costo de los dispositivos portátiles y la falta de integración con los sistemas de historia clínica electrónica de las obras sociales y prepagas. Es posible que en los próximos años algunos actores del sistema de salud privado comiencen a incorporar estos datos como parte de los chequeos anuales, pero por ahora no hay iniciativas confirmadas en ese sentido.
La intersección entre tecnología portátil, inteligencia artificial y geriatría es uno de los campos de mayor crecimiento en el sector healthtech global. Para Argentina, donde el sistema de salud enfrenta presión estructural creciente, apostar a detección temprana automatizada no es solo una innovación tecnológica: es una posible estrategia para reducir costos de internación y dependencia en una población que envejece más rápido de lo que el sistema está preparado para atender.
