Estrategias terapéuticas de aprendizaje con el uso de la terapia robótica

Quizás este Post vaya más cercano a la terapia robótica que a la propia terapia, pero es en su esencia donde reside su valor.

El artículo pone el acento en una realidad, cada vez estudiamos más el beneficio de los robots en terapia, y vemos sus buenos resultados, pero no se investiga como es el proceso de aprendizaje, ni cómo se puede adaptar  el aprendizaje del robot para que se adecue a cada paciente.

Es en esta relación, con un encuentro entre ingenieros y terapeutas, donde creo que acabaremos encontrando el camino adecuado para ayudar aún más a los pacientes.

El objetivo del que os enlazamos es modelar las sesiones de forma que estas se aproximen a las manifestaciones de un terapeuta. Esto siempre nos ha dado un poco de miedo, pues parece que cada avance de la tecnología nos quitará un puesto de trabajo, pero personalmente lo veo como una oportunidad. Usemos herramientas potentes lo mejor posible.

En este caso son las instrucciones del terapeuta y sus refuerzos los que generan este aprendizaje en el robot, imitando el robot estas mismas instrucciones y sus refuerzos. Para ello utilizan un modelo de análisis probabilístico por lotes  que se llama asignación Latente de Dirichlet (LDA).

Este es un modelo generativo que intenta explicar cómo se crea un documento.  Por lo que se hace es codificar las instrucciones a texto y analizarlo bajo este modelo. El modelo probabilístico analiza las palabras más utilizadas durante la instrucción, agrupándolas y seleccionándolas del lenguaje natural. La probabilidad inherente en los modelos de selección de cada palabra se deriva del hecho de que el lenguaje natural nos permite utilizar múltiples palabras diferentes para expresar la misma idea.

Expresar esta idea en el modelo LDA, sirve para crear un documento sin un corpus, lo que se podría determinar cómo una distribución de temas. Para cada palabra del documento que se está generando, se escoge un tema de una distribución de Dirichlet de temas. A partir de ese tema, se coge una palabra elegida al azar basada en otra distribución de probabilidad condicionada en ese tema. Esto se repite hasta que el documento se ha generado. O en este caso las instrucciones y los refuerzos del terapeuta, en función del aprendizaje motor.

La principal utilidad del documento, aparte de estar atentos a que los robots cada vez se adaptan más, es conocer como bajo un modelo matemático podemos conocer más sobre aprendizaje y refuerzos.

Que interesante sería utilizar este modelo con muchos terapeutas para ver que modelos de instrucción y refuerzos son más útiles para los pacientes.

Author: Miguel Gómez

Terapeuta ocupacional, licenciado en antropología social, máster universitario en investigación y docencia universitaria, máster en Prevención de Riesgos Laborales, especialista en Ergonomía y Seguridad, y Doctor en ciencias de la Salud y Psicología por la Universidad Católica de Valencia. En la actualidad su labor docente e investigadora la desempeña en la Facultad de Ciencias de la Salud del Centro Superior de Estudios Universitarios La Salle. Investigador Principal en el Grupo de investigación en terapia ocupacional en el Centro Superior de Estudios Universitarios La Salle

Share This Post On

Submit a Comment

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *

Pin It on Pinterest