{rfName}
Re

Indexado en

Licencia y uso

Icono OpenAccess

Altmetrics

Investigadores/as Institucionales

Ordieres-Mere, JoaquinAutor (correspondencia)Grijalvo, MercedesAutor o Coautor

Compartir

25 de diciembre de 2025
Publicaciones
>
Artículo
Hybrid Gold

Remote Gait Monitoring System to Facilitate Assessment of People With Multiple Sclerosis

Publicado en: IEEE Internet of Things Journal. 12 (24): 54348-54367 - 2025-12-15 12(24), DOI: 10.1109/JIOT.2025.3620236

Autores:

Ordieres-Mere, Joaquin; Grijalvo, Mercedes; Martin-Avila, Guillermo; Aladro, Yolanda
[+]

Afiliaciones

Hosp Univ Getafe, Getafe 28905, Spain - Autor o Coautor
Hosp Univ Getafe, Multiple Sclerosis Unit, Getafe 28905, Spain - Autor o Coautor
IdiPaz, Res Grp, Madrid 28029, Spain - Autor o Coautor
Univ Europea Madrid, Madrid 28670, Spain - Autor o Coautor
Univ Politecn Madrid, Madrid 28006, Spain - Autor o Coautor
Ver más

Resumen

Gait impairment is among the most common and affecting symptoms of multiple sclerosis (MS), occurring in more than 90% of patients as the disease progresses. Conventional clinical tests, such as the timed 25-foot walk (T25FW), are not always able to capture the entire richness of gait impairment, especially in everyday settings. To overcome these shortcomings, this article introduces a new remote gait monitoring system based on wearable smart socks embedded with inertial sensors. The system continuously receives high-frequency motion data and, therefore, enables gait auto-recognition and can improve the classification of MS-associated gait impairment. An end-to-end pipeline for data processing was developed, which involves sensor fusion techniques, semantic gait modeling, and machine learning classification. The segmentation and characterization of gait are performed using the spectral analysis of accelerometer and gyroscope signals, with short-time Fourier transform (STFT)-based feature extraction to identify the periodicity and quality of gait. In addition, a deep learning (DL) approach based on the combination of convolutional neural networks (CNNs) and long short-term memory (LSTM) networks is used to discriminate walking patterns with high precision that help detect abnormalities related to MS. Experimental validation was carried out on a population of people with MS (PwMS) and healthy controls, with our model achieving an average accuracy of 97.10% and an area under the curve (AUC) of 0.99 for severe MS classification. The Internet of Wearable Things (IoWT) paradigm introduced here continuous data acquisition and integration with other wearable sensors and offers a noninvasive and scalable solution for continuous gait monitoring. The results highlight the potential of this approach to improve clinical examination, enable early detection of mobility decline, and support individualized rehabilitation planning. Future studies will explore the incorporation of transformer-based artificial intelligence (AI) models to further improve the classification of MS disability.
[+]

Palabras clave

Ats statementAttitudeBiomedical monitoringClassification (of information)Clinical testsData acquisitionData handlingDeep learningDiagnosisFatigueFeature extractionFrequency motionsGait analysisHigh frequency hfInertial sensorInertial sensorsInternet of thingsInternet of wearable thingInternet of wearable thingsInternet of wearable things (iowt)Learning systemsLegged locomotionMonitoringMonitoring systemMotorsMsMultiple sclerosisMultiple sclerosis (ms)OntologyParkinsons-diseasePatient monitoringPulse width modulationReliabilityRemote gait monitoringSemantic structureSemantic structuresSemanticsSensor data fusionSensor fusionSensorsSpectrum analysisTimed 25-footWalkWearable computersWearable sensors

Indicios de calidad

Impacto bibliométrico. Análisis de la aportación y canal de difusión

El trabajo ha sido publicado en la revista IEEE Internet of Things Journal debido a la progresión y el buen impacto que ha alcanzado en los últimos años, según la agencia WoS (JCR), se ha convertido en una referencia en su campo. En el año de publicación del trabajo, 2025, se encontraba en la posición 11/258, consiguiendo con ello situarse como revista Q1 (Primer Cuartil), en la categoría Computer Science, Information Systems. Destacable, igualmente, el hecho de que la Revista está posicionada por encima del Percentil 90.

[+]

Impacto y visibilidad social

Desde la dimensión de Influencia o adopción social, y tomando como base las métricas asociadas a las menciones e interacciones proporcionadas por agencias especializadas en el cálculo de las denominadas “Métricas Alternativas o Sociales”, podemos destacar a fecha 2026-04-25:

  • La utilización de esta aportación en marcadores, bifurcaciones de código, añadidos a listas de favoritos para una lectura recurrente, así como visualizaciones generales, indica que alguien está usando la publicación como base de su trabajo actual. Esto puede ser un indicador destacado de futuras citas más formales y académicas. Tal afirmación es avalada por el resultado del indicador “Capture” que arroja un total de: 8 (PlumX).

Con una intencionalidad más de divulgación y orientada a audiencias más generales podemos observar otras puntuaciones más globales como:

    Es fundamental presentar evidencias que respalden la plena alineación con los principios y directrices institucionales en torno a la Ciencia Abierta y la Conservación y Difusión del Patrimonio Intelectual. Un claro ejemplo de ello es:

    • El trabajo se ha enviado a una revista cuya política editorial permite la publicación en abierto Open Access.
    • Asignación de un Handle/URN como identificador dentro del Depósito en el Repositorio Institucional: https://oa.upm.es/93356/

    Como resultado de la publicación del trabajo en el repositorio institucional, se han obtenido datos estadísticos de uso que reflejan su impacto. En términos de difusión, podemos afirmar que, hasta la fecha

    • Visualizaciones: 45
    • Descargas: 40
    [+]

    Análisis de liderazgo de los autores institucionales

    Existe un liderazgo significativo ya que algunos de los autores pertenecientes a la institución aparecen como primer o último firmante, se puede apreciar en el detalle: Primer Autor (ORDIERES MERE, JOAQUIN BIENVENIDO) .

    el autor responsable de establecer las labores de correspondencia ha sido ORDIERES MERE, JOAQUIN BIENVENIDO.

    [+]

    Objetivos del proyecto

    Los objetivos perseguidos en esta aportación se centran en el desarrollo y validación de un sistema innovador para el monitoreo remoto de la marcha en personas con esclerosis múltiple (EM). En concreto, se plantean los siguientes objetivos:

    - Diseñar un sistema remoto de monitoreo de la marcha basado en calcetines inteligentes con sensores inerciales integrados.
    - Desarrollar un pipeline integral para el procesamiento de datos que incluya técnicas de fusión de sensores, modelado semántico de la marcha y clasificación mediante aprendizaje automático.
    - Implementar métodos de segmentación y caracterización de la marcha mediante análisis espectral y extracción de características basadas en transformada de Fourier de corta duración (STFT).
    - Aplicar un enfoque de aprendizaje profundo combinando redes neuronales convolucionales (CNN) y redes de memoria a largo plazo (LSTM) para discriminar patrones de marcha y detectar anormalidades asociadas a la EM.
    - Validar experimentalmente el sistema en poblaciones de personas con EM y controles sanos, evaluando su precisión y capacidad de clasificación de la gravedad de la enfermedad.
    - Proponer un paradigma de Internet de las Cosas Vestibles (IoWT) para la adquisición continua de datos y su integración con otros sensores, facilitando el monitoreo no invasivo y escalable de la marcha.
    [+]

    Resultados más relevantes

    RESULTADOS MÁS RELEVANTES

    Se desarrolló un sistema remoto de monitorización de la marcha basado en calcetines inteligentes con sensores inerciales para la evaluación de personas con esclerosis múltiple (EM). Los principales resultados científicos obtenidos fueron:

    - Implementación de un pipeline integral que combina fusión de sensores, modelado semántico de la marcha y clasificación mediante aprendizaje automático.
    - Segmentación y caracterización de la marcha mediante análisis espectral de señales de acelerómetro y giroscopio, utilizando extracción de características basada en la transformada de Fourier de corto tiempo (STFT).
    - Desarrollo de un modelo de aprendizaje profundo que integra redes neuronales convolucionales (CNN) y redes de memoria a largo plazo (LSTM) para discriminar patrones de marcha con alta precisión.
    - Validación experimental en población con EM y controles sanos, alcanzando una precisión media del 97,10% y un área bajo la curva (AUC) de 0,99 en la clasificación de casos severos de EM.
    - Demostración de la viabilidad del paradigma Internet de las Cosas Vestibles (IoWT) para la adquisición continua de datos y la integración con otros sensores, facilitando un monitoreo no invasivo y escalable de la marcha.
    [+]

    Reconocimientos ligados al ítem

    The work of Joaqu & imath;n Ordieres-Mere was supported by Spanish "Agencia Estatal de Investigacion (AEI)" funded by Ministerio de Ciencia e Innovacion (MCIN)/AEI/10.13039/501100011033 under Grant PID2022-137748OB-C31 and in part by "European Regional Development Fund (ERDF) A way of making Europe."
    [+]