Diseño de prueba de tamizaje por medio de software para la detección de signos neurológicos blandos de los dominios sensoriales y motores para niños en etapa preescolar en Colombia

Abstract

El presente proyecto tiene como propósito el desarrollo de un software de tamizaje para la detección de signos neurológicos blandos (SNB) en niños de 3 a 6 años, mediante la aplicación de técnicas de aprendizaje automático y visión por computador. La detección temprana de estos signos resulta fundamental para identificar posibles alteraciones del neurodesarrollo, sin embargo, su evaluación clínica suele ser subjetiva y dependiente de la experiencia del profesional. En este contexto, se propone una herramienta tecnológica accesible que facilite una evaluación objetiva y automatizada en los dominios motor y sensorial. El proyecto se estructuró en cuatro fases, correspondientes a los objetivos específicos. En la primera, se definieron los tipos de datos requeridos y se seleccionaron las bases de datos adecuadas para cada dominio. En el caso de la motricidad fina, se empleó la base ChildCI, conformada por 241 trazos numéricos de niños de 3 a 6 años, los cuales fueron clasificados manualmente en dos categorías (típicos y atípicos) por una terapeuta ocupacional especialista en motricidad infantil. En la segunda fase, se desarrollaron los modelos de clasificación utilizando diferentes arquitecturas de redes neuronales; entre ellas, DenseNet121 obtuvo el mejor desempeño al alcanzar las métricas más altas de exactitud y precisión. La validación se realizó mediante la técnica K-Folds, seleccionada tras un análisis comparativo de rendimiento. En la tercera fase, se abordaron las pruebas motoras basadas en video, implementando la red neuronal MediaPipe para la detección de puntos anatómicos y el cálculo de parámetros espaciotemporales. En la prueba de marcha, el sistema alcanzó un error absoluto medio del 3% en la longitud del paso, 2% en el ancho de zancada y 3% en la velocidad, mientras que en la motricidad gruesa se validó el cumplimiento de hitos motores como el salto bipodal y el equilibrio unipodal, basados en el protocolo KDS-T. En el dominio sensorial, se diseñó una prueba de discriminación auditiva mediante el método 3AFC (Three-Alternative Forced Choice), obteniendo un error absoluto del 0.0067% en la generación de frecuencias, lo que evidencia una alta confiabilidad del sistema. Finalmente, en la cuarta fase, se desarrolló una interfaz gráfica que integra las cuatro pruebas propuestas (motricidad fina, motricidad gruesa, marcha y discriminación auditiva). Esta interfaz fue diseñada para ser intuitiva y accesible, permitiendo su uso por parte de profesionales de la salud, educadores y cuidadores. Los resultados obtenidos demuestran la viabilidad de aplicar técnicas de inteligencia artificial para la detección de signos neurológicos blandos, ofreciendo una alternativa objetiva, reproducible y de fácil implementación en entornos clínicos y educativos. De esta forma, el proyecto contribuye a la identificación temprana de alteraciones en el desarrollo infantil y al fortalecimiento de las estrategias de tamizaje en la primera infancia.