Herramientas tecnológicas para la medición y registro de movimiento objetivo de la hiperactividad

Mireia Luisa Sempere Tortosa; Francisco Fernández Carrasco; José Manuel García-Fernández; Tomás José Cantó Díez

doi:10.14198/DCN.2018.5.1.06

Autores/as

Mireia Luisa Sempere Tortosa Departamento de Ciencia de la Computación e Inteligencia Artificial. Universidad de Alicante, España https://orcid.org/0000-0001-6398-0040
Francisco Fernández Carrasco Departamento de Psicología Evolutiva y Didáctica. Universidad de Alicante, España https://orcid.org/0000-0002-5357-0467
José Manuel García-Fernández Departamento de Psicología Evolutiva y Didáctica. Universidad de Alicante, España https://orcid.org/0000-0002-4760-064X
Tomás José Cantó Díez Unidad de Salud Mental Infantil del Hospital General Universitario de Alicante, España https://orcid.org/0000-0001-5999-1054

DOI:

https://doi.org/10.14198/DCN.2018.5.1.06

Palabras clave:

Evaluación, Diagnóstico, TDAH, Captura de Movimiento, Hiperactividad

Resumen

Al no existir ninguna condición que determine de forma inequívoca la existencia del TDAH, el diagnóstico es clínico, y se determina por la observación y la información facilitada por padres y maestros. Esto resulta altamente subjetivo e induce a resultados dispares, en buena medida, por la falta de acuerdo en los instrumentos y procedimientos de evaluación. De esta forma, la imprecisión del diagnóstico del TDAH, basado en criterios subjetivos, unida a que la hiperactividad es uno de los síntomas troncales de este trastorno conllevan que, desde hace más de una década se vengan realizando estudios para registrar medidas objetivas de movimiento en los sujetos. Este artículo revisa las diferentes tecnologías existentes en el mercado que permiten el registro y medición del movimiento de un cuerpo humano para facilitar la obtención de una medida objetiva de movimiento que apoye el diagnóstico del TDAH. Se revisan tres tecnologías diferentes: sistemas de video; sistemas de captura de movimiento basados en sensores o marcadores; y sistemas de detección de mapas de profundidad, describiendo las ventajas e inconvenientes de cada una de ellas para el apoyo al diagnóstico del TDAH.

Citas

American Psychiatric Publishing. Manual diagnóstico y estadístico de los trastornos mentales. 5ª ed. Arlington, VA.

Bastardas J, Ortiz-Guerra J, Sánchez V, Sabaté J. Diagnóstico del TDAH. REV ESP PEDIATR 2015; 71(2): 69-74.

Barkley RA. Avances en el diagnóstico y la subclasificación del trastorno por déficit de atención / hiperactividad: qué puede pasar en el el futuro respecto al DSM-V. Rev Neurol 2009;48 (Supl. 2): S101-S106. doi: https://doi.org/10.33588/rn.48S02.2009003

Alberola, P. Los criterios de diagnóstico son vagos, ¿cómo se determina que un niño es más o menos movido? Diario Información. 2015 Nov 15 [consultado 8 de enero de 2018] Disponible en: http://www.diarioinformacion.com/alicante/2015/11/08/criterios-diagnostico-son-vagos-determina/1694260.html

Artigas-Pallarés J. Comorbilidad en el trastorno por déficit de atención/hiperactividad. Rev Neurol 2003;36 (S1):68-0. doi: https://doi.org/10.33588/rn.36S1.2003003

Quotient ADHD System. [consultado 19 de febrero de 2018] Disponible en: http://quotient-adhd.com

Qbtech: transforming healthcare. [consultado 19 de febrero de 2018] Disponible en: https://www.qbtech.com/qbtest.html

NEBA Health. [consultado 19 de febrero de 2018] Disponible en: http://www.nebahealth.com/research.html

ElMindA - Visualizing your brain - revolutionizing treatment [consultado 19 de febrero de 2018] Disponible en: www.elminda.com

Aula Nesplora. El test más completo para la evaluación del TDAH [consultado 20 de febrero de 2018] Disponible en: http://aulanesplora.com

Climent G, Banterla F. AULA Nesplora. Evalución ecológica de los procesos atencionales. San Sebastián: Nesplora; 2011.

Diaz-Orueta U, Iriarte Y, Climent G, Banterla F. AULA: An ecological virtual reality test with distractors for evaluating attention in children and adolescents. Virtual Reality 2012 [consultado 20 de febrero de 2018]; 5(2): 1-20. Disponible en: https://www.researchgate.net/publication/311589131_AULA_An_ecological_virtual_reality_test_with_distractors_for_evaluating_attention_in_children_and_adolescents

Fernández M, Morillo M, Alonso L. Utilidad del estudio Aula Nesplora en la valoración del TDAH. XVI Reunión Anual de la Sociedad Española de Nueurología Peiátrica. Santander; 2012.

Parsons TD, Bowerly T, Buckwalter J G, Rizzo AA. A controlled clinical comparison of attention performance in children with ADHD in a virtual reality classroom compared to standard neuropsychological methods. Child Neuropsychol 2014; 13(4): 363-381. doi: https://doi.org/10.1080/13825580600943473

Díaz-Orueta U, Garcia-López C, Crespo-Eguílaz N, Sánchez-Carpintero R, Climent G, Narbona J. AULA virtual reality test as an attention measure: Convergent validity with Conners' Continuous Performance Test. Child Neuropsycho, 2014; 20(3): 328-342. doi: https://doi.org/10.1080/09297049.2013.792332

Iriarte Y, Diaz-Orueta U, Cueto E, Irazustabarrena P, Banterla F, Climent G. AULA -advanced virtual reality tool for the assessment of attention: normative study in Spain. Journal of Attention Disorders, 2016; 20(6): 542-568. doi: https://doi.org/10.1177/1087054712465335

Negut A, Jurma AM, David D. Virtual-reality-based attention assessment of ADHD: ClinicaVR: Classroom-CPT versus a traditional continuous performance test. Child Neuropsychol, 2017; 23(6): 692-712. doi: https://doi.org/10.1080/09297049.2016.1186617

Barkley R. A Cautionary Note about Using the EEG for Clinical Diagnosis of ADHD. ADHD Report, 2013; 21 (6): 15-15. doi: https://doi.org/10.1521/adhd.2013.21.6.15

Arns M, Gordon E. Quantitative EEG in psychiatry: Diagnostic or prognostic use? Clin Neurophysiol, 2014; 125(8): 1504-1506. doi: https://doi.org/10.1016/j.clinph.2014.01.014

Poli S, Vollmann S, Ghisleni C, O'Gorman RL, Klaver P, Ball J. Age dependent electroencephalographic changes in Attention Deficit/Hyperactivity Disorder (ADHD). Clinical Neurophysiol, 2014; 125(8): 1626-1638. doi: https://doi.org/10.1016/j.clinph.2013.12.118

Gawrilow C, Kühnhausen J, Schmid J, Stadler G. Hyperactivity and Motoric Activity in ADHD: Characterization, Assessment, and Intervention. Front Psychiatry 2014; 5: 171. Gawrilow C, Kühnhausen J, Schmid J, Stadler G. Hyperactivity and Motoric Activity in ADHD: Characterization, Assessment, and Intervention. Front Psychiatry. 2014; 5: 171. doi: https://doi.org/10.3389/fpsyt.2014.00171

García Murillo L, Cortese S, Anderson D, Di Martino A, Castellanos FX. Locomotor activity measures in the diagnosis of attention deficit hyperactivity disorder: Meta-analyses and new findings. J Neurosci Methods. 2015 Aug 30;252:14-26. doi: https://doi.org/10.1016/j.jneumeth.2015.03.001

Hall CL, Valentine AZ, Groom MJ, Walker GM, Sayal K, Daley D, Hollis C. The clinical utility of the continuous performance test and objective measures of activity for diagnosing and monitoring ADHD in children: a systematic review. Eur Child Adolesc Psychiatry. 2016 Jul;25(7):677-99. doi: https://doi.org/10.1007/s00787-015-0798-x

Jaiswal S, Valstar M, Gillott A, Daley D. Automatic detection of ADHD and ASD from Expressive Behaviour in RGBD Data. CoRR. 2016. [consultado 8 de enero de 2018]. doi: https://doi.org/10.1109/FG.2017.95

Li F, Zheng Y, Smith SD, Shic F, Moore C, Zheng X, et al. A preliminary study of movement intensity during a Go/No-Go task and its association with ADHD outcomes and symptom severity. Child Adolesc Psychiatry Ment Health. 2016;10:47. doi: https://doi.org/10.1186/s13034-016-0135-2

O'Mahony N, Florentino-Liano B, Carballo JJ, Baca-García E, Rodríguez AA. Objective diagnosis of ADHD using IMUs. Med Eng Phys. 2014 Jul;36(7):922-6. doi: https://doi.org/10.1016/j.medengphy.2014.02.023

Wehmeier PM, Schacht A, Wolff C, Otto WR, Dittmann RW, Banaschewski T. Neuropsychological outcomes across the day in children with attention-deficit/hyperactivity disorder treated with atomoxetine: results from a placebo-controlled study using a computer-based continuous performance test combined with an infra-red motion-tracking device. J Child Adolesc Psychopharmacol. 2011 Oct;21(5):433-44. doi: https://doi.org/10.1089/cap.2010.0142

Ohashi K, Vitaliano G, Polcari A, Teicher MH. Unraveling the nature of hyperactivity in children with attention-deficit/hyperactivity disorder. Arch Gen Psychiatry. 2010 Apr;67(4):388-96. doi: https://doi.org/10.1001/archgenpsychiatry.2010.28

Teicher MH, Polcari A, McGreenery CE. Utility of Objective Measures of Activity and Attention in the Assessment of Therapeutic Response to Stimulants in Children with Attention-Deficit/Hyperactivity Disorder. J Child Acolesc Psychopharmacol. 2008;18(3):265-270. doi: https://doi.org/10.1089/cap.2007.0090

Rodríguez C, Quintero H, Aschner H. Movimiento del brazo humano: de los tres planos a las tres dimensiones. Rev Ing. 2005;22:36-44. doi: https://doi.org/10.16924/revinge.22.4

Kynovea. [consultado 8 de enero de 2018] Disponible en: http://kynovea.org

Tracker Video Analysis and Modeling Tool. [consultado 8 de enero de 2018] Disponible en: http://www.opensourcephysics.org/items/detail.cfm?ID=7365

The power of visual learning. [consultado 8 de enero de 2018] Disponible en: http://www.dartfish.com

Thalmann D, Gutierrez M, Vexo F. Stepping into VirtualReality. London: Springer-Verlag; 2008. doi: https://doi.org/10.1007/978-1-84800-117-6

Hofmann M, Granter N, Witte K, Edelmann-Nusser J, Nowoisky C. Use of the Infrared Based Motion Capture System AS 200 in Sport Science. Eng Sport. 2006;6: 45-50. doi: https://doi.org/10.1007/978-0-387-46051-2_9

Kanetaka H, Yabukami S, Hashi S, Arai K. Wireless magnetic motion capture system for medical use. In T. Sasano & O. Suzuki, eds. Interface Oral Health Science. Japan: Springer; 2009. p. 329-331. doi: https://doi.org/10.1007/978-4-431-99644-6_96

Vlasic D, Adelsberger R, Vannucci G, Barnwell J, Gross M, Matusik W, et al. Practical motion capture in everyday surroundings. ACM Trans Graph. 2007;23(7). doi: https://doi.org/10.1145/1276377.1276421

SwissRanger | Heptagon. [consultado 20 de febrero de 2018] Disponible en: http://hptg.com/industrial/

Behendi S, Morgan S, Fookes C. Non-Invasive Performance Measurement in Combat Sports. Proceedings of the 10th International Symposium on Computer Science in Sports (ISCSS). 2015;392: 3-10. doi: https://doi.org/10.1007/978-3-319-24560-7

Zalud L, Kotova M, Kocmanová P, Dobsak P, Kolarova J. Breath Analysis Using a Time-of-Flight Camera and Pressure Belts. Artif Organs. 2016 Jun;40(6):619-26. doi: https://doi.org/10.1111/aor.12592

Zhou Y, Jiang G, Lin Y. A novel finger and hand pose estimation technique for real-time hand gesture recognition. Pattern Recognition. 2016;49: 102-114. doi: https://doi.org/10.1016/j.patcog.2015.07.014

PMD technologies. [consultado 8 de enero de 2018] Disponible en: http://www.pmdtec.com/news_media/video/camcube.php

Hussmann S, Ringbeck T, Hagebeuker B. A performance review of 3D ToF vision systems in comparison to stereo vision systems. In: Stereo Vision. 2008: 372. doi: https://doi.org/10.5772/5898

Structure Sensor - 3D scanning, augmented reality, and more for mobile devices. [consultado 8 de enero de 2018] Disponible en: http://structure.io/

Softkinetic - 3D Vision Leader. [consultado 8 de enero de 2018] Disponible en: http://www.softkinetic.com/Products/DepthSenseCameras

Airò Farulla G, Pianu D, Cempini M, Cortese M, Russo LO, Indaco M, Nerino R, Chimienti A, Oddo CM, Vitiello N. Vision-Based Pose Estimation for Robot-Mediated Hand Telerehabilitation. Sensors (Basel). 2016 Feb 5;16(2):208. doi: ttps://doi.org/10.3390/s16020208

Lasith K, Hirakawa M. GestureTank: A gesture detection water vessel for foot movements. ICTer Journal. 2015;8(2). doi: https://doi.org/10.4038/icter.v8i2.7163

Sugiura N, Komuro T. Dynamic 3D interaction using an optical See-through HMD. Virtual Reality (VR). [consultado 8 de enero de 2018] Disponible en: http://ieeexplore.ieee.org/xpls/icp.jsp?arnumber=7223444

Creative Senz3D. [consultado 8 de enero de 2018] Disponible en: http://es.creative.com/p/web-cameras/creative-senz3d

ZED - Stereo Camera for Depth Sensing. [consultado 8 de enero de 2018] Disponible en: https://www.stereolabs.com/

PlayStation Camera - Camera for PS4 Console. [consultado 8 de enero de 2018] Disponible en: https://www.playstation.com/en-us/explore/accessories/playstation-camera-ps4/

Xtion PRO | Sensores de movimiento. [consultado 8 de enero de 2018] Disponible en: https://www.asus.com/es/3D-Sensor/Xtion_PRO/

Kinect para Xbox One. [consultado 8 de enero de 2018] Disponible en: http://www.xbox.com/es-ES/Kinect

Catuhe, D. Programming with the Kinect for Windows Software. Developtment Kit. Redmond, WA: Microsoft Press; 2012.

Jana, A. Kinect for Windows SDK: programming guide. Packt Publishing; 2012.

Ding I, Chang C. An eigenspace-based method with a user adaptation scheme for human gesture recognition by using Kinect 3D data. Appl Math Model. 2015;39(19): 5769-5777. doi: https://doi.org/10.1016/j.apm.2014.12.054

Seer S, Brändle N, Ratti C. Kinects and human kinetics: A new approach for studying pedestrian behavior. Transp Res Part C Emerg Technol. 2014;48: 212 - 228. doi: https://doi.org/10.1016/j.trc.2014.08.012

Brekel. Tools for Kinect markerless motion capture. [consultado 8 de enero de 2018] Disponible en: http://www.brekel.com

iPi Soft - Markerless Motion Capture. [consultado 8 de enero de 2018] Disponible en: http://ipisoft.com

Suarez J, Murphy RR. Hand gesture recognition with depth images: A review. In: IEEE RO-MAN: The 21st IEEE International Symposium on Robot and Human Interactive Communication. Paris, France, septiembre 2012. doi: https://doi.org/10.1109/ROMAN.2012.6343787

González-Ortega D, Díaz-Pernas FJ, Martínez-Zarzuela M, Antón-Rodríguez M. A Kinect-based system for cognitive rehabilitation exercises monitoring. Comput Methods Programs Biomed. 2014 Feb;113(2):620-31. doi: https://doi.org/10.1016/j.cmpb.2013.10.014

Chang YJ, Chen SF, Huang JD. A Kinect-based system for physical rehabilitation: a pilot study for young adults with motor disabilities. Res Dev Disabil. 2011 Nov-Dec;32(6):2566-70. doi: https://doi.org/10.1016/j.ridd.2011.07.002

Pedraza-Hueso M, Martín-Calzón S, Díaz-Pernas F, Martínez-Zarzuela M. Rehabilitation Using Kinect-based Games and Virtual Reality. Procedia Comput Sci. 2015;75:161-168. doi: https://doi.org/10.1016/j.procs.2015.12.233

Chang YJ, Han WY, Tsai YC. A Kinect-based upper limb rehabilitation system to assist people with cerebral palsy. Res Dev Disabil. 2013 Nov;34(11):3654-9. doi: https://doi.org/10.1016/j.ridd.2013.08.021

Galna B, Barry G, Jackson D, Mhiripiri D, Olivier P, Rochester L. Accuracy of the Microsoft Kinect sensor for measuring movement in people with Parkinson's disease. Gait Posture. 2014 Apr;39(4):1062-8. doi: https://doi.org/10.1016/j.gaitpost.2014.01.008

Chen YC, Lee HJ, Lin KH. Measurement of body joint angles for physical therapy based on mean shift tracking using two low cost Kinect images. Conf Proc IEEE Eng Med Biol Soc. 2015 Aug;2015:703-6. doi: https://doi.org/10.1109/EMBC.2015.7318459

Boutsika E. Kinect in Education: A Proposal for Children with Autism. Procedia Comput Sci. 2014;27:123-129. doi: https://doi.org/10.1016/j.procs.2014.02.015