La UC3M ha desarrollado un sistema de wearables que, mediante inteligencia artificial, detecta el miedo en víctimas de violencia de género, mejorando la respuesta ante situaciones de riesgo.
Un reciente estudio científico ha revelado avances significativos en el uso de inteligencia artificial para mejorar el funcionamiento de dispositivos portátiles diseñados para detectar el miedo en víctimas de violencia de género. Publicado en el Journal of Biomedical and Health Informatics, este trabajo se centra en microcontroladores que operan dentro de redes de área corporal, una estrategia que contrasta con otros métodos que dependen del procesamiento en la nube, lo cual puede ser costoso y requiere mayor capacidad de cómputo.
Según Laura Gutiérrez Martín, una de las autoras del estudio y reciente doctora en la UC3M, “nuestra innovación no se basa en introducir la señal en bruto; el sistema extrae 57 características seleccionadas a partir de señales fisiológicas como la conductancia de la piel, la temperatura cutánea y el volumen del pulso sanguíneo”. Esta combinación permite capturar eficazmente las dinámicas fisiológicas relacionadas con el miedo, logrando así reducir significativamente los requisitos computacionales. De hecho, el modelo ocupa menos espacio que una fotografía tomada con un teléfono móvil.
Celia López Ongil, profesora del Departamento de Tecnología Electrónica de la UC3M y directora del Instituto de Estudios de Género (IEG), enfatiza que “el objetivo es detectar el miedo antes de que se produzca una agresión, activando una red de apoyo para intervenir inmediatamente”. El sistema diseñado envía alertas automáticas a un círculo guardián cuando identifica situaciones riesgosas. Si la persona afectada no confirma su bienestar, se establece contacto directo con las autoridades policiales.
Además, todos los datos registrados son cifrados y almacenados en un servidor seguro, lo que garantiza su validez como prueba judicial si fuera necesario. Este enfoque ha logrado métricas de exactitud cercanas al 80%, representando una mejora del 26.4% respecto a versiones anteriores. Sin embargo, el equipo continúa trabajando para optimizar aún más el consumo energético y perfeccionar el modelo.
El proyecto conocido como DeepBindi ha sido desarrollado por un equipo multidisciplinar bajo la iniciativa UC3M4Safety, con financiación proporcionada por la Agencia Estatal de Investigación y el INCIBE. José Ángel Miranda Calero, otro miembro del equipo investigador, señala que “lo interesante es que esta tecnología podría aplicarse también a otros contextos, como la detección temprana del acoso escolar”. No obstante, advierte que “la tecnología por sí sola no resolverá problemas como la violencia de género o el acoso; DeepBindi debe ser vista como una herramienta complementaria a la educación y medidas sociales”.
Actualmente, el equipo busca llevar a cabo un piloto a gran escala para validar este sistema en entornos reales y facilitar su implementación efectiva.
Referencia bibliográfica: L. Gutiérrez-Martín, C. López-Ongil, J. A. Miranda-Calero (2026) «DeepBindi: An End-to-End Fear Detection System Optimized for Extreme-Edge Deployment,» in IEEE Journal of Biomedical and Health Informatics, vol. 30, no. 1, pp. 688-699, Jan. 2026.
El sistema identifica situaciones de riesgo mediante la extracción de 57 características de señales fisiológicas, como la conductancia de la piel y la temperatura cutánea. Cuando se detecta miedo, envía una alerta a un círculo guardián y, si no hay confirmación de bienestar, contacta a la policía.
El estudio reporta métricas de exactitud en torno al 80%, lo que representa una mejora del 26,4% respecto a versiones previas. Además, el modelo ha sido optimizado para reducir los requisitos computacionales y ocupar menos espacio que una fotografía.
La tecnología podría extrapolarse a otros contextos, como la detección temprana de situaciones de acoso escolar. Sin embargo, se enfatiza que la tecnología debe complementarse con educación y medidas sociales para abordar estos problemas adecuadamente.