Este sistema, desarrollado por investigadores de la UCA, permite combinar múltiples soluciones IoT de forma sencilla, facilitando la monitorización personalizada sin necesidad de conocimientos en programación

Un equipo de investigadores de la Universidad de Cádiz, pertenecientes al grupo UCASE de Ingeniería del Software (TIC-025), ha desarrollado AALFlow, una innovadora propuesta tecnológica que supone un avance significativo en el ámbito del cuidado y la monitorización de personas mayores y dependientes. Este desarrollo se enmarca en el creciente interés por los sistemas de vida asistida por el entorno (AAL, por sus siglas en inglés), que aprovechan tecnologías basadas en el Internet de las Cosas (IoT) para mejorar la calidad de vida de las personas.

Actualmente, existen múltiples dispositivos y sistemas que permiten, por ejemplo, detectar caídas, monitorizar constantes vitales o reconocer actividades cotidianas. Sin embargo, la falta de interoperabilidad entre ellos —debido a la diversidad de hardware, software y formatos de datos— limita su potencial conjunto. Frente a este desafío, el equipo de la UCA ha creado AALFlow, una herramienta que facilita la integración flexible de soluciones IoT ya existentes, sin necesidad de modificarlas ni reprogramarlas.

La clave de este avance radica en el uso de un enfoque de desarrollo dirigido por modelos, que permite representar visualmente flujos de información entre distintos sistemas heterogéneos. AALFlow incluye además una herramienta gráfica intuitiva, pensada para que personas sin conocimientos en programación —como profesionales del cuidado o terapeutas ocupacionales— puedan diseñar sus propias soluciones adaptadas a situaciones reales.

Gracias a un mecanismo de transformación automática, los modelos gráficos generados por el usuario se convierten directamente en código ejecutable, lo que reduce errores, ahorra tiempo y democratiza el acceso a tecnologías avanzadas. En un caso de estudio práctico, la herramienta fue capaz de generar automáticamente más de 700 líneas de código, a partir de unas pocas configuraciones iniciales.

Los resultados de esta propuesta han sido evaluados de forma exhaustiva. Las pruebas de rendimiento y escalabilidad confirman que el sistema funciona de forma estable incluso ante una elevada carga de datos (hasta mil eventos por segundo) y durante periodos prolongados. Además, una evaluación con veinte personas usuarias confirmó la alta usabilidad y utilidad de la herramienta, que obtuvo una calificación A+ en el índice de usabilidad (SUS).

Como ejemplo de aplicación real, AALFlow se ha utilizado para combinar datos de monitorización de salud (como frecuencia cardíaca y saturación de oxígeno) con el reconocimiento de actividades diarias, permitiendo analizar patrones y rutinas de forma personalizada. Más allá del hogar, esta tecnología es aplicable en residencias de mayores, hospitales, centros de rehabilitación, escuelas y espacios laborales, entre otros entornos asistenciales.

En definitiva, AALFlow representa un importante paso hacia la integración eficaz y accesible de tecnologías IoT en sistemas de atención personalizada. Un desarrollo que mejora la calidad de vida de personas mayores y dependientes, al tiempo que pone herramientas avanzadas al alcance de quienes las necesitan.

Referencia bibliográfica: Pablo Caballero-Torres, Manuel Cano-Crespo, Guadalupe Ortiz and Inmaculada Medina-Bulo (2024): ‘AALFlow: A Model-Driven Approach for the Integration of Internet of Things Heterogeneous Solutions for Ambient Assisted Living’. IEEE Internet of Things Journal, VOL. 11, Nº. 20