APLICACIONES DE LA INTELIGENCIA ARTIFICIAL EN LA FISIOTERAPIA GERIÁTRICA: AVANCES, DESAFÍOS Y PERSPECTIVAS PARA MEJORAR LA CALIDAD DE VIDA DEL ADULTO MAYOR

Autores/as

DOI:

https://doi.org/10.56519/86nt4t87

Palabras clave:

Inteligencia artificial, fisioterapia, anciano, rehabilitación, tecnología biomédica, calidad de vida

Resumen

El envejecimiento demográfico ha aumentado la prevalencia de limitaciones funcionales, caídas y enfermedades musculoesqueléticas y neurológicas en la población anciana, por lo que aparecen modelos de rehabilitación más precisos, accesibles y personalizados. La inteligencia artificial (IA) se ha posicionado como una herramienta emergente capaz de optimizar la evaluación, el tratamiento y el seguimiento fisioterapéutico en la población anciana. identificar, mediante una revisión bibliográfica, las principales aplicaciones de la inteligencia artificial para la fisioterapia geriátrica, así como los avances, limitaciones y perspectivas que la misma puede aportar para mejorar la calidad de vida del anciano. Se llevó a cabo una revisión bibliográfica de tipo narrativo y con soporte de los lineamientos PRISMA, y se utilizó búsqueda en base de datos indexadas (PubMed, Scopus, Web of Science, ScienceDirect y SciELO), seleccionando los artículos publicados entre 2016 y 2026, en español e inglés, que abordaran el uso de la inteligencia artificial en la fisioterapia, rehabilitación y salud geriátrica. Se ha observado que los algoritmos de aprendizaje automático y profundo, los sensores portátiles, los exoesqueletos robóticos, la telerrehabilitación con la ayuda de la inteligencia artificial y la realidad virtual gamificada mejoran la predicción de riesgo de caídas, la precisión diagnóstica, la adherencia en el tratamiento y los resultados funcionales del equilibrio, la marcha y la movilidad en la población anciana, aunque la mayoría de los estudios presentan limitaciones metodológicas así como muestras reducidas. Los resultados encontrados coinciden con la literatura internacional en que la inteligencia artificial complementa el criterio clínico del fisioterapeuta, mas no lo sustituye, siendo fundamental tratar barreras éticas, de privacidad y de alfabetización digital. La inteligencia artificial se evidencia como una herramienta prometedora para transformar la fisioterapia geriátrica hacia un modelo más predictivo, personalizado y centrado en la persona mayor, aunque su incorporación requiere marcos regulatorios claros, formación profesional continua y validación clínica rigurosa.

Referencias

World Health Organization. Ageing and health. Geneva: World Health Organization. 2024.

Wang J, Liang Y, Cao S, Cai P, Fan Y. Application of Artificial Intelligence in Geriatric Care: Bibliometric Analysis. J Med Internet Res. 2023 Jun 23;25:e46014. doi:10.2196/46014

An R, Shen J, Wang J, Yang Y. A scoping review of methodologies for applying artificial intelligence to physical activity interventions. J Sport Health Sci. 2024 May;13(3):428–41. doi:10.1016/j.jshs.2023.09.010

Rossettini G, Cook C, Palese A, Pillastrini P, Turolla A. Pros and Cons of Using Artificial Intelligence Chatbots for Musculoskeletal Rehabilitation Management. Journal of Orthopaedic & Sports Physical Therapy. 2023 Dec;53(12):728–34. doi:10.2519/jospt.2023.12000

Dhumale A, Shinde S, Ambali MP, Patil P. Integration of Artificial Intelligence for Diagnostic Methods in Musculoskeletal Conditions: A Systematic Review. Cureus. 2025 Feb 20. doi:10.7759/cureus.79391

Favre J, Cantaloube A, Jolles BM. Rehabilitation for Musculoskeletal Disorders: The Emergence of Serious Games and the Promise of Personalized Versions Using Artificial Intelligence. J Clin Med. 2023 Aug 15;12(16):5310. doi:10.3390/jcm12165310

Hao J, Yao Z, Siu K. Artificial Intelligence in Physical Therapy Education: Evaluating Clinical Reasoning Performance in Musculoskeletal Care Using ChatGPT. Musculoskeletal Care. 2025 Sep 31;23(3). doi:10.1002/msc.70177

Pedersini P, Tovani-Palone MR. Artificial Intelligence in Geriatric Rehabilitation. Top Geriatr Rehabil. 2024 Apr;40(2):95–8. doi:10.1097/TGR.0000000000000428

Areias AC, Janela D, Moulder RG, Molinos M, Bento V, Moreira C, et al. Applying AI to Safely and Effectively Scale Care to Address Chronic MSK Conditions. J Clin Med. 2024 Jul 26;13(15):4366. doi:10.3390/jcm13154366

Park C, Yi C, Choi WJ, Lim HS, Yoon HU, You S (Joshua) H. Long-term effects of deep-learning digital therapeutics on pain, movement control, and preliminary cost-effectiveness in low back pain: A randomized controlled trial. Digit Health. 2023 Jan 3;9. doi:10.1177/20552076231217817

Dias Correia F, Nogueira A, Magalhães I, Guimarães J, Moreira M, Barradas I, et al. Digital Versus Conventional Rehabilitation After Total Hip Arthroplasty: A Single-Center, Parallel-Group Pilot Study. JMIR Rehabil Assist Technol. 2019 Jun 21;6(1):e14523. doi:10.2196/14523

Neubauer M, Moser L, Neugebauer J, Raudner M, Wondrasch B, Führer M, et al. Artificial-Intelligence-Aided Radiographic Diagnostic of Knee Osteoarthritis Leads to a Higher Association of Clinical Findings with Diagnostic Ratings. J Clin Med. 2023 Jan 17;12(3):744. doi:10.3390/jcm12030744

Howcroft J, Kofman J, Lemaire ED. Prospective Fall-Risk Prediction Models for Older Adults Based on Wearable Sensors. IEEE Transactions on Neural Systems and Rehabilitation Engineering. 2017 Oct;25(10):1812–20. doi:10.1109/TNSRE.2017.2687100

Chen M, Wang H, Yu L, Yeung EHK, Luo J, Tsui KL, et al. A Systematic Review of Wearable Sensor-Based Technologies for Fall Risk Assessment in Older Adults. Sensors. 2022 Sep 7;22(18):6752. doi:10.3390/s22186752

Roshdibenam V, Jogerst GJ, Butler NR, Baek S. Machine Learning Prediction of Fall Risk in Older Adults Using Timed Up and Go Test Kinematics. Sensors. 2021 May 17;21(10):3481. doi:10.3390/s21103481

Wei M, Meng D, He S, Lv Z, Guo H, Yang G, et al. Investigating the efficacy of AI-enhanced telerehabilitation in sarcopenic older individuals. Eur Geriatr Med. 2024 Oct 25;16(1):115–23. doi:10.1007/s41999-024-01082-y

Jirasakulsuk N, Saengpromma P, Khruakhorn S. Real-Time Telerehabilitation in Older Adults With Musculoskeletal Conditions: Systematic Review and Meta-analysis. JMIR Rehabil Assist Technol. 2022 Sep 1;9(3):e36028. doi:10.2196/36028

Alhasan H, Alandijani E, Bahamdan L, Khudary G, Aburaya Y, Awali A, et al. Home-Based Virtual Reality Training for Enhanced Balance, Strength, and Mobility Among Older Adults With Frailty: Systematic Review and Meta-Analysis. JMIR Serious Games. 2025 Jul 18;13:e67146–e67146. doi:10.2196/67146

Yen HY, Chiu HL. Virtual Reality Exergames for Improving Older Adults’ Cognition and Depression: A Systematic Review and Meta-Analysis of Randomized Control Trials. J Am Med Dir Assoc. 2021 May;22(5):995–1002. doi:10.1016/j.jamda.2021.03.009

Chang CH, Wei CC, Lien WC, Yang TH, Liu B, Lin Y, et al. The Usability and Effect of a Novel Intelligent Rehabilitation Exergame System on Quality of Life in Frail Older Adults: Prospective Cohort Study. JMIR Serious Games. 2025 Jan 21;13:e50669–e50669. doi:10.2196/50669

Martini E, Crea S, Parri A, Bastiani L, Faraguna U, McKinney Z, et al. Gait training using a robotic hip exoskeleton improves metabolic gait efficiency in the elderly. Sci Rep. 2019 May 9;9(1):7157. doi:10.1038/s41598-019-43628-2

He Y, He Q, Liu Q. Technology Acceptance in Socially Assistive Robots: Scoping Review of Models, Measurement, and Influencing Factors. J Healthc Eng. 2022 Jul 22;2022:1–10. doi:10.1155/2022/6334732

Su J, Zhang Y, Ke Q qi, Su J kun, Yang Q hong. Mobilizing artificial intelligence to cardiac telerehabilitation. Rev Cardiovasc Med. 2022 Jan 25;23(2). doi:10.31083/j.rcm2302045

Murdoch B. Privacy and artificial intelligence: challenges for protecting health information in a new era. BMC Med Ethics. 2021 Dec 15;22(1):122. doi:10.1186/s12910-021-00687-3

Ho A. Are we ready for artificial intelligence health monitoring in elder care? BMC Geriatr. 2020 Dec 21;20(1):358. doi:10.1186/s12877-020-01764-9

Seckin G. Editorial: AI-driven healthcare delivery, ageism, and implications for older adults: emerging trends and challenges in public health. Front Public Health. 2025 Dec 18;13. doi:10.3389/fpubh.2025.1755410

Joseph J. Designing for dignity: ethics of AI surveillance in older adult care. Front Digit Health. 2025 Aug 22;7. doi:10.3389/fdgth.2025.1643238

Boudi AL, Boudi M, Chan C, Boudi FB. Ethical Challenges of Artificial Intelligence in Medicine. Cureus. 2024 Nov 26. doi:10.7759/cureus.74495

Descargas

Publicado

2026-08-05

Cómo citar

APLICACIONES DE LA INTELIGENCIA ARTIFICIAL EN LA FISIOTERAPIA GERIÁTRICA: AVANCES, DESAFÍOS Y PERSPECTIVAS PARA MEJORAR LA CALIDAD DE VIDA DEL ADULTO MAYOR. (2026). Revista Politécnica De La Ciencia, 4(9), 178-192. https://doi.org/10.56519/86nt4t87