Ontología del Movimiento Humano Cinético: un modelo terminológico semántico para representar simbólicamente el movimiento fisiológico

Por qué importa mapear el movimiento

Cada paso, estiramiento o brazada que realizas está impulsado por una coreografía coordinada de músculos, huesos y nervios. Sin embargo, la mayoría de los sistemas de datos sanitarios registran solo que "hiciste ejercicio", no qué partes del cuerpo se movieron, cómo trabajaron en conjunto ni cómo eso puede afectar el riesgo de enfermedad. Este artículo presenta un nuevo vocabulario digital, la Ontología del Movimiento Humano Cinético (KHMO), diseñada para describir el movimiento humano con precisión y en formato legible por máquinas. Al convertir el movimiento en datos estructurados, KHMO pretende ayudar a los investigadores a comprender mejor cómo actividades concretas protegen contra enfermedades crónicas como el cáncer y a dar sentido al aluvión de información procedente de wearables, cámaras y estudios clínicos.

De pasos simples a salud compleja

El movimiento humano es central para la salud. Cuando caminas, levantas una pesa o te deslizas por una piscina, tu sistema musculoesquelético —huesos, músculos, ligamentos y articulaciones— funciona como una máquina muy afinada. Las investigaciones han demostrado que la actividad física regular ayuda a reducir el riesgo de muchos cánceres, disminuye la grasa corporal y altera hormonas y moléculas señalizadoras vinculadas al crecimiento tumoral. Tanto el ejercicio aeróbico, como caminar a paso ligero o nadar, como las actividades de fortalecimiento muscular, como el entrenamiento de resistencia, contribuyen a una mejor supervivencia y a un menor riesgo de cáncer. Pero, aunque sabemos que “más del movimiento correcto” es beneficioso, ha sido mucho más difícil describir con exactitud qué movimientos, qué partes del cuerpo y qué patrones marcan la diferencia.

Construir un lenguaje compartido para el movimiento

Para abordar esto, los autores crearon KHMO, un modelo formal para describir cómo se mueve el cuerpo humano. Partieron de una idea simple tomada de la animación y el cine: cualquier movimiento puede descomponerse en una secuencia de fotogramas, cada uno capturando una postura en un momento determinado. En KHMO, un movimiento básico comienza con una postura y termina con otra, con partes anatómicas específicas —como músculos o huesos concretos— que ayudan a hacer posible esa transición. El modelo conecta actividades planificadas (como «una brazada de natación» o «una forma de Tai Chi») con los movimientos y posturas más pequeños que las componen, y con las partes del cuerpo y los movimientos fisiológicos subyacentes que las habilitan.

Conectar anatomía, movimiento y datos

KHMO no reinventa los términos anatómicos; en su lugar, entrelaza vocabularios biomédicos establecidos en una sola estructura coherente centrada en el movimiento. Reutiliza conceptos de proyectos de ontologías bien conocidos que ya definen partes del cuerpo, conductas y experimentos. Empleando herramientas para la edición de ontologías y la extracción de términos, el equipo vinculó posturas humanas, movimientos de partes del cuerpo y entidades anatómicas como músculos concretos en una base de conocimiento integrada. Ampliaron este recurso usando ejemplos del mundo real, incluido el Tai Chi y la natación, que implican una coordinación corporal extensa y se sabe que benefician la salud. En ese proceso añadieron más de 1.600 términos para músculos y más de 700 entradas de datos que describen movimientos en ejercicios acuáticos, permitiendo un mapeo muy detallado entre una fase de la brazada y los músculos que la impulsan.

Evaluar la calidad y el uso práctico

Para asegurar que KHMO no fuera solo grande sino también fiable, los autores lo evaluaron con un marco semiótico que puntúa qué tan bien está estructurada una ontología (sintaxis), qué tan claros y consistentes son sus términos (semántica) y qué tan amplia es su cobertura del dominio (pragmática). KHMO obtuvo puntuaciones por encima del promedio frente a varias ontologías existentes sobre ejercicio y actividad física, especialmente en cobertura del dominio. Las herramientas de razonamiento automatizado no encontraron contradicciones lógicas en sus definiciones y relaciones. El equipo mostró luego cómo los investigadores pueden consultar KHMO para responder preguntas prácticas: ¿Qué movimientos fisiológicos ocurren en un movimiento dado? ¿Qué partes anatómicas participan? ¿Cómo se coordinan músculos específicos con movimientos concretos? Además, desarrollaron software que convierte descripciones de movimientos en hojas de cálculo a grafos de conocimiento legibles por máquinas vinculados a KHMO, y que también puede asociar imágenes de posturas con las posturas correspondientes.

Rutas futuras para una ciencia del movimiento más inteligente

KHMO se presenta como una base para futuras herramientas que puedan conectar descripciones ricas del movimiento con resultados de salud. Al ser de acceso público y estar alineada con ontologías biomédicas ampliamente usadas, otros investigadores pueden reutilizarla y ampliarla en ciencias del deporte, rehabilitación, robótica y prevención del cáncer. A medida que los sistemas de captura de movimiento, los wearables y los algoritmos de estimación de la pose generen trazas cada vez más detalladas de cómo nos movemos, KHMO ofrece una manera de traducir esas trazas a un lenguaje común. En términos sencillos, es un diccionario estructurado que ayuda a las máquinas a “entender” la historia postura a postura del movimiento humano, facilitando el estudio de qué movimientos, músculos y patrones concretos mejor apoyan la salud a lo largo de la vida.

Cita: Amith, M., Ha, V., Nguyen, E. et al. Kinetic Human Movement Ontology: a semantic terminology model to symbolically represent physiological movement. Sci Data 13, 696 (2026). https://doi.org/10.1038/s41597-026-06984-z

Palabras clave: movimiento humano, ejercicio y cáncer, ontología biomédica, grafo de conocimiento, datos de sensores wearables