OpenMetabolics: Estimación del gasto energético usando un smartphone llevado en el bolsillo

Por qué tu teléfono podría cambiar las reglas del juego en salud

Mantenerse activo es una de las formas más sencillas de proteger la salud, pero aún cuesta medir cuánto se mueve realmente nuestro cuerpo cada día. Los rastreadores de fitness y los contadores de pasos ofrecen estimaciones aproximadas, pero a menudo pasan por alto ráfagas cortas de actividad y evalúan mal el esfuerzo. Este estudio presenta OpenMetabolics, una nueva manera de usar un smartphone normal llevado en el bolsillo del pantalón para estimar cuánta energía quemas en la vida cotidiana, ofreciendo potencialmente a cualquiera con un teléfono acceso a un monitoreo de actividad con calidad de laboratorio.

Convertir teléfonos en el bolsillo en medidores de actividad

La idea central de OpenMetabolics es que las piernas realizan la mayor parte del trabajo en actividades comunes como caminar, subir escaleras, correr y montar en bicicleta. Cuando un teléfono está en el bolsillo, sus sensores de movimiento integrados perciben cada balanceo de la pierna. Los investigadores construyeron un sistema que observa ese movimiento de la pierna y lo usa para estimar cuánta energía están usando los músculos. En lugar de basarse en simples conteos de pasos o zonas de frecuencia cardíaca, el sistema estudia el patrón de movimiento de cada paso y lo vincula con el gasto energético medido en experimentos de laboratorio previos.

Del movimiento crudo a la quema de energía

Para que esto funcionara, el equipo primero tuvo que traducir el movimiento desordenado del mundo real en algo que un ordenador pudiera aprender. Diseñaron algoritmos que alinean la posición del teléfono con el muslo, segmentan el movimiento en pasos individuales de caminar o correr y reducen cada paso a una descripción compacta de cómo se movió la pierna. Luego entrenaron un modelo de aprendizaje automático —construido a partir de muchos pequeños árboles de decisión— con datos de 36 personas que realizaron actividades en el laboratorio mientras su gasto energético real se medía con equipos de respiración especializados. Este modelo aprendió la relación entre el movimiento de la pierna, el tamaño corporal y el uso de energía, lo que le permite luego estimar la energía gastada por cada paso fuera del laboratorio.

Superando a wearables populares en calles reales

Después, los investigadores evaluaron OpenMetabolics en entornos cotidianos. Los voluntarios caminaron, corrieron, subieron escaleras, montaron en bicicleta y caminaron por una pendiente al aire libre mientras llevaban un sistema de respiración tipo mochila para mediciones de referencia, junto con dispositivos comunes: un reloj inteligente, un monitor de frecuencia cardíaca, un podómetro, un sensor de movimiento sujeto al muslo y un teléfono atado al muslo. A través de estas actividades, el sistema basado en smartphone OpenMetabolics produjo las estimaciones de energía más precisas, con aproximadamente la mitad del error acumulado de muchas herramientas existentes. Funcionó especialmente bien durante caminatas reales por aceras y escaleras, donde los contadores simples de pasos y los dispositivos de muñeca a menudo confunden caminar lento y fácil con subir escaleras o caminar en pendiente, que exigen más esfuerzo.

Solucionando el problema de los bolsillos que se mueven

Por supuesto, la gente no suele llevar el teléfono sujeto al muslo. En la vida real, los teléfonos se mueven dentro de bolsillos holgados, creando “ruido de movimiento” que puede confundir a los sensores. Para resolverlo, el equipo registró datos de caminata de personas con distintos tipos de ropa —jeans, pantalones deportivos, pantalones cortos normales y deportivos— mientras llevaban un teléfono en el bolsillo y otro firmemente sujeto al muslo. Entrenaron un modelo de corrección sencillo que aprende el movimiento extra típico causado por el deslizamiento del teléfono en el bolsillo y lo resta. Esto redujo los errores de movimiento en más de una cuarta parte y eliminó la mayor parte del sesgo en las estimaciones de energía entre tipos de ropa. Cuando los investigadores simularon cientos de combinaciones de personas y prendas, los datos corregidos del teléfono en el bolsillo resultaron ser igual de precisos que los de un teléfono firmemente sujeto.

Ver la vida diaria con gran detalle

Finalmente, el equipo realizó un estudio doméstico de una semana en el que los participantes simplemente llevaban un smartphone de estudio en el bolsillo durante las horas de vigilia. OpenMetabolics produjo una estimación de energía para casi cada paso, revelando patrones ricos a lo largo de días y semanas. Captó cómo el movimiento se concentraba en los horarios de desplazamiento, cómo variaban los niveles de actividad entre individuos y cómo el gasto energético disminuía los domingos en comparación con los días laborables —coincidiendo con tendencias observadas en estudios poblacionales mayores. Dado que todo el sistema está implementado como una aplicación y los datos y el código se comparten abiertamente, en principio puede usarse con grandes grupos de personas en muchos entornos, incluidas comunidades que carecen de acceso a equipos médicos costosos.

Qué implica esto para la salud cotidiana

Para quienes no son expertos, la conclusión es sencilla: este trabajo muestra que un smartphone ordinario en tu bolsillo puede rastrear de cerca cuánta energía quemas, paso a paso, igualando equipos especializados de laboratorio y superando a muchos wearables populares. Al hacer los métodos y el software de código abierto, los autores esperan que investigadores, clínicos y organizaciones de salud pública puedan llevar a cabo estudios grandes y económicos que finalmente aclaren cómo el movimiento en el mundo real influye en la salud, el riesgo de enfermedad y el éxito de los tratamientos. A largo plazo, herramientas como OpenMetabolics podrían ayudar a personalizar consejos de ejercicio, orientar el diseño urbano, apoyar programas de control de peso y rehabilitación, y llevar monitoreo de actividad de alta calidad a personas que nunca han tenido un rastreador de fitness.

Cita: Cho, H., Slade, P. OpenMetabolics: Estimating energy expenditure using a smartphone worn in a pocket. Commun Eng 5, 35 (2026). https://doi.org/10.1038/s44172-026-00604-9

Palabras clave: actividad física, gasto energético, detección por smartphone, salud ponible, patrones de marcha