logo

Revisión sistemática de programas de entrenamiento cognitivo basados en IA: algoritmos, poblaciones y dominios cognitivos estimulados

10.24050/reia.v22i43.1800
Published 2025-01-16
Articles

Abstract

Este artículo presenta una revisión bibliográfica dividida en dos fases. La primera fase expone los hallazgos encontrados en la literatura gris sobre programas de entrenamiento cognitivo que implementan estrategias de inteligencia artificial (IA) con uso comercial. La segunda fase muestra los resultados de la búsqueda realizada en bases de datos científicas, centrándose en estudios que describen el diseño e implementación de software para entrenamientos cognitivos mediante el uso de algoritmos de IA. El objetivo ha sido identificar qué algoritmos inteligentes fueron implementados, qué funcionalidades o momentos dentro de los entrenamientos cognitivos intervienen estos algoritmos, qué poblaciones se han estudiado y qué dominios cognitivos fueron estimulados. La revisión se ha realizado siguiendo el protocolo PRISMA (por sus siglas en inglés Preferred Reporting Items for Systematic reviews and Meta-Analyzes), guiada por una pregunta de investigación que orientó tanto la búsqueda de software comercial en literatura gris como la realizada en siete bases de datos científicas. En la literatura gris se lograron identificar 31 plataformas de uso comercial para entrenamientos cognitivos que hacen uso de algoritmos inteligentes, mientras que de las revistas científicas se extrajeron 291 registros. Tanto los programas comerciales como los artículos fueron filtrados siguiendo los criterios de inclusión establecidos para obtener una selección final de cuatro programas y nueve artículos que han sido utilizados para los propósitos de este estudio en la fase de análisis. Los hallazgos mostraron que los algoritmos inteligentes más utilizados son los sistemas de recomendación, particularmente los de filtrado colaborativo, y se utilizan en mayor proporción para proponer desafíos durante  las sesiones de entrenamiento o para variar la dificultad de los ejercicios a partir de los resultados que obtienen los participantes. El objetivo poblacional en las plataformas comerciales son participantes de cualquier edad, particularmente adultos de edad media, mientras que en las investigaciones los grupos etarios más estudiados se enfocaron en niños con enfermedades o trastornos de aprendizaje y adultos mayores entre los 60 y 90 años con deterioro cognitivo o lesiones cerebrales. En ambos casos, apuntan a estimular en un mayor porcentaje dominios cognitivos como la atención, la memoria y las funciones ejecutivas.

Keywords

Categories

Authors

  • Oscar Fernando Bedoya Leiva

    Colombia

  • Paula Andrea Figueroa-Polanco

    Colombia

References

Antunes, A., & Madeira, R. (2021). PLAY - Model-based Platform to Support Therapeutic Serious Games Design. Procedia Computer Science, 198, pp. 211-218. doi: https://doi.org/10.1016/j.procs.2021.12.230

Bainbridge , K., & Mayer, R. (2017). Shining the Light of Research on Lumosity. Journal of Cognitive Enhancement, 2, pp. 43-62. doi: https://doi.org/10.1007/s41465-017-0040-5

Baldisseri, F., Maiani, A., Montecchiani, E., Delli Priscoli, F., Giuseppi, A., Menegatti, D., & Fogliati, V. (2022). An Integrated Music and Artificial Intelligence System in Support of Pediatric Neurorehabilitation. Healthcare, 10(10), pp. 1-11. doi: https://doi.org/10.3390/healthcare10102014

Barocas, S., Hardt, M., & Narayanan, A. (2023). Classification. Fairness and machine learning Limitations and Opportunities. London: The MIT Press, pp. 49-80.

Barranco, M., Pérez , L., & Martinez, L. (2006). Un Sistema de Recomendación Basado en Conocimiento con Información Lingüística Multigranular. In Proceedings of the SIGEF XIII: Optimization techniques: Fuzziness and nonlinearity for management and economy, pp. 645-664.

Berrío, A. (2020). Sistemas de Recomendación, tesis (Grado en Estadística), Valladolid. Universidad de Valladolid, España, p. 4. http://uvadoc.uva.es/handle/10324/43778.

Bhareti, K., Perera, S., Jamal, S., Pallege, M. H., Akash, V., & Wiieweera, S. (2020). A Literature Review of Recommendation Systems. 2020 IEEE International Conference for Innovation in Technology (INOCON). Bangluru, India, pp. 1-7. doi: https://doi.org/10.1109/INOCON50539.2020.9298450

BrainHQ. (23 de 11 de 2015). Posit Science lanza programa de entrenamiento cerebral en español. Obtenido de https://www.brainhq.com/news/latest-news/posit-science-lanza-programa-de-entrenamiento-cerebral-en-espanol/

BrainHQ. (08 de 04 de 2024). BrainHQ: Personalized Training. Obtenido de https://support.brainhq.com/hc/en-us/articles/360033432171-How-the-Personal-Trainer-picks-exercises

Budianto, I., Yusrotis, A., & Sari, A. (s.f.). Web Based Video Games Recommendation System Using Collaborative Filtering Method. 2023 International Conference on Informatics, Multimedia, Cyber and Information Systems (ICIMCIS), pp. 549-554. doi: https://doi.org/10.1109/ICIMCIS60089.2023.10348983

CogniFit. (s.f.). Evaluaciones cognitivas. Recuperado el 28 de 02 de 2024, de https://www.cognifit.com/ec/test-cognitivo#:~:text=La%20Evaluaci%C3%B3n%20Cognitiva%20para%20conductores,visual%20y%20tiempo%20de%20respuesta

CogniFit. (s.f.). Individualized Training System™ (ITS): Personalized Brain Fitness Programs. Recuperado el 02 de 28 de 2024, de https://www.cognifit.com/cognifit-individualized-training-system

Cortés Luque, E. (s.f.). Sincrolab: Inteligencia artificial para entrenar el cerebro. Recuperado el 24 de 02 de 2024, de https://blogthinkbig.com/peoplefirst/sincrolab-inteligencia-artificial

Eun, S., Kim, E., & Kim , J. (2022). Development and Evaluation of an Artificial Intelligence–Based Cognitive Exercise Game: A Pilot Study. Journal of Enviromental and Public Health, pp. 1-15. doi: https://doi.org/10.1155/2022/4403976

Fajardo Cuéllar, A., & Wobbeking Sánchez, M. (2020). Programa de intervención para estimular la reserva cognitiva en el enjecimiento activo. Studia Zamorensia, XIX, 19, pp. 91-101.

González-González , C., Toledo-Delgado, P., Muñoz-Cruz, V., & Torres-Carrión, P. (2019). Serious games for rehabilitation: Gestural interaction in personalized gamified exercises through a recommender system. Journal of Biomedical Informatics, 97, pp. 1-19. doi: https://doi.org/10.1016/j.jbi.2019.103266

Hardy, J., & Scanlon, M. (2009). The sciencia behind Lumosity. Obtenido de https://citeseerx.ist.psu.edu/document?repid=rep1&type=pdf&doi=17e03b5d406520ea079533c30f4fbbbb72bb7178

Herpich, M., Rist, T., Seiderer, A., & Andre, E. (s.f.). Towards a Gamified Recommender System for the Elderly. DH '17: Proceedings of the 2017 International Conference on Digital Health. London, United Kingdom, New York: United States, pp. 211-215. doi: https://doi.org/10.1145/3079452.3079500

Hyman, K. (2017). Is Lumosity an effective brain training program?: A meta-analysis of the existing research. Carolina del Norte: Western Carolina University. Obtenido de https://api.semanticscholar.org/CorpusID:149209529

Imbeault, F., Bouchard, B., & Bouzouane, A. (2011). Serious Games in Cognitive Training for Alzheimer’s Patients. 2011 IEEE 1st International Conference on Serious Games and Applications for Health (SeGAH), Braga, Portugal, pp. 1-8. doi: https://doi.org/10.1109/SeGAH.2011.6165447

Jara Madrigal, M. (2008). Estimulación cognitiva en personas adultas mayores. Revista Cúpula, 22(2), pp. 4-14.

Kim, J. J., Kim, Y.-J., Lee, H.-M., Lee, S.-H., & Chung, S.-T. (2018). Personalized Recommendation System for Efficient Integrated Cognitive Rehabilitation Training Based on Bigdata, Stephanidis, C. (eds) HCI International 2018 – Posters' Extended Abstracts. HCI 2018. Communications in Computer and Information Science, vol 851, Cham: Springer, pp. 32-39. doi: https://doi.org/10.1007/978-3-319-92279-9_4

Kotyrba, M., Habiballa, H., Volná, E., Jarušek, R., Smolka, P., Prášek, M., . . . Kulišťák, P. (2022). Expert System for Neurocognitive Rehabilitation Based on the Transfer of the ACE-R to CHC Model Factors. Expert System for Neurocognitive Rehabilitation Based on the Transfer of the ACE-R to CHC Model Factors, 11(1), pp. 1-19. doi: https://doi.org/10.3390/math11010007

Kpolovie, P. (2012). Lumosity training and brain-boosting food effects on learning. Education Research Journal , 2(6), pp. 217-230.

Laseno, F., & Hendradjaya, B. (2019). Knowledge-Based Filtering Recommender System to Propose Design Elements of Serious Game. 2019 International Conference on Electrical Engineering and Informatics (ICEEI), Bandung, pp. 158-163. doi: https://doi.org/10.1109/ICEEI47359.2019.8988797

Lumos Lab. (16 de Marzo de 2017). Meet Lumosity's Research Team. Obtenido de https://www.lumosity.com/en/blog/meet-lumositys-research-team

Mahncke, H. (2020). How can I compare my performance to others? Obtenido de https://support.brainhq.com/hc/en-us/articles/360031596611-How-can-I-compare-my-performance-to-others

Martínez Ferreras, D. (2017). . Sistemas automatizados de gestión de tesauros. Tesauros en línea. Los tesauros. Barcelona, pp. 31-34, Universidad Oberta de Cataluya. https://openaccess.uoc.edu/bitstream/10609/236/9/Fundamentos%20de%20lenguajes%20documentales_M%C3%B3dulo5_Los%20tesauros.pdf

Mateer, C. (2003). Introducción a la rehabilitación cognitiva. Avances en Psicología Clínica Latinoamericana, 21, pp. 11-20.

Navarro , J., Faiyaz , D., Zamudio, V., Iqbalc, R., Kumar Sangaiah, A., & Lino, C. (2018). Fuzzy adaptive cognitive stimulation therapy generation for Alzheimer’s sufferers: Towards a pervasive dementia care monitoring platform. Future Generation Computer Systems, 88, pp. 479-490. doi: https://doi.org/10.1016/j.future.2018.06.018

O'Connor, D., Green, S., & Higgins, J. (2008). Defining the Review Question and Developing Criteria for Including Studies. En T. J. Higgins JPT, Cochrane Handbook for Systematic Reviews of Interventions. Chichester, pp. 81-94, John Wiley & Sons. doi: https://doi.org/10.1002/9780470712184.ch5

Ogata, H., Flanagan, B., Takami, K., Dai, Y., Nakamoto, R., & Takii, K. (2023). EXAIT: Educational eXplainable Artificial Intelligent Tools for personalized learning. Research and Practice in Technology Enhanced Learning, 19, pp. 1-30. doi: https://doi.org/10.58459/rptel.2024.19019

Page, M., McKenzie, J., Bossuyt, P., Boutron, I., Hoffmann 5, T., Mulrow, C., . . . Brennan, S. (2021). The PRISMA 2020 statement: an updated guideline for reporting systematic reviews. BMJ, 372(70). doi: https://doi.org/10.1136/bmj.n71

Peña, S., & Raymondi, W. (2023). Análisis de las predicciones en un filtro colaborativo basado en el algoritmo ALS para una empresa de comida rápida en la ciudad de Guayaquil. Guayaquil, pp. 16-47, Editorial Tecnocientífica Americana. doi: https://doi.org/10.51736/eta.vi.58

Prins, P. &. (2013). “Braingame Brian”: Toward an Executive Function Training Program with Game Elements for Children with ADHD and Cognitive Control Problems. Games for Health Journal, 2(1), pp. 44-49. doi: https://doi.org/10.1089/g4h.2013.0004

Rennie, J., Zhang, M., Hawkins, E., Bathelt, J., & Astle, D. (2020). Mapping differential responses to cognitive training using. Dev Sci, 23(12868), pp. 1-15. doi: https://doi.org/10.1111/desc.12868

Rocha, R., Fernandes, S., & Santos, I. (2023). The Importance of Technology in the Combined Interventions of Cognitive Stimulation and Physical Activity in Cognitive Function in the Elderly: A Systematic Review. Healthcare, 11(17), pp. 1-20. doi: https://doi.org/10.3390/healthcare11172375

Rosell, J. (2018). Estimulación cognitiva para personas mayores sanas mediante programas computarizados: una revisión de la literatura. Estudios de Psicología = Studies in Psychology, 39(2-3), pp. 421-436. doi: https://doi.org/10.1080/02109395.2018.1494678

Shahmoradi, L., Mohammed, F., & Rahmani, M. (2022). A Systematic Review on Serious Games in Attention Rehabilitation and Their Effects. Behavioural Neurology, pp. 1-32. doi: https://doi.org/10.1155/2022/2017975

Shen, X., & Xu, C. (2021). Research on children’s cognitive development for learning. Concurrency Computat Pract Exper, 33(6097). doi: https://doi.org/10.1002/cpe.6097

Synaptikon GmbH. (s.f.). Neuronation. Recuperado el 21 de 02 de 2024, de https://www.neuronation.com/science/fr/la-science-derriere-neuronation/

Tetlow, A., & Edwards, J. (2017). Systematic Literature Review and Meta-Analysis of Commercially Available Computerized Cognitive Training Among Older Adults. Journal of Cognitive Enhancement, pp. 559-575. doi: https://doi.org/10.1007/s41465-017-0051-2

Trápaga-Ortega, C., Pelayo-González, H., Sánchez-Ortiz, I., Bello-Dávila, Z., & Bautista Baños, A. (2018). De la psicología cognitiva a la neurosicología. Madrid: El manual moderno, pp. 20-83.

Tsiakas, K., Barakova, E., Khan, J.-V., & Markopoulos, P. (2020). BrainHood: Designing a cognitive training system that supports self-regulated learning skills in children. Technology and Disability, 32(4), pp. 219-228. doi: https://doi.org/10.3233/TAD-200294

Valenzuela, M., & Sachdev, P. (2005). Brain reserve and dementia: a systematic review. Psychological Medicine, 36(4), pp. 441-454. doi: https://doi.org/10.1017/S0033291705006264

Villalba Agustín, S., & Espert Tortajada, R. (2014). Estimulación cognitiva: Una revisión neuropsicológica. Therapeía, 6, pp. 73-94.

Wilms, I. (2011). Using Artificial Intelligence to Control and Adapt Level of Difficulty in Computer-Based, Cognitive Therapy – an Explorative Study. Journal of Cyber Therapy and Rehabilitation, pp. 387-396.

Yue, L., Chen, W.-g., Liu, S.-c., Chen, S.-b., & Xiao, S.-f. (2023). An explainable machine learning based prediction model for Alzheimer's disease in China longitudinal aging study. Frontiers in aging neuroscience, 15. doi: https://doi.org/10.3389/fnagi.2023.1267020

Yun, Y., Dai, H., Zhang, Y., Wei, S., & Shang, X. (2022). Interpretable Educational Recommendation: An Open Framework based on Bayesian Principal Component Analysis. Conference: 2022 IEEE International Conference on Systems, Man, and Cybernetics (SMC), pp. 3409-3414. doi: https://doi.org/10.1109/SMC53654.2022.9945498

Zamarrón, M. (2007). Envejecimiento activo: un reto indivudial y social. Sociedad y utopía: Revista de ciencias sociales, 34, pp. 449-463.

Statistics

Abstract
0
PDF accesses
0

Dimensions

PlumX

Downloads

Download data is not yet available.