- Un equipo de la UC3M perfecciona Bindi, un sistema en pulseras wearables que detecta el miedo en tiempo real en contextos de violencia de género.
- El análisis se realiza directamente en el dispositivo mediante deep learning optimizado para microcontroladores, sin enviar datos en bruto a la nube.
- Cuando se identifica una situación de riesgo, el sistema lanza una alerta automática a un círculo de confianza y puede escalar el aviso a la policía.
- Con una exactitud cercana al 80%, DeepBindi aspira a validarse en pilotos a gran escala y extenderse a otros ámbitos como el acoso escolar.
En un país donde la violencia de género sigue dejando víctimas mortales cada año, la búsqueda de nuevas herramientas de protección se ha convertido en una prioridad. Más allá de las leyes, los recursos asistenciales y las campañas de sensibilización, la tecnología empieza a ocupar un lugar clave para reaccionar antes de que se produzca la agresión.
En este contexto han cobrado fuerza los llamados wearables que detectan el miedo en víctimas de violencia de género, dispositivos vestibles capaces de registrar cambios fisiológicos y traducirlos en alertas automáticas. Uno de los proyectos más avanzados en Europa en este campo es Bindi, desarrollado por la Universidad Carlos III de Madrid (UC3M), que combina inteligencia artificial con sensores biométricos para anticipar situaciones de riesgo.
Qué es Bindi y qué papel juega el proyecto DeepBindi
Bindi es un sistema de detección de emociones integrado en pulseras u otros wearables que monitorizan en tiempo real las respuestas fisiológicas de la persona usuaria. Está diseñado, sobre todo, para mujeres en contextos de maltrato, con el objetivo de identificar el miedo de forma autónoma y activar protocolos de auxilio sin que la víctima tenga que pulsar un botón.
El desarrollo más reciente forma parte de DeepBindi, un proyecto de investigación multidisciplinar impulsado por el equipo UC3M4Safety. Este grupo reúne especialistas en electrónica, inteligencia artificial, ciberseguridad y estudios de género, lo que permite abordar el problema no solo desde la ingeniería, sino también desde la perspectiva social y de derechos.
Según ha informado la propia universidad, DeepBindi cuenta con financiación de la Agencia Estatal de Investigación y del Instituto Nacional de Ciberseguridad (INCIBE). El objetivo es llevar este tipo de tecnología desde el laboratorio hasta entornos reales, manteniendo como eje central la protección de las víctimas y la confidencialidad de sus datos.
La mejora reciente del sistema se ha detallado en un estudio publicado en el IEEE Journal of Biomedical and Health Informatics, una de las revistas de referencia en tecnología aplicada a la salud. En este trabajo se describe Bindi como un “sistema de detección de miedo de extremo a extremo optimizado para su despliegue en entornos de cómputo extremo en el borde (extreme-edge)”.
Cómo detecta el miedo un wearable: señales fisiológicas y algoritmos de IA
La base de Bindi está en la combinación de sensores biométricos y algoritmos de deep learning. El dispositivo registra continuamente varias señales fisiológicas asociadas a la respuesta de miedo, como la reacción de la piel o los cambios en el flujo sanguíneo, y las interpreta en cuestión de milisegundos.
Una de las responsables del proyecto, la investigadora Laura Gutiérrez Martín, explica que el sistema no trabaja con la señal en bruto, sino que primero se realiza una extracción de 57 características previamente seleccionadas. Estas variables se obtienen de parámetros como la conductancia de la piel (relacionada con el sudor), la temperatura cutánea o el volumen de pulso sanguíneo.
Esta representación compacta de la información se introduce después en una arquitectura convolucional de aprendizaje profundo. Este tipo de redes neuronales, habituales en visión artificial, se han adaptado para reconocer patrones temporales en las respuestas fisiológicas, diferenciando reacciones normales del día a día de aquellas que se corresponden con episodios de miedo intenso o estrés extremo.
Según detalla el equipo investigador, la combinación de la selección de características con la arquitectura convolucional es lo que permite capturar de manera eficaz la dinámica del organismo cuando se activa una respuesta de pánico. De este modo, el sistema puede estimar en tiempo real si la persona se encuentra ante una posible situación de riesgo.
Procesamiento en el propio dispositivo: menos datos en la nube y más privacidad
Una de las principales novedades de esta nueva versión de Bindi es que todo el análisis se realiza en el propio wearable, sin necesidad de enviar las señales crudas a servidores remotos. Hasta ahora, muchos sistemas basados en inteligencia artificial dependían de la nube, donde se ejecutaban los modelos más complejos.
En el caso de DeepBindi, los investigadores han conseguido que la red neuronal funcione en microcontroladores de muy baja potencia integrados en redes de área corporal. Esta aproximación, conocida como extreme-edge deployment, evita saturar las comunicaciones con un flujo constante de datos biométricos y reduce el consumo energético del dispositivo.
Gutiérrez Martín subraya que esta optimización es posible porque el modelo ocupa menos memoria que una fotografía tomada con un móvil. En la práctica, esto significa que la pulsera puede ejecutar algoritmos avanzados de IA sin requerir un hardware voluminoso ni baterías de gran capacidad, algo esencial para que estos wearables sean cómodos y discretos.
Además, procesar la información en el propio cuerpo minimiza el envío de datos sensibles a la nube. Solo se transmiten las alertas y la información estrictamente necesaria, lo que reduce los riesgos asociados a filtraciones, accesos no autorizados o usos indebidos de los datos de salud de las víctimas.
Del miedo a la alerta: cómo se activa la red de apoyo
El diseño de Bindi persigue una idea muy concreta: detectar el miedo antes de que se produzca la agresión. La profesora de la UC3M y directora del Instituto de Estudios de Género, Celia López Ongil, resume así la filosofía del proyecto: se trata de activar una red de apoyo que pueda intervenir de forma inmediata, sin exigir a la mujer que dé ella misma el aviso en un momento de máximo peligro.
El funcionamiento operativo es relativamente sencillo desde el punto de vista de la usuaria. Cuando el sistema identifica un patrón de riesgo compatible con un episodio de miedo intenso, se lanza de manera automática una alerta al llamado círculo guardián o círculo de confianza, previamente configurado por la persona que lleva el wearable.
Ese círculo suele estar compuesto por familiares, amistades u otras personas de referencia capaces de reaccionar con rapidez. Si tras recibir la notificación no se obtiene confirmación de que la usuaria está bien, el protocolo previsto es que el sistema pueda contactar directamente con los cuerpos y fuerzas de seguridad, facilitando los datos necesarios para la intervención.
Paralelamente, Bindi realiza el cifrado de todos los datos registrados durante el episodio y los almacena en un servidor seguro. Esta información, que incluye la evolución temporal de las señales fisiológicas, podría llegar a utilizarse como prueba en un procedimiento judicial, siempre que se respeten las garantías legales y la protección de la privacidad.
Los responsables del proyecto señalan que esta trazabilidad biométrica puede contribuir a objetivar el relato de la víctima, aunque también reconocen que plantea retos en torno a la custodia de los datos, la interpretación de los algoritmos y la posible consideración de estos registros como evidencia en los tribunales.
Resultados del estudio: precisión cercana al 80% y mejoras respecto a versiones previas
El artículo publicado en el Journal of Biomedical and Health Informatics detalla que el sistema ha alcanzado métricas de exactitud en torno al 80% en la detección de episodios de miedo. Esto supone, según la propia UC3M, una mejora de aproximadamente un 26,4% respecto a versiones anteriores del modelo.
En términos de aprendizaje automático, se trata de un salto significativo en un entorno tan complejo como el de las emociones humanas, donde no existe una frontera clara entre el miedo, la ansiedad o el estrés cotidiano. El reto está en reducir al máximo las falsas alarmas sin dejar de detectar episodios realmente peligrosos.
El equipo investigador es prudente y evita presentar la tecnología como infalible. Ese 20% de margen de error obliga a integrar Bindi en un ecosistema más amplio de prevención y respuesta, en el que las fuerzas de seguridad, los servicios sanitarios y los recursos sociales puedan valorar el contexto de cada alerta.
Más allá de las cifras, los investigadores destacan que el sistema no solo se concibe como un “botón del pánico” avanzado, sino también como una herramienta para que las personas usuarias tomen conciencia de sus propios estados emocionales. A medio plazo, esta información podría emplearse para acompañar procesos de recuperación psicológica tras situaciones de violencia.
Retos de despliegue: del laboratorio a un piloto a gran escala
A pesar de los avances técnicos, DeepBindi se encuentra todavía en una fase de transición hacia pruebas en entornos reales. El equipo de la UC3M trabaja en el diseño de un piloto a gran escala que permita validar el funcionamiento del sistema en diferentes contextos y con perfiles diversos de usuarias.
Este tipo de despliegue implica desafíos adicionales: garantizar la autonomía de la batería en un uso continuado, asegurar la robustez del dispositivo frente a interferencias o caídas de la conexión, y definir con claridad los protocolos de actuación de las instituciones cuando se reciba una alerta.
La profesora López Ongil recuerda que el objetivo es que el wearable pueda proporcionar protección las 24 horas del día, sin convertirse en una carga para la usuaria ni en un aparato invasivo. Para ello, la miniaturización de la electrónica y la eficiencia energética del algoritmo son elementos clave.
También será necesario coordinar a los distintos actores implicados en la cadena de respuesta: desde los servicios de emergencia y las fuerzas de seguridad hasta los recursos especializados en violencia de género. La tecnología solo es útil si, detrás de la alerta, existe una estructura capaz de actuar con rapidez y criterio.
Más allá de la violencia de género: posibles aplicaciones en acoso escolar
Aunque el foco principal del proyecto está en las víctimas de violencia machista, los investigadores apuntan que esta tecnología podría extrapolarse a otros ámbitos donde la detección temprana del miedo sea relevante. Uno de los escenarios que se barajan es el del acoso escolar.
El integrante del equipo UC3M4Safety José Ángel Miranda Calero señala que la misma arquitectura que permite identificar el miedo en contextos de pareja o expareja podría adaptarse para reconocer patrones de angustia en menores que sufren bullying. En estos casos, los wearables podrían actuar como un sistema de alerta temprana para familias y centros educativos.
No obstante, los investigadores insisten en que la tecnología, por sí sola, no erradica ni la violencia de género ni el acoso. DeepBindi se concibe como una herramienta complementaria que debe ir acompañada de políticas educativas, campañas de sensibilización, recursos de apoyo psicológico y una respuesta institucional firme.
El posible despliegue en colegios o institutos también abre debates sobre la vigilancia biométrica y la privacidad de menores. La aceptación social de este tipo de dispositivos dependerá, en gran medida, de cómo se gestionen los datos, quién tenga acceso a ellos y qué mecanismos de control se establezcan.
Un cambio de paradigma en la protección a través de wearables de miedo
La evolución de Bindi sintetiza varias tendencias que están marcando el futuro de la seguridad personal en Europa: la integración de IA en dispositivos muy pequeños, el paso del procesamiento en la nube al procesamiento en el borde y la aplicación de estas tecnologías a problemas sociales de gran impacto como la violencia de género.
Por un lado, se demuestra que es posible ejecutar modelos avanzados de deep learning en chips de bajo coste, lo que abre la puerta a una nueva generación de pulseras, colgantes o relojes inteligentes diseñados específicamente para la protección de colectivos vulnerables. Por otro, se refuerza la idea de que los datos más sensibles deben procesarse lo más cerca posible de la persona, reduciendo la exposición a terceros.
Si las próximas pruebas a gran escala confirman los resultados obtenidos en laboratorio, estos wearables que detectan el miedo en víctimas de violencia de género podrían convertirse en una pieza más del engranaje de protección en España y en otros países europeos. No sustituirán a las medidas legales ni al trabajo de los profesionales, pero sí pueden ganar segundos decisivos en la respuesta ante un episodio de agresión.
En última instancia, la trayectoria de Bindi y del proyecto DeepBindi apunta a un escenario en el que la miniaturización de la inteligencia artificial, la protección de la privacidad y la colaboración entre ciencia y políticas públicas caminarán de la mano para ofrecer a las víctimas una capa adicional de seguridad, sin perder de vista que la raíz de la violencia se combate, sobre todo, con prevención, educación y compromiso social.
