El Trastorno del Espectro Autista (TEA) engloba un conjunto de afecciones relacionadas con el desarrollo neurológico, que se manifiestan en dificultades en la interacción social y la comunicación, así como en patrones atípicos de comportamiento. Entre estos últimos se incluyen problemas para hacer frente a los cambios o respuestas inusuales a estímulos sensoriales. Según la Organización Mundial de la Salud (OMS), aproximadamente uno de cada 100 niños vive con TEA.

Las características propias de este trastorno pueden identificarse desde la primera infancia. Sin embargo, en muchos casos, el diagnóstico no se realiza hasta etapas más avanzadas del desarrollo. Actualmente, la detección del TEA se basa principalmente en la observación conductual y en entrevistas estructuradas, como la Escala de Observación para el Diagnóstico del Autismo (ADOS). Estas herramientas, aunque ampliamente utilizadas, dependen en gran medida del criterio subjetivo del profesional.

En este sentido, una tesis doctoral defendida recientemente en la Universidad de La Laguna por Roberto Chávez Trujillo, graduado en Ingeniería Electrónica y doctor en Ingeniería de Sistemas y Automática, ha dado lugar al desarrollo de una herramienta de apoyo al diagnóstico basada en el análisis de datos de seguimiento ocular (eye tracking) y en el entrenamiento de un algoritmo de inteligencia artificial (IA) capaz de determinar si los patrones visuales de una persona corresponden a un grupo de diagnóstico de autismo. La propuesta busca ofrecer un instrumento más objetivo que complemente los métodos tradicionales en la identificación de TEA.

Con un diagnóstico precoz, las personas con TEA pueden acceder a estrategias de intervención psicopedagógicas y conductuales que mejoran significativamente su calidad de vida. “El análisis de datos a través del seguimiento ocular es una herramienta muy interesante, ya que está demostrado que los patrones visuales de las personas con TEA presentan alteraciones desde aproximadamente los seis meses de edad y pueden registrarse mediante esta técnica”, señala Chávez Trujillo.

El investigador comenzó a interesarse por áreas como la ciencia de datos, el machine learning y la IA durante el Máster en Ingeniería Industrial. “Fue mi tutora del Trabajo de Fin de Máster, Rosa Aguilar Chinea, catedrática del Departamento de Ingeniería Informática y de Sistemas, quien me comentó la idea de realizar una tesis en torno a la aplicación de técnicas de IA como apoyo al diagnóstico”. Así realizó la transición del ámbito de la electrónica al campo de la informática, desarrollando una tesis dirigida por la catedrática.

Aprendizaje automático

El proceso de trabajo de la tesis fue arduo. En su etapa inicial, se realizó un procesamiento de datos bastante complejo, ya que el eye-tracking devuelve una cantidad enorme de valores. “Recogíamos muestras cada tres milisegundos aproximadamente, y cada muestra contaba con más de 100 variables”, afirma. “Todo eso requiere un procesamiento y análisis de datos que no es posible hacer mediante las técnicas de estadística clásica”, sostiene. En todo este proceso, la ciencia de datos toma un papel relevante, ya que extrae patrones a partir de grandes volúmenes de información.

Luego de eso, la siguiente etapa consistió en emplear algoritmos de aprendizaje automático. “No tanto de deep learning, porque la cantidad de sujetos con la que contábamos al principio no era lo suficientemente grande como para desarrollar un modelo basado en redes neuronales”, explica. Por eso, se optó por modelos más clásicos. En concreto, se utilizó el modelo XGBoost, una técnica que combina modelos más simples y, al juntarlos, ofrece un rendimiento mejor que si se usaran por separado.

“Gracias a este modelo logramos una buena exactitud en la clasificación muestral”, afirma. “Al realizar esta clasificación de forma individual, agregando cada una de las muestras, conseguimos clasificar correctamente al 100% de los sujetos en el conjunto de test. Hay que tener en cuenta que, cuando vas a utilizar un algoritmo de aprendizaje automático, hay que dividir el conjunto de datos en tres partes: una para entrenamiento, otra para validación y otra para testeo”, afirma. Primero se entrena el modelo, luego se ajusta y prueba su rendimiento y finalmente se evalúa con el conjunto de test. “Esta última evaluación permite tener una visión imparcial y no sesgada de cómo se comportaría el modelo con datos reales”, señala.

Por último, se desarrolló una página web de estilo plug and play que simplifica el proceso de diagnóstico. “Se extrae el fichero de datos del eye-tracker, y sin que el usuario tenga que realizar ningún tipo de procesamiento, simplemente lo carga en la página web”, explica. “Esta se encarga automáticamente de ejecutar todos los pasos para ofrecer un diagnóstico para cada uno de los individuos incluidos en el fichero”. De este modo, la página web permite que personas sin conocimientos técnicos, sin experiencia en programación o sin formación en ingeniería puedan obtener un diagnóstico de forma sencilla.

Conclusiones

La literatura científica ya señalaba la existencia de patrones de exploración visual distintivos o atípicos en las personas con TEA frente a las personas neurotípicas. En la tesis se han aprovechado estos patrones diferenciales para registrar su comportamiento mientras visualizaban una serie de imágenes seleccionadas para poner de manifiesto estas diferencias. Así, a partir de estos patrones, se desarrolló el algoritmo de aprendizaje automático. Paralelamente, en cuanto al aspecto más técnico, se desarrolló una librería de código en Python, de carácter open source. “Está disponible para desarrolladores o investigadores que trabajen en el ámbito del eye-tracking”, expone.

En la segunda parte del estudio, se amplió la muestra de datos. “Los resultados fueron algo más heterogéneos”, señala. “Eran más de 100 sujetos y surgieron otra serie de retos para los que se propusieron diversas soluciones”, indica. “Al reentrenar los algoritmos con estos nuevos sujetos, el rendimiento del modelo descendió considerablemente”, cuenta. Así, para solucionar este problema, Chávez Trujillo desarrolló varias técnicas analíticas para tratar de encontrar estos sujetos atípicos dentro del conjunto TEA. Una de las técnicas consistió en analizar sus patrones de parpadeo, así como el tamaño de la pupila, entre otros aspectos. “Otra técnica supuso analizar la secuencia de exploración, es decir, los puntos por los que iba pasando la mirada”, cuenta.

Este análisis se realizó por pares de individuos. TEA con TEA, controles con controles y controles con TEA. “Al final, se pudo extraer una puntuación de similitud entre sus patrones de exploración visual, y en base a eso, se pudo detectar que los patrones concretos de algunos individuos eran muy distintos a los del resto de su grupo”, explica.

Chávez Trujillo señala que los datos fueron aportados por el profesor José Luis González Mora, catedrático y responsable del grupo de investigación del Laboratorio de Neuroquímica y Neuroimagen de la Universidad de La Laguna. En un primer momento, estos datos fueron trabajados por Chávez Trujillo y su directora, Aguilar Chinea, si bien, más adelante, el autor de la tesis se incorporó a dicho grupo, lo que le permitió acceder a una segunda muestra, más amplia. Todos los datos fueron obtenidos gracias al equipamiento disponible en el grupo de investigación.

Fuente: Universidad de La Laguna

En un mundo cada vez más consciente de la necesidad de transitar hacia energías limpias y sostenibles, la Escuela de Ingeniería de Bilbao (UPV/EHU), ha dado un paso adelante con su equipo InnoBoat Bizkaia. Este grupo de estudiantes y docentes ha debutado en el Monaco Energy Boat Challenge 2025, un prestigioso certamen internacional que reúne a universidades de todo el mundo para competir en el diseño y construcción de embarcaciones impulsadas por energías alternativas. Celebrado del 2 al 5 de julio en las aguas del Yacht Club de Mónaco, el evento no solo pone a prueba la ingeniería náutica, sino que fomenta la colaboración universitaria en un entorno de innovación y sostenibilidad.

El Monaco Energy Boat Challenge, que en 2025 alcanzó su duodécima edición, es mucho más que una competición: es un laboratorio flotante donde se exploran tecnologías emergentes como motores eléctricos, baterías de alta eficiencia y materiales ecológicos. Organizado por el Yacht Club de Mónaco, el certamen atrae a equipos de más de 20 nacionalidades, con categorías que van desde prototipos solares hasta diseños impulsados por hidrógeno. En la categoría «Energy Class», donde compitió Innoboat Bizkaia, el enfoque está en maximizar la eficiencia energética y la resistencia, simulando escenarios reales de navegación sostenible. Este año, el evento destacó por romper récords de velocidad y eficiencia, con participantes como el equipo UniBoAT de la Universidad de Bolonia llevándose el título general, pero también por las charlas sobre innovaciones como propulsores toroidales y sistemas de IA integrados en las embarcaciones.

Primer contacto

Para InnoBoat Bizkaia, esta fue su primera incursión en el certamen, y los resultados superaron las expectativas. El equipo, compuesto por nueve estudiantes de diversas titulaciones — Grado en Ingeniería Informática de Gestión y Sistemas de Información, grado en Marina, Náutica y Transporte Marítimo, Ingeniería en Tecnología Industrial, Ingeniería Electrónica Industrial y Automática, entre otras—, logró la novena posición en la clasificación general entre 20 participantes. Además, destacaron con un sexto puesto en la prueba de resistencia y un séptimo en el récord de velocidad. David Boullosa, subdirector de Enseñanzas Náuticas y Formación continua de la Escuela de Ingeniería de Bilbao y responsable del proyecto, compartió su entusiasmo: «Este año ha sido nuestra primera toma de contacto con el certamen, y nuestra intención principal era aprender. No obstante, estamos muy orgullosos de esta novena posición, especialmente por lo limitados que hemos estado para realizar pruebas dinámicas con la embarcación. Es un resultado mucho mejor del que esperábamos, y volvemos con muchas ideas para mejorar en próximas ediciones».

El proyecto InnoBoat Bizkaia forma parte de una tradición consolidada en la Escuela de Ingeniería de Bilbao: el aprendizaje basado en proyectos (PBL, por sus siglas en inglés). Este enfoque pedagógico transforma a los estudiantes en protagonistas activos de su educación, organizándolos en estructuras similares a empresas reales para resolver desafíos prácticos. El PBL no es nuevo en la Escuela de Ingeniera de Bilbao. El equipo Formula Student Bizkaia, iniciado en 2006, es el más conocido, con una trayectoria de éxitos en competiciones automovilísticas universitarias a nivel global. Inspirados en este modelo, la escuela ha ampliado este enfoque a distintos ámbitos, impulsando iniciativas como Moto Student en motociclismo, BiSKY Team en el diseño y fabricación de cohetes, o Guitar STREAM en la creación de guitarras eléctricas, y, ahora, InnoBoat Bizkaia, centrado en el diseño y construcción de embarcaciones con propulsión sostenible.

El camino hacia Mónaco tampoco fue improvisado. En julio de 2024, David Boullosa y Alfonso Isasi, uno de los alumnos del equipo, viajaron al certamen como observadores. Su objetivo era analizar las estrategias de los equipos rivales, identificar tecnologías clave y establecer contactos. “Esta experiencia nos permitió conocer de primera mano las embarcaciones participantes, sus sistemas de propulsión sostenible y las distintas estrategias de diseño e integración tecnológica empleadas por los equipos internacionales. Gracias a estas observaciones, pudimos identificar buenas prácticas e ideas clave que han resultado fundamentales en el proceso de diseño y construcción de nuestra propia embarcación para competir en la edición de este año», nos explicó David Boullosa.

Durante el curso académico 2024-2025, el equipo se reunió semanalmente en el aula InnoBoat, ubicado en el edificio Nautika de la Escuela de Ingeniería de Bilbao. Este taller, visible desde el nuevo paseo marítimo de Portugalete, sirve como sala de reuniones, laboratorio y cuartel general. Allí, los estudiantes diseñaron y construyeron su embarcación desde cero. Otras labores complementarias incluyeron la creación de una página web para visibilizar el proyecto y la búsqueda activa de patrocinadores. La diversidad de perfiles en el equipo—desde graduados en Marina y Náutica a Ingenierías en Tecnología Industria o Informática— enriqueció el proceso, fomentando habilidades transversales como el trabajo en equipo, la gestión de proyectos y la resolución de problemas bajo presión. Por el camino, InnoBoat ha participado en ferias sectoriales como Ababor 2025, exponiendo su proyecto y entrando en contacto con empresas del sector. También estuvo presente en Sail Inn Pro un evento de referencia sobre innovación en la industria de la vela deportiva, la náutica recreativa, la movilidad marítima y las ciencias del océano, entre otras.

Los espónsores del equipo

El apoyo externo fue fundamental. La Diputación Foral de Bizkaia proporcionó el capital inicial, como en otros PBL de la escuela, actuando como «tractor» para lanzar la iniciativa. ePropulsion contribuyó con tecnología de vanguardia, mientras que empresas como Loctite (Henkel), Ingeteam, Solé y Zineti donaron materiales y conocimientos especializados. Aunque no se considera un patrocinio formal, la colaboración con Formula Student Bizkaia fue decisiva: donaron un monocasco antiguo de fibra de carbono de uno de sus coches de carreras, que el equipo adaptó para la cabina de la embarcación. «Estábamos evaluando opciones para la estructura, pero ninguna era tan ligera y resistente», cuenta David Boullosa. «Contactamos con ellos, y este componente nos permitió crear un prototipo optimizado, reduciendo el peso total y maximizando la eficiencia del motor».

Administrativamente, InnoBoat Bizkaia se gestiona a través de la Fundación Euskoiker como un proyecto de transferencia convencional. Los fondos se destinan a la construcción del prototipo, viajes y logística para la competición, incluyendo desplazamientos y hospedaje en Mónaco. Los estudiantes entran en contacto al mercado laboral en su búsqueda de espónsores que les provean de fondos, tecnología o conocimientos para llevar a cabo sus diseños.

El valor educativo del proyecto

Más allá de los resultados competitivos, el valor educativo de InnoBoat radica en su capacidad para desarrollar competencias clave en un contexto de sostenibilidad. Los participantes aprenden a trabajar de forma autónoma, a negociar con proveedores y a iterar diseños basados en pruebas reales. En un mundo donde la transición energética es imperativa, proyectos como este forman a ingenieros capaces de liderar el cambio. «Los PBL transforman la educación: pasas de memorizar teorías a aplicarlas en problemas reales, con un impacto tangible», reflexiona Alfonso Isasi.

Mirando al futuro, el equipo ya planea mejoras para la edición 2026. Además, buscan atraer a más estudiantes para diversificar el equipo. InnoBoat no es solo una competición, es un catalizador para la innovación vasca en náutica sostenible, alineado con los objetivos de desarrollo sostenible de la ONU y el compromiso de la UPV/EHU con la excelencia educativa.

En resumen, el debut de Innoboat Bizkaia en el Monaco Energy Boat Challenge 2025 marca el inicio de una prometedora trayectoria. Con un enfoque en el aprendizaje basado en proyectos, esta iniciativa no solo ha logrado posiciones destacadas, sino que ha fortalecido la formación de futuros ingenieros, fomentando la colaboración entre academia, industria y sociedad. Para más información sobre cómo unirse o apoyar proyectos similares, visita la web de la Escuela de Ingeniería de Bilbao o contacta con la Fundación Euskoiker.

Resultados de la competición:

En la web de Energy Boat Challenge Monaco 2025 se pueden consultar las marcas del equipo de InnoBoat Bizkaia y compararlas con los resultados de otros equipos (enlace):

• Resistencia: 21,78 millas en 2 horas y 56 minutos (una media de 7,39 nudos)
• Velocidad 11,64 nudos (las dos vueltas, 1 km, en 2:47 minutos)
• Slalom 53 minutos y 27 segundos.

La puntuación final del equipo en el ranking general fue de 245,5 puntos, en novena posición y a casi 150 puntos de los siguientes clasificados.

Fuente: EHU

El CTA, ahora presidido por Fran Soto, ha presenta al nuevo equipo de trabajo, donde ha anunciado que Marta Frías, exárbitra, estará al frente de las relaciones institucionales y portavocía, Fernández Borbalán será el responsable técnico y Prieto Iglesias estará al frente del VAR. Sin embargo, una de las novedades para esta temporada que más ha llamado la atención es la incorporación de nuevas tecnologías para la gestión del arbitraje.

Chema Alonso será el asesor de Innovación Tecnológica e Inteligencia Artificial. El ingeniero informático es conocido por su pasado como hacker. Según explica la Federación en su comunicado, realizó el Máster de Sistemas y Tecnologías de la Información y se doctoró en Seguridad Informática, y hasta la fecha ha sido Consejero de Ciberseguridad de Telefónica.

En 2016 fichó por Telefónica como responsable de Innovación y Datos coincidiendo con la etapa de José María Álvarez-Pallete. Chema Alonso ha permanecido en el puesto hasta la llegada a la dirección de Marc Murtra. Anteriormente, el hacker fue fundador y CEO de la empresa de ciberseguridad ElevanPaths.

Chema Alonso, nacido en Madrid en 1975, se hizo conocido por ser uno de los hackers más famosos de España, pero desde hace casi diez años pasó liderar los proyectos de big data, IA y nuevas plataformas en Telefónica. Ahora, lo hará en el Comité Técnico de Arbitraje. Además, el ingenerio informático mantiene activo un blog llamado Un informativo en el lado del mal en el que aporta sus reflexiones sobre ciberseguridad.

Noticia completa: Cadena Ser