Fisioterapia

Inteligencia artificial en fisioterapia: aplicaciones actuales, limitaciones y perspectivas futuras

31 agosto 2026

AUTORES

Esther Rodríguez Terradillos. Fisioterapeuta del Servicio Aragonés de Salud (Barbastro). España.
Martín Blecua Udina. Fisioterapeuta del Servicio Aragonés de Salud (Barbastro). España.
Minerva Sabás Saludas. Terapeuta ocupacional del Servicio Aragonés de Salud (Barbastro). España.
Óscar Romeo Gracia. Enfermero del Servicio Aragonés de Salud (Huesca). España.
Alejandro Blecua Udina. Enfermero del Servicio Aragonés de Salud (Huesca). España.
Carmen Jaime Giménez. Enfermera del Servicio Aragonés de Salud (Barbastro). España.

RESUMEN

Introducción: La inteligencia artificial (IA) se ha consolidado como una de las tecnologías emergentes con mayor capacidad para transformar la asistencia sanitaria. Su aplicación en fisioterapia ha experimentado un notable crecimiento durante los últimos años gracias al desarrollo de algoritmos capaces de analizar grandes volúmenes de datos, reconocer patrones del movimiento humano y apoyar la toma de decisiones clínicas. Estas herramientas ofrecen nuevas posibilidades para la valoración funcional, la planificación terapéutica y el seguimiento de los pacientes, aunque también plantean importantes retos relacionados con la evidencia científica, la ética y la formación profesional.

Objetivo: Analizar las aplicaciones actuales de la inteligencia artificial en fisioterapia, describiendo sus principales beneficios, limitaciones y perspectivas futuras dentro del ámbito de la rehabilitación.

Metodología: Se realizó una revisión narrativa de la literatura científica mediante búsqueda en las bases de datos PubMed/MEDLINE, Scopus, Web of Science y PEDro. Se seleccionaron artículos relacionados con inteligencia artificial, aprendizaje automático, rehabilitación y fisioterapia, priorizando revisiones sistemáticas, estudios clínicos y documentos de consenso publicados preferentemente durante los últimos diez años.

Resultados: La evidencia científica muestra aplicaciones relevantes de la inteligencia artificial en el análisis del movimiento, la valoración funcional objetiva, la personalización del tratamiento, la telerehabilitación y la educación sanitaria. Sin embargo, persisten limitaciones relacionadas con la validación clínica de los algoritmos, la protección de datos, los sesgos tecnológicos y la necesidad de desarrollar competencias digitales entre los profesionales sanitarios.

Conclusiones: La inteligencia artificial constituye una herramienta complementaria con capacidad para mejorar la precisión, eficiencia y personalización de la práctica fisioterapéutica. Su incorporación debe realizarse desde un enfoque ético y basado en la evidencia científica, manteniendo al fisioterapeuta como responsable del razonamiento clínico, la toma de decisiones y la relación terapéutica con el paciente.

PALABRAS CLAVE

Inteligencia artificial, fisioterapia, rehabilitación, aprendizaje automático, salud digital.

ABSTRACT

Introduction: Artificial intelligence (AI) has become one of the emerging technologies with the greatest potential to transform healthcare. Its application in physiotherapy has grown considerably due to the development of algorithms capable of analyzing large amounts of data, recognizing movement patterns and supporting clinical decision-making. These technologies provide new opportunities for functional assessment, treatment planning and patient follow-up, although they also raise important scientific, ethical and educational challenges.

Objective: To analyze current applications of artificial intelligence in physiotherapy, describing its main benefits, limitations and future perspectives in rehabilitation.

Methodology: A narrative review of the scientific literature was conducted using PubMed/MEDLINE, Scopus, Web of Science and PEDro databases. Articles related to artificial intelligence, machine learning, rehabilitation and physiotherapy were included, prioritizing systematic reviews, clinical studies and consensus documents published mainly during the last ten years.

Results: Current evidence highlights relevant applications of artificial intelligence in movement analysis, objective functional assessment, treatment personalization, telerehabilitation and patient education. Nevertheless, limitations remain regarding clinical validation, data privacy, algorithmic bias and the need for digital competencies among healthcare professionals.

Conclusions: Artificial intelligence represents a complementary tool capable of improving the accuracy, efficiency and personalization of physiotherapy practice. Its implementation should be evidence-based and ethically guided while preserving the physiotherapist’s central role in clinical reasoning, decision-making and patient-centered care.

KEY WORDS

Artificial intelligence, physical therapy modalities, rehabilitation, machine learning, digital health.

INTRODUCCIÓN

La inteligencia artificial (IA) se ha consolidado como una de las tecnologías emergentes con mayor capacidad para transformar los sistemas sanitarios durante las últimas décadas¹. Su desarrollo ha estado impulsado por el incremento de la capacidad computacional, la disponibilidad de grandes volúmenes de datos clínicos y el perfeccionamiento de algoritmos capaces de aprender de la información disponible para reconocer patrones, realizar predicciones y apoyar la toma de decisiones². Estos avances han favorecido su incorporación progresiva en múltiples especialidades médicas, contribuyendo a optimizar procesos diagnósticos, terapéuticos y de gestión clínica³.

El concepto de inteligencia artificial engloba diferentes disciplinas. Entre ellas destacan el aprendizaje automático (machine learnin), basado en algoritmos que identifican patrones a partir de los datos sin necesidad de ser programados específicamente para cada tarea, y el aprendizaje profundo (deep learning), que emplea redes neuronales artificiales capaces de analizar información de elevada complejidad, como imágenes médicas, señales biomecánicas o vídeos del movimiento humano⁴. Más recientemente, el desarrollo de la denominada inteligencia artificial generativa ha ampliado aún más las posibilidades de estas tecnologías, permitiendo generar textos, imágenes o recomendaciones clínicas mediante modelos entrenados con grandes cantidades de información. Aunque estas herramientas presentan un enorme potencial, su utilización en el ámbito sanitario exige una validación rigurosa y un uso responsable para garantizar la seguridad del paciente⁵.

Lejos de pretender sustituir al profesional sanitario, la IA debe entenderse como una herramienta de apoyo al razonamiento clínico. Su finalidad es complementar la capacidad del profesional para analizar información compleja, facilitar la interpretación de datos y mejorar la eficiencia asistencial, manteniendo siempre la supervisión humana durante la toma de decisiones⁵. En este sentido, organismos internacionales como la Organización Mundial de la Salud (OMS) insisten en que el desarrollo e implementación de estas tecnologías deben fundamentarse en principios éticos, transparencia, protección de datos, equidad y responsabilidad profesional⁶.

Dentro del ámbito de la rehabilitación, la fisioterapia constituye una de las disciplinas con mayor potencial para la integración de herramientas basadas en inteligencia artificial. La valoración funcional, el análisis del movimiento, la monitorización de la evolución clínica y la necesidad de adaptar continuamente los programas terapéuticos generan una gran cantidad de información susceptible de ser analizada mediante algoritmos inteligentes⁷. La incorporación de estas tecnologías permite complementar la exploración clínica tradicional con medidas objetivas y reproducibles, favoreciendo un seguimiento más preciso de la evolución funcional del paciente.

Uno de los campos donde la IA ha experimentado un mayor desarrollo es el análisis biomecánico del movimiento. La combinación de sistemas de visión artificial, sensores inerciales, dispositivos portátiles (wearables) y algoritmos de aprendizaje automático permite registrar y analizar parámetros relacionados con la marcha, el equilibrio, la postura o la ejecución de ejercicios terapéuticos con un grado de precisión cada vez mayor⁸. Estas herramientas ofrecen nuevas posibilidades para cuantificar alteraciones funcionales, detectar cambios durante la rehabilitación y proporcionar retroalimentación inmediata tanto al fisioterapeuta como al paciente.

Paralelamente, el crecimiento de la salud digital y de la telerehabilitación ha favorecido la aparición de plataformas capaces de monitorizar el tratamiento a distancia, registrar la adherencia a los programas de ejercicio y facilitar el seguimiento domiciliario mediante sistemas inteligentes⁹. Estas estrategias han adquirido especial relevancia tras la pandemia por COVID-19, al demostrar que determinados procesos de rehabilitación pueden mantenerse de forma segura y eficaz mediante modelos híbridos que combinan la atención presencial y el seguimiento remoto.

No obstante, la incorporación de la inteligencia artificial en fisioterapia también plantea importantes desafíos. La mayoría de las herramientas disponibles requieren todavía una validación clínica más amplia antes de incorporarse de manera rutinaria a la práctica asistencial¹⁰. Asimismo, aspectos relacionados con la privacidad de los datos, la existencia de posibles sesgos algorítmicos, la transparencia de los modelos predictivos y la formación específica de los profesionales continúan siendo objeto de debate dentro de la comunidad científica¹⁰^˒¹¹.

En este contexto, resulta necesario analizar de forma crítica el papel que la inteligencia artificial puede desempeñar en la fisioterapia contemporánea. Más allá del interés tecnológico, la incorporación de estas herramientas debe orientarse a mejorar la calidad asistencial, favorecer una rehabilitación más personalizada y optimizar la toma de decisiones clínicas, preservando al mismo tiempo el razonamiento clínico, la comunicación terapéutica y la atención centrada en la persona, elementos que continúan siendo la base de la práctica fisioterapéutica.

OBJETIVOS

Objetivo principal:

Analizar las aplicaciones actuales de la inteligencia artificial en fisioterapia mediante una revisión narrativa de la literatura científica, describiendo sus principales ámbitos de utilización, beneficios potenciales, limitaciones y perspectivas futuras dentro de la práctica clínica y la rehabilitación.

Objetivos específicos:

Describir los fundamentos de la inteligencia artificial y su evolución dentro del ámbito sanitario.
Identificar las principales aplicaciones de la inteligencia artificial en las diferentes áreas de la fisioterapia, incluyendo la valoración funcional, el análisis del movimiento, la personalización del tratamiento y la telerehabilitación.
Analizar las ventajas que estas tecnologías pueden aportar a la práctica clínica y a la atención centrada en el paciente.
Examinar las limitaciones actuales relacionadas con la evidencia científica, los aspectos éticos, la protección de datos, los sesgos algorítmicos y la formación de los profesionales.
Reflexionar sobre las perspectivas futuras de la inteligencia artificial y su posible impacto en la evolución de la profesión fisioterapéutica.

METODOLOGÍA

Se realizó una revisión narrativa de la literatura científica con el objetivo de sintetizar el conocimiento disponible sobre las aplicaciones de la inteligencia artificial en fisioterapia, prestando especial atención a su utilidad clínica, beneficios, limitaciones y líneas de desarrollo futuras.

La búsqueda bibliográfica se efectuó en las bases de datos PubMed/MEDLINE, Scopus, Web of Science y PEDro, por tratarse de las principales fuentes de información científica en ciencias de la salud y fisioterapia. Asimismo, se consultaron documentos elaborados por organismos internacionales y sociedades científicas relacionados con la implementación ética y responsable de la inteligencia artificial en el ámbito sanitario⁵^˒⁶.

Se utilizaron combinaciones de los siguientes términos de búsqueda en inglés: «artificial intelligence», «machine learning», «deep learning», «generative artificial intelligence», «physiotherapy», «physical therapy», «rehabilitation», «digital health», «tele-rehabilitation», «wearable sensors» y «movement analysis», empleando operadores booleanos (AND y OR) para optimizar la estrategia de búsqueda.

Se priorizaron revisiones sistemáticas, revisiones narrativas, estudios observacionales, estudios clínicos, documentos de consenso y guías internacionales publicados preferentemente durante los últimos diez años. No obstante, se incluyeron algunos trabajos considerados de referencia por su relevancia histórica o metodológica en el desarrollo de la inteligencia artificial aplicada a la salud y al análisis del movimiento humano⁸.

Los criterios de inclusión fueron:

Publicaciones en español o inglés.
Estudios relacionados con la aplicación de la inteligencia artificial en fisioterapia, rehabilitación o análisis funcional del movimiento.
Artículos que abordasen aspectos clínicos, tecnológicos, éticos o asistenciales con potencial aplicación en la práctica fisioterapéutica.

Se excluyeron publicaciones centradas exclusivamente en el desarrollo técnico de algoritmos sin aplicabilidad clínica, trabajos duplicados y estudios cuyo contenido no guardaba relación con la fisioterapia o la rehabilitación.

La información seleccionada se organizó en diferentes bloques temáticos para facilitar su análisis: fundamentos de la inteligencia artificial, aplicaciones clínicas en fisioterapia, beneficios potenciales, limitaciones actuales y perspectivas futuras. Posteriormente, se realizó una síntesis narrativa de la evidencia disponible, integrando los hallazgos más relevantes y relacionándolos con el contexto asistencial de la fisioterapia contemporánea.

DESARROLLO

Aplicaciones de la inteligencia artificial en fisioterapia musculoesquelética:

La fisioterapia musculoesquelética constituye una de las áreas donde la inteligencia artificial ha experimentado un mayor desarrollo durante los últimos años⁶. La elevada prevalencia de trastornos musculoesqueléticos, junto con la necesidad de realizar valoraciones funcionales repetidas y programas terapéuticos individualizados, convierte a esta especialidad en un escenario especialmente adecuado para la incorporación de herramientas inteligentes.

Tradicionalmente, la exploración fisioterapéutica se ha basado en la anamnesis, la exploración física y la observación clínica del movimiento. Aunque estos procedimientos continúan siendo el pilar fundamental de la valoración, la incorporación de tecnologías basadas en inteligencia artificial permite complementar dicha información mediante la obtención de parámetros objetivos, reproducibles y cuantificables⁷.

Uno de los principales campos de aplicación es el análisis biomecánico del movimiento. Mediante algoritmos de visión artificial y sistemas de captura de movimiento, es posible registrar la cinemática corporal durante actividades funcionales como la marcha, la carrera, la sedestación, las transferencias o diferentes gestos deportivos⁸. Estas herramientas identifican automáticamente puntos anatómicos y calculan variables relacionadas con la amplitud articular, la velocidad de ejecución, la simetría del movimiento o la coordinación segmentaria, proporcionando información complementaria a la exploración clínica.

En pacientes con lumbalgia, cervicalgia, tendinopatías o lesiones deportivas, estos sistemas permiten detectar alteraciones biomecánicas que, en ocasiones, resultan difíciles de cuantificar únicamente mediante la observación visual. Asimismo, facilitan la comparación objetiva entre diferentes momentos evolutivos, permitiendo valorar la eficacia de las intervenciones fisioterapéuticas y realizar un seguimiento más preciso de la recuperación funcional⁸^˒¹².

Otra aplicación de creciente interés es el empleo de inteligencia artificial para el análisis postural. Diversas plataformas utilizan fotografías o vídeos obtenidos mediante cámaras convencionales para identificar posibles desviaciones en la alineación corporal, estimar rangos articulares y detectar compensaciones durante la ejecución de diferentes movimientos. Aunque estas herramientas no sustituyen la exploración realizada por el fisioterapeuta, pueden aportar medidas objetivas que faciliten la reevaluación clínica y la comunicación de los resultados con el paciente.

La inteligencia artificial también comienza a desempeñar un papel relevante en la personalización del ejercicio terapéutico. Los algoritmos de aprendizaje automático permiten integrar información relacionada con la edad, las características antropométricas, el diagnóstico, la evolución clínica, la intensidad del dolor, el nivel funcional y la respuesta al tratamiento para proponer progresiones individualizadas del ejercicio⁶˒¹³. De esta forma, los programas terapéuticos pueden adaptarse de manera dinámica conforme evoluciona el paciente, favoreciendo una rehabilitación más personalizada y potencialmente más eficiente.

Además, diferentes aplicaciones móviles incorporan sistemas de reconocimiento del movimiento capaces de supervisar la correcta ejecución de los ejercicios prescritos. Mediante la utilización de la cámara del teléfono móvil o de sensores portátiles, estas herramientas analizan la calidad del movimiento realizado por el paciente y proporcionan retroalimentación inmediata cuando detectan errores técnicos o compensaciones que podrían disminuir la eficacia del tratamiento o incrementar el riesgo de lesión⁹.

A pesar de estos avances, la evidencia científica disponible continúa señalando que la mayoría de estas tecnologías deben entenderse como herramientas complementarias al razonamiento clínico. La interpretación de los datos obtenidos requiere siempre la supervisión del fisioterapeuta, quien continúa siendo el responsable de integrar la información objetiva con la exploración física, la entrevista clínica y las características biopsicosociales del paciente¹⁰.

Aplicaciones de la inteligencia artificial en fisioterapia neurológica:

La rehabilitación neurológica constituye otro de los ámbitos donde la inteligencia artificial ha demostrado un importante potencial de desarrollo. Los pacientes con enfermedades neurológicas presentan con frecuencia alteraciones complejas del control motor, el equilibrio, la coordinación y la marcha, cuya valoración y seguimiento requieren evaluaciones periódicas y programas terapéuticos altamente individualizados⁶.

En este contexto, la inteligencia artificial permite analizar grandes cantidades de información procedente de sensores, plataformas de fuerza, sistemas de captura del movimiento y dispositivos portátiles, facilitando una evaluación más objetiva de la función motora. La integración de estos datos con algoritmos de aprendizaje automático favorece la identificación de patrones funcionales que pueden pasar desapercibidos durante la exploración clínica convencional¹³.

Una de las aplicaciones más desarrolladas corresponde al análisis de la marcha en pacientes con ictus, enfermedad de Parkinson, esclerosis múltiple, lesión medular y otras patologías neurológicas. Mediante cámaras convencionales, sensores inerciales o plantillas instrumentadas, los sistemas basados en inteligencia artificial pueden cuantificar parámetros como la velocidad de la marcha, la longitud del paso, la cadencia, la simetría entre ambos miembros inferiores, el tiempo de apoyo o las oscilaciones del centro de gravedad⁷^˒⁸. La monitorización objetiva de estas variables permite detectar cambios funcionales de pequeño tamaño, evaluar la respuesta al tratamiento y apoyar la planificación de los programas de rehabilitación.

En pacientes que han sufrido un accidente cerebrovascular, la inteligencia artificial también se ha utilizado para desarrollar modelos predictivos capaces de estimar la recuperación funcional a partir de variables clínicas obtenidas durante las primeras fases del proceso rehabilitador¹³. Aunque estos modelos todavía presentan limitaciones y requieren validación en diferentes poblaciones, podrían contribuir en el futuro a establecer objetivos terapéuticos más individualizados y a optimizar la planificación de los recursos asistenciales.

Otra línea de desarrollo especialmente prometedora es la integración de la inteligencia artificial con robots de rehabilitación y exoesqueletos. Estos dispositivos permiten registrar de forma continua el rendimiento motor del paciente y adaptar automáticamente parámetros como la asistencia proporcionada, la resistencia al movimiento o la dificultad de las tareas propuestas¹⁴. De esta manera, el entrenamiento puede modificarse en función de la evolución funcional del paciente, favoreciendo una rehabilitación más intensiva y personalizada.

Asimismo, la combinación de inteligencia artificial con realidad virtual y realidad aumentada ha abierto nuevas posibilidades para el entrenamiento motor. Los entornos virtuales inmersivos permiten recrear actividades funcionales en escenarios seguros y controlados, mientras que los algoritmos inteligentes analizan el rendimiento del paciente y ajustan progresivamente la dificultad de las tareas¹⁹. Este tipo de intervención puede incrementar la motivación, mejorar la adherencia al tratamiento y favorecer el aprendizaje motor mediante la repetición intensiva de actividades orientadas a objetivos concretos.

En los últimos años también han adquirido relevancia las interfaces cerebro-computador (brain-computer interfaces), capaces de interpretar determinadas señales neuronales y transformarlas en órdenes para controlar dispositivos externos. Aunque su utilización continúa siendo principalmente experimental, estas tecnologías podrían representar una alternativa terapéutica para pacientes con déficits motores graves, especialmente cuando se combinan con programas de fisioterapia intensiva y otras estrategias de rehabilitación neurológica.

A pesar del rápido desarrollo tecnológico, la evidencia científica disponible continúa mostrando resultados heterogéneos. La mayoría de los estudios presentan tamaños muestrales reducidos, utilizan tecnologías muy diferentes entre sí y evalúan variables de resultado poco homogéneas, lo que dificulta establecer recomendaciones clínicas sólidas⁶. Por este motivo, las principales guías internacionales consideran que la inteligencia artificial debe entenderse actualmente como una herramienta de apoyo al tratamiento fisioterapéutico y no como una intervención independiente.

Implicaciones para la práctica clínica:

La inteligencia artificial ofrece nuevas posibilidades para objetivar la valoración funcional de los pacientes neurológicos y optimizar la planificación del tratamiento rehabilitador. Sin embargo, la complejidad clínica de estos pacientes exige que los datos proporcionados por los sistemas inteligentes sean siempre interpretados dentro del contexto biopsicosocial y funcional por el fisioterapeuta responsable del proceso asistencial.

Aplicaciones transversales de la inteligencia artificial en fisioterapia

La incorporación de la inteligencia artificial no se limita a una especialidad concreta de la fisioterapia, sino que ofrece herramientas con capacidad para mejorar numerosos procesos asistenciales comunes a diferentes ámbitos clínicos. Entre ellos destacan la telerehabilitación, la monitorización remota, el seguimiento de la adherencia terapéutica, la educación sanitaria y la integración de dispositivos portátiles capaces de registrar variables funcionales de forma continua⁹.

Telerehabilitación y seguimiento remoto:

La expansión de la salud digital ha favorecido el desarrollo de modelos de atención híbridos que combinan las sesiones presenciales con el seguimiento domiciliario del paciente. En este contexto, la inteligencia artificial permite analizar la información obtenida durante la realización de ejercicios en el domicilio, detectar posibles errores de ejecución y proporcionar retroalimentación inmediata mediante aplicaciones móviles o plataformas específicas de rehabilitación⁹^˒¹⁵.

Estos sistemas pueden registrar parámetros como el número de repeticiones realizadas, el rango de movimiento alcanzado, la velocidad de ejecución, el tiempo de actividad o la regularidad con la que el paciente completa el programa terapéutico. Posteriormente, los algoritmos analizan esta información y generan informes que facilitan al fisioterapeuta conocer la evolución funcional antes de la siguiente consulta presencial.

La telerehabilitación ha demostrado resultados especialmente prometedores en pacientes con patología musculoesquelética crónica, procesos postquirúrgicos, enfermedades respiratorias crónicas y determinados trastornos neurológicos, favoreciendo la continuidad asistencial y reduciendo algunas de las barreras relacionadas con la distancia geográfica, la movilidad reducida o la disponibilidad de recursos sanitarios¹⁵˒¹⁶.

No obstante, la utilización de estas herramientas debe adaptarse a las características individuales de cada paciente. Factores como la edad, el nivel de alfabetización digital, el acceso a dispositivos tecnológicos o la complejidad clínica pueden condicionar la eficacia de los programas de telerehabilitación, por lo que resulta necesario valorar de forma individualizada la idoneidad de este tipo de intervenciones.

Dispositivos portátiles (wearables) y monitorización continua:

Los dispositivos portátiles o wearables constituyen otra de las aplicaciones con mayor crecimiento dentro de la fisioterapia. Pulseras inteligentes, relojes deportivos, sensores inerciales, acelerómetros o dispositivos integrados en la ropa permiten registrar de manera continua múltiples variables relacionadas con la actividad física y la función motora⁷.

La inteligencia artificial procesa estos datos para identificar patrones de movimiento, estimar niveles de actividad física, detectar cambios funcionales y reconocer posibles alteraciones que puedan requerir una intervención precoz. Esta monitorización continua resulta especialmente útil en pacientes con enfermedades crónicas, personas mayores con riesgo de caídas o pacientes en programas de rehabilitación prolongados.

En fisioterapia respiratoria, por ejemplo, estos dispositivos permiten registrar parámetros relacionados con la actividad física diaria, la frecuencia cardiaca o la tolerancia al esfuerzo, facilitando el seguimiento de pacientes con enfermedad pulmonar obstructiva crónica (EPOC), enfermedades intersticiales o secuelas respiratorias. Del mismo modo, en fisioterapia geriátrica pueden contribuir a detectar disminuciones progresivas de la movilidad o cambios en los patrones de marcha que incrementen el riesgo de caídas, permitiendo intervenir de forma temprana.

A pesar de su potencial, la precisión de los dispositivos comerciales continúa siendo variable y depende tanto de la calidad del hardware como de los algoritmos empleados para interpretar la información registrada. Por ello, los datos obtenidos deben considerarse complementarios a la valoración clínica y no sustituir la exploración realizada por el fisioterapeuta.

Educación sanitaria y mejora de la adherencia terapéutica:

La falta de adherencia a los programas de ejercicio constituye uno de los principales factores que condicionan los resultados del tratamiento fisioterapéutico. Diversos estudios estiman que una proporción importante de los pacientes no realiza los ejercicios domiciliarios con la frecuencia o la calidad recomendadas, lo que puede retrasar la recuperación funcional y disminuir la eficacia de la intervención.

La inteligencia artificial ofrece nuevas estrategias para favorecer la implicación activa del paciente mediante aplicaciones capaces de recordar la realización de los ejercicios, resolver dudas frecuentes, adaptar automáticamente la dificultad del programa terapéutico y proporcionar mensajes personalizados de refuerzo positivo¹⁷. Algunas plataformas incorporan asistentes virtuales capaces de responder preguntas relacionadas con el tratamiento, ofrecer recomendaciones generales y guiar al paciente durante la ejecución de determinadas actividades, siempre dentro de los límites establecidos por el profesional sanitario.

Asimismo, el análisis de los datos registrados durante el seguimiento permite identificar precozmente disminuciones en la adherencia al tratamiento. De este modo, el fisioterapeuta puede intervenir antes de que el abandono del programa terapéutico repercuta negativamente sobre la evolución clínica del paciente.

No obstante, resulta imprescindible recordar que estas herramientas no sustituyen la educación sanitaria proporcionada por el fisioterapeuta. La comunicación terapéutica, el establecimiento de objetivos compartidos y la adaptación del tratamiento a las necesidades individuales continúan siendo elementos fundamentales para conseguir una adecuada adherencia y una atención verdaderamente centrada en la persona.

Implicaciones para la práctica clínica:

Las aplicaciones transversales de la inteligencia artificial permiten ampliar el seguimiento del paciente más allá de la consulta presencial, favoreciendo la continuidad asistencial, la monitorización objetiva y la participación activa en el tratamiento. Sin embargo, su utilización debe contemplarse como un complemento de la atención fisioterapéutica y no como un sustituto del contacto directo entre profesional y paciente.

Beneficios y oportunidades de la inteligencia artificial en fisioterapia:

La incorporación de la inteligencia artificial a la práctica fisioterapéutica ofrece numerosas oportunidades para mejorar la calidad asistencial, optimizar la toma de decisiones clínicas y favorecer una atención más personalizada. No obstante, estos beneficios deben interpretarse desde una perspectiva crítica, entendiendo que la tecnología constituye un complemento del razonamiento clínico y no un sustituto de la actuación profesional del fisioterapeuta¹^˒⁶.

Uno de los principales beneficios de la IA es la objetivación de la valoración funcional. Tradicionalmente, muchas de las decisiones clínicas en fisioterapia se apoyan en la observación del movimiento, la exploración física y las escalas funcionales. Aunque estos procedimientos continúan siendo imprescindibles, la utilización de algoritmos capaces de analizar imágenes, vídeos o señales procedentes de sensores permite cuantificar múltiples parámetros biomecánicos con un elevado grado de precisión⁷^˒⁸. Esta información facilita la comparación objetiva entre diferentes evaluaciones, mejora el seguimiento de la evolución clínica y contribuye a disminuir la variabilidad interobservador.

Otro aspecto especialmente relevante es la personalización del tratamiento. El análisis simultáneo de múltiples variables clínicas permite identificar perfiles de pacientes con características similares y estimar qué estrategias terapéuticas podrían resultar más eficaces en cada caso¹³^˒¹⁴. Este enfoque se alinea con los principios de la medicina y la rehabilitación de precisión, cuyo objetivo consiste en adaptar las intervenciones a las necesidades, capacidades y evolución de cada individuo, evitando programas estandarizados que pueden no responder adecuadamente a la diversidad clínica de los pacientes.

La inteligencia artificial también puede contribuir a optimizar la eficiencia asistencial. La automatización de determinadas tareas administrativas o de análisis de datos reduce el tiempo dedicado a procesos repetitivos y permite que el fisioterapeuta centre una mayor parte de su actividad en la exploración clínica, la planificación del tratamiento y la comunicación con el paciente¹⁷. Del mismo modo, la generación automática de informes o el procesamiento de grandes volúmenes de información funcional puede facilitar la toma de decisiones basada en datos objetivos.

Otro beneficio potencial es la detección precoz de cambios clínicos. Los algoritmos de aprendizaje automático pueden identificar modificaciones sutiles en la marcha, el equilibrio o los niveles de actividad física antes de que sean evidentes durante la exploración convencional⁷. Esta capacidad resulta especialmente interesante en pacientes con enfermedades neurológicas progresivas, personas mayores con riesgo de caídas o pacientes con enfermedades respiratorias crónicas, en quienes una intervención temprana puede contribuir a prevenir el deterioro funcional.

La IA también favorece una mayor continuidad asistencial, especialmente cuando se integra en programas de telerehabilitación y seguimiento remoto⁹^˒¹⁵. La posibilidad de monitorizar la evolución funcional fuera del entorno clínico permite obtener una visión más completa del comportamiento del paciente en su contexto habitual, favoreciendo la adaptación continua del tratamiento y la detección precoz de dificultades relacionadas con la adherencia terapéutica.

Desde la perspectiva del paciente, estas herramientas pueden incrementar la participación activa durante el proceso rehabilitador. La retroalimentación inmediata, el establecimiento de objetivos individualizados y la visualización de la evolución funcional favorecen la motivación y el compromiso con el tratamiento. No obstante, la evidencia disponible continúa mostrando resultados variables en relación con la mejora de la adherencia, por lo que resulta necesario desarrollar estudios que permitan establecer recomendaciones más sólidas⁶.

Finalmente, la inteligencia artificial representa una oportunidad para impulsar una fisioterapia basada en datos (data-driven physiotherapy), integrando la experiencia clínica del profesional con información objetiva procedente de diferentes fuentes. Este modelo podría favorecer una práctica clínica más precisa, reproducible y orientada a resultados, siempre que la incorporación de estas tecnologías se realice respetando los principios éticos y científicos que sustentan la atención sanitaria.

Limitaciones y retos éticos de la inteligencia artificial en fisioterapia:

A pesar del creciente interés por la inteligencia artificial, su incorporación a la práctica clínica presenta importantes limitaciones que deben analizarse antes de generalizar su utilización. La mayoría de las tecnologías disponibles continúan encontrándose en fases iniciales de desarrollo o validación, por lo que la evidencia científica que respalda su eficacia clínica todavía es limitada en numerosos ámbitos de la fisioterapia⁶.

Uno de los principales desafíos es la calidad de los datos utilizados para entrenar los algoritmos. Los sistemas de inteligencia artificial dependen directamente de la información con la que han sido desarrollados; por ello, bases de datos incompletas, poco representativas o con errores pueden generar modelos predictivos sesgados o poco aplicables a poblaciones diferentes¹⁰˒¹¹. Esta limitación adquiere especial relevancia en fisioterapia, donde la gran variabilidad clínica de los pacientes dificulta la creación de modelos universales.

Otro aspecto fundamental es la interpretabilidad de los algoritmos. Muchos modelos de aprendizaje profundo funcionan como auténticas «cajas negras», ofreciendo una predicción sin mostrar de forma clara el razonamiento que ha conducido a dicha conclusión⁴. Esta falta de transparencia puede dificultar la confianza del profesional sanitario y plantea interrogantes sobre la responsabilidad clínica cuando las recomendaciones generadas por la IA influyen en la toma de decisiones.

La protección de datos personales constituye igualmente uno de los retos más relevantes. Los sistemas inteligentes requieren con frecuencia el tratamiento de grandes cantidades de información clínica, imágenes, vídeos o registros obtenidos mediante dispositivos portátiles. Garantizar la confidencialidad, la seguridad y el cumplimiento de la legislación vigente en materia de protección de datos resulta imprescindible para preservar los derechos de los pacientes⁵˒⁶.

Desde el punto de vista ético, también deben considerarse los posibles sesgos algorítmicos. Cuando los datos utilizados durante el entrenamiento no representan adecuadamente la diversidad de la población, los algoritmos pueden ofrecer resultados menos precisos en determinados grupos de pacientes, favoreciendo desigualdades en la atención sanitaria¹¹. Por ello, diferentes organismos internacionales insisten en la necesidad de desarrollar sistemas transparentes, auditables y sometidos a una evaluación continua antes de su implantación clínica.

Otra limitación importante es la brecha digital existente tanto entre pacientes como entre profesionales sanitarios. La utilización eficaz de estas herramientas requiere conocimientos básicos sobre tecnologías digitales, interpretación de datos y funcionamiento de los sistemas inteligentes. En consecuencia, la formación en competencias digitales y en inteligencia artificial comienza a considerarse un elemento cada vez más relevante dentro de la formación continuada de los fisioterapeutas¹⁸.

Por último, conviene recordar que la práctica fisioterapéutica trasciende el análisis de datos objetivos. La comunicación terapéutica, la exploración física, el razonamiento clínico, la toma de decisiones compartida y la comprensión del contexto biopsicosocial del paciente constituyen competencias que actualmente no pueden ser reproducidas por los sistemas de inteligencia artificial. En consecuencia, estas tecnologías deben entenderse como herramientas complementarias destinadas a apoyar el trabajo del fisioterapeuta y no como un sustituto de su actividad profesional.

Implicaciones para la práctica clínica:

La incorporación responsable de la inteligencia artificial requiere combinar innovación tecnológica con pensamiento crítico. El fisioterapeuta deberá desarrollar competencias que le permitan interpretar adecuadamente la información generada por estas herramientas, identificar sus limitaciones y utilizarlas de forma ética y segura dentro del proceso de razonamiento clínico.

Perspectivas futuras de la inteligencia artificial en fisioterapia:

La evolución de la inteligencia artificial permitirá el desarrollo de modelos asistenciales cada vez más personalizados, basados en la integración de datos clínicos, funcionales y biomecánicos procedentes de diferentes fuentes. La combinación de historias clínicas electrónicas, dispositivos wearables, sensores inerciales y plataformas de telerehabilitación facilitará un seguimiento continuo del paciente y una adaptación más dinámica de los programas terapéuticos¹³.

Uno de los ámbitos con mayor proyección es la rehabilitación de precisión, en la que los algoritmos podrán identificar perfiles clínicos específicos y predecir la respuesta individual a determinadas intervenciones fisioterapéuticas. Este enfoque permitirá optimizar la planificación del tratamiento, mejorar la eficiencia asistencial y favorecer una utilización más racional de los recursos disponibles¹⁴.

Asimismo, se prevé una mayor integración entre la inteligencia artificial y tecnologías como la realidad virtual, la realidad aumentada, la robótica y las interfaces cerebro-computador. La combinación de estas herramientas podría facilitar programas de rehabilitación más inmersivos, interactivos y adaptativos, especialmente en pacientes con patologías neurológicas o procesos de recuperación funcional prolongados¹⁹.

Sin embargo, el futuro de la inteligencia artificial en fisioterapia dependerá no solo del desarrollo tecnológico, sino también de la generación de evidencia científica de alta calidad, la elaboración de marcos regulatorios específicos y la formación de los profesionales sanitarios en competencias digitales. La incorporación de estas tecnologías deberá realizarse de forma progresiva, garantizando la seguridad del paciente, la transparencia de los algoritmos y el respeto a los principios éticos que sustentan la práctica clínica⁵^˒⁶^˒¹⁸.

DISCUSIÓN

La evidencia científica revisada muestra que la inteligencia artificial ofrece oportunidades prometedoras para mejorar diferentes áreas de la práctica fisioterapéutica, especialmente en la valoración funcional, el análisis del movimiento, la personalización del tratamiento y la telerehabilitación. No obstante, la mayoría de las aplicaciones disponibles se encuentran todavía en fases de desarrollo o validación, por lo que su incorporación generalizada a la práctica clínica debe realizarse con cautela⁶.

Uno de los principales hallazgos de esta revisión es que la inteligencia artificial no debe considerarse una alternativa a la intervención del fisioterapeuta, sino una herramienta de apoyo capaz de complementar el razonamiento clínico mediante el análisis de grandes volúmenes de información objetiva. La interpretación de los resultados continúa requiriendo la experiencia profesional, la exploración física y la consideración de los factores biopsicosociales que influyen en el proceso de recuperación del paciente¹^˒⁶.

Los resultados también ponen de manifiesto la necesidad de incrementar la calidad metodológica de la investigación en este ámbito. Muchos estudios presentan muestras reducidas, tecnologías heterogéneas y escasa estandarización de las variables analizadas, lo que dificulta la comparación entre investigaciones y limita la extrapolación de los resultados a la práctica clínica habitual¹⁰.

Por otra parte, la implantación de la inteligencia artificial plantea desafíos relacionados con la protección de datos, los sesgos algorítmicos y la formación de los profesionales. Afrontar estos retos será esencial para garantizar una utilización ética, segura y basada en la evidencia, favoreciendo que la innovación tecnológica se traduzca en una mejora real de la atención fisioterapéutica.

CONCLUSIONES

La inteligencia artificial representa una herramienta con un importante potencial para transformar la fisioterapia mediante el apoyo a la valoración funcional, la personalización del tratamiento, la monitorización de la evolución clínica y la optimización de los procesos asistenciales.

A pesar de los avances alcanzados, la evidencia científica disponible indica que estas tecnologías deben utilizarse como un complemento del razonamiento clínico y nunca como un sustituto de la intervención del fisioterapeuta. La calidad de la atención continúa dependiendo de la integración entre la información objetiva proporcionada por la tecnología y la valoración clínica individualizada.

El desarrollo de investigaciones con mayor calidad metodológica, la formación en competencias digitales y la elaboración de marcos éticos y regulatorios específicos serán aspectos fundamentales para favorecer una incorporación segura y eficaz de la inteligencia artificial en la práctica fisioterapéutica.

En definitiva, el futuro de la fisioterapia no dependerá de la sustitución del profesional por la inteligencia artificial, sino de la capacidad de ambos para trabajar de forma complementaria, aprovechando el potencial de la tecnología para mejorar la calidad de la atención y los resultados en salud de los pacientes.

BIBLIOGRAFÍA

Topol EJ. High-performance medicine: the convergence of human and artificial intelligence. Nat Med. 2019;25(1):44-56.
Rajkomar A, Dean J, Kohane I. Machine learning in medicine. N Engl J Med. 2019;380(14):1347-1358.
Yu KH, Beam AL, Kohane IS. Artificial intelligence in healthcare. Nat Biomed Eng. 2018;2(10):719-731.
Esteva A, Robicquet A, Ramsundar B, et al. A guide to deep learning in healthcare. Nat Med. 2019;25(1):24-29.
World Health Organization. Ethics and governance of artificial intelligence for health. Geneva: World Health Organization; 2021.
Sumner J, Lim HW, Chong LS, Bundele A, Mukhopadhyay A, Kayambu G. Artificial intelligence in physical rehabilitation: a systematic review. Artif Intell Med. 2023;146:102693.
Kobsar D, Charlton JM, Tse CT, et al. Wearable sensor-based gait analysis: applications in rehabilitation. Sensors (Basel). 2020;20(18):5227.
Muro-de-la-Herran A, García-Zapirain B, Méndez-Zorrilla A. Gait analysis methods: an overview of wearable and non-wearable systems, highlighting clinical applications. Sensors (Basel). 2014;14(2):3362-3394.
Cottrell MA, Russell TG. Telehealth for musculoskeletal physiotherapy. J Physiother. 2020;66(2):105-112.
Seron P, Oliveros MJ, Gutierrez-Arias R, et al. Effectiveness of telerehabilitation in physical therapy: a rapid overview. Phys Ther. 2021;101(6):pzab053.
Pastora-Bernal JM, Martín-Valero R, Barón-López FJ, Estebanez-Pérez MJ. Evidence of benefit of telerehabilitation after orthopedic surgery: a systematic review. Int J Environ Res Public Health. 2017;14(2):220.
Beam AL, Kohane IS. Big data and machine learning in health care. JAMA. 2018;319(13):1317-1318.
Sidey-Gibbons JAM, Sidey-Gibbons CJ. Machine learning in medicine: a practical introduction. BMC Med Res Methodol. 2019;19:64.
Kelly CJ, Karthikesalingam A, Suleyman M, Corrado G, King D. Key challenges for delivering clinical impact with artificial intelligence. BMC Med. 2019;17:195.
Ghassemi M, Oakden-Rayner L, Beam AL. The false hope of current approaches to explainable artificial intelligence in health care. Lancet Digit Health. 2021;3(11):e745-e750.
Lekadir K, Frangi AF, Porras AR, et al. FUTURE-AI: international consensus guideline for trustworthy and deployable artificial intelligence in healthcare. BMJ. 2024;384:e078554.
Laver KE, Lange B, George S, Deutsch JE, Saposnik G, Crotty M. Virtual reality for stroke rehabilitation. Cochrane Database Syst Rev. 2017;(11):CD008349.
Levin MF, Weiss PL, Keshner EA. Emergence of virtual reality as a tool for rehabilitation: incorporation of motor control and motor learning principles. J Neuroeng Rehabil. 2015;12:18.
Jiang F, Jiang Y, Zhi H, et al. Artificial intelligence in healthcare: past, present and future. Stroke Vasc Neurol. 2017;2(4):230-243.
Davenport T, Kalakota R. The potential for artificial intelligence in healthcare. Future Healthc J. 2019;6(2):94-98.

ANEXOS

ANEXO I

Tabla 1. Principales aplicaciones de la inteligencia artificial en fisioterapia.

Área de fisioterapia	Aplicaciones de la IA	Beneficios potenciales
Musculoesquelética	Análisis biomecánico, valoración postural, ejercicio terapéutico personalizado	Mayor objetividad, individualización del tratamiento y seguimiento funcional
Neurológica	Análisis de la marcha, robótica, realidad virtual, interfaces cerebro-computador	Optimización del aprendizaje motor y monitorización de la recuperación
Respiratoria	Telerehabilitación, monitorización mediante wearables, análisis de actividad física	Seguimiento domiciliario y mejora de la continuidad asistencial
Geriátrica	Detección del riesgo de caídas, monitorización funcional, análisis de movilidad	Prevención del deterioro funcional y promoción de la autonomía
Deportiva	Análisis del gesto deportivo y predicción del riesgo de lesión	Optimización del rendimiento y prevención de lesiones

Fuente: Elaboración propia a partir de la bibliografía consultada.

ANEXO II

Tabla 2. Beneficios y limitaciones de la inteligencia artificial en fisioterapia.

Beneficios	Limitaciones
Valoración funcional objetiva	Necesidad de mayor evidencia científica
Personalización del tratamiento	Posibles sesgos algorítmicos
Monitorización continua	Protección y privacidad de los datos
Optimización de la toma de decisiones	Coste de implantación tecnológica
Mejora de la adherencia terapéutica	Necesidad de formación específica de los profesionales
Favorece la telerehabilitación	Riesgo de dependencia excesiva de la tecnología

Fuente: Elaboración propia.

ANEXO III

Tabla 3. Perspectivas futuras de la inteligencia artificial en fisioterapia.

Tecnología emergente	Posibles aplicaciones futuras
Inteligencia artificial predictiva	Predicción de la evolución funcional y respuesta al tratamiento
Inteligencia artificial generativa	Apoyo a la elaboración de material educativo, documentación clínica y síntesis de evidencia científica
Sensores inteligentes y wearables	Monitorización continua en tiempo real
Robótica colaborativa	Rehabilitación intensiva adaptativa
Realidad virtual y aumentada	Programas inmersivos personalizados
Integración con historia clínica electrónica	Apoyo a la toma de decisiones clínicas basada en datos