La ciencia detrás de cómo caminamos
Descubre cómo nuestro cuerpo y cerebro trabajan juntos para caminar.
Maarten Afschrift, Dinant Kistemaker, Friedl De Groote
― 9 minilectura
Tabla de contenidos
- ¿Qué es el Andar Humano?
- Las Complejidades de Caminar
- Cómo Funcionan las Simulaciones Basadas en Física
- Probando Diferentes Condiciones de Caminata
- El Costo de Caminar
- Potencia Metabólica y Su Importancia
- Aprendiendo de las Discrepancias
- Evaluando Modelos Musculares
- Estudio de Caso: Caminar en una Pendiente
- El Impacto de la Masa en la Caminata
- Potenciando con Datos
- El Rol de los Músculos y la Eficiencia
- Ajustando los Modelos de Simulación
- La Búsqueda de Mejores Modelos
- Mirando Hacia Adelante: El Futuro de las Simulaciones de Caminata
- Fuente original
Caminar es algo que hacemos todos los días sin ni siquiera pensarlo. Pero, ¿te has preguntado alguna vez por qué caminamos de la forma en que lo hacemos? La forma en que nos movemos es bastante fascinante. Aunque hay un montón de maneras de caminar, la mayoría de nosotros seguimos patrones específicos. Esto lleva a los científicos a pensar que nuestros cerebros y músculos trabajan juntos de manera eficiente para ayudarnos a caminar. Sin embargo, aún hay mucho que no sabemos sobre cómo cooperan nuestros cerebros y músculos durante la caminata.
¿Qué es el Andar Humano?
El andar se refiere a la forma en que caminamos. Tiene un patrón distintivo que es sorprendentemente similar entre las personas. Imagina un grupo de amigos tratando de caminar al mismo tiempo; puede que no se vea perfecto, pero probablemente terminarían caminando de manera similar. Esta uniformidad está relacionada con cómo nuestro Sistema Nervioso Central (el cerebro y la médula espinal) y nuestro Sistema musculoesquelético (huesos y músculos) interactúan cuando caminamos.
Las Complejidades de Caminar
Aunque caminar parece sencillo, la mecánica detrás de ello es bastante complicada. Nuestros cuerpos tienen muchos músculos y articulaciones, lo que permite una variedad de movimientos. El sistema nervioso central tiene que decidir cuál de estas muchas opciones es la mejor para avanzar. Es como elegir una lista de reproducción para un viaje por carretera: hay muchas canciones (o patrones de andar), pero quieres encontrar el ambiente adecuado para el viaje.
A pesar de años de investigación, entender los detalles de cómo nuestros sistemas nervioso y muscular trabajan juntos durante la caminata sigue siendo un desafío. Los científicos están tratando de averiguarlo. Usan simulaciones basadas en física, que son como crear una versión digital de caminar, para ayudar a responder estas preguntas.
Cómo Funcionan las Simulaciones Basadas en Física
Piensa en las simulaciones basadas en física como un videojuego de alta tecnología diseñado para imitar la caminata en la vida real. Estas simulaciones dependen de modelos matemáticos que describen las interacciones entre nuestros nervios y músculos. Al refinar estos modelos, los investigadores pueden probar diferentes escenarios, como lo que le ocurre a la caminata de una persona si lleva una mochila pesada o si tiene músculos débiles.
Estos escenarios ayudan a los científicos a entender las diferencias entre el andar predicho (el simulado) y lo que realmente sucede en la vida real. Si hay grandes diferencias, indica que hay vacíos en el conocimiento actual y puede ayudar a señalar fallos en el control del movimiento por parte del cerebro o en los modelos musculares que se están utilizando.
Probando Diferentes Condiciones de Caminata
Para examinar qué tan bien funcionan estas simulaciones, los investigadores simulan una amplia gama de situaciones de caminata. Estas incluyen caminar mientras se lleva un peso extra, diferentes velocidades y caminar hacia arriba o hacia abajo en pendientes. Al comparar los resultados de las simulaciones con datos del mundo real, los científicos buscan descubrir dónde sus modelos tienen éxito y dónde fallan.
Cuando se trata de caminar con peso adicional, por ejemplo, podrías notar que tu amigo jadea más. Esto se puede comprobar en simulaciones para ver cuán precisas son en comparación con las experiencias de caminata reales.
El Costo de Caminar
Uno de los conceptos clave en estas simulaciones es la idea de una función de costo. Este término elegante es solo una forma de decir que hay varios factores que “cuestan” energía cuando caminamos. Imagina que estás quemando calorías mientras te mueves. Factores como cuánta fatiga muscular hay, cuán suavemente te mueves y cuán duro trabaja tu cuerpo, contribuyen a este “costo” de caminar.
Las simulaciones tratan la caminata como un problema cuyo objetivo es minimizar el Uso de energía mientras se completa la tarea de caminar. Suena un poco como tratar de obtener la mejor eficiencia de combustible durante un viaje por carretera, ¿no?
Potencia Metabólica y Su Importancia
La potencia metabólica es especialmente importante porque se relaciona con cuánta energía usamos realmente al caminar. Se han creado diferentes modelos para estimar este costo energético, pero las opiniones varían sobre cuán precisos son estos modelos. A menudo, los modelos dependen de datos de pruebas realizadas con pequeñas cantidades de fibras musculares, lo que puede que no refleje bien las complejidades del movimiento del cuerpo completo.
Hay algo divertido en todo esto: nuestros músculos tienen un secreto vergonzoso. Pueden afirmar ser trabajadores eficientes, pero en realidad, ¡puede que no sean tan buenos conservando energía como creen!
Aprendiendo de las Discrepancias
Cuando las simulaciones muestran grandes diferencias entre el rendimiento de caminata predicho y el real—como en el uso de energía—puede llevar a algunas preguntas serias. ¿Por qué las predicciones están equivocadas? ¿No está el modelo muscular representando con precisión cómo funcionan nuestros cuerpos durante el movimiento? ¿O la forma en que estamos estimando los costos energéticos simplemente es incorrecta?
Estas discrepancias no son solo errores insignificantes; proporcionan información valiosa que puede mejorar nuestra comprensión de la locomoción humana.
Evaluando Modelos Musculares
Los modelos musculares son simplificaciones de la realidad. Si bien ayudan a crear simulaciones, dependen de varias suposiciones que pueden no ser ciertas en todas las situaciones. Por ejemplo, algunos factores, como cómo los músculos se activan y se fatigan, pueden no estar capturados con precisión, lo que puede afectar los resultados de la Simulación.
Cuando los investigadores comparan los resultados simulados con datos de la vida real, a menudo encuentran inconsistencias. Entender por qué existen estas inconsistencias es clave para mejorar los modelos y, por lo tanto, nuestra comprensión del movimiento humano.
Estudio de Caso: Caminar en una Pendiente
Tomemos el ejemplo de caminar en una pendiente. Las simulaciones pueden ajustarse para replicar este escenario, permitiendo comparar cómo las predicciones del modelo se alinean con los patrones de caminata reales en una inclinación. Los resultados pueden revelar si el modelo refleja con precisión cómo nuestros cuerpos manejan el desafío adicional de caminar cuesta arriba o cuesta abajo.
El Impacto de la Masa en la Caminata
Otro aspecto interesante es el papel de la masa añadida. Cuando cargas un peso más pesado al caminar, requiere más energía. Las simulaciones pueden cuantificar estos costos energéticos comparando cuánta energía se usa al caminar con y sin peso adicional. Este conocimiento no solo ayuda a mejorar los modelos, sino que también brinda información sobre cómo diseñar mejores dispositivos de soporte o programas de entrenamiento.
Potenciando con Datos
Los investigadores se basan en datos extraídos de estudios anteriores para refinar sus simulaciones. Verifican si el andar simulado coincide con el andar del mundo real comparando varias métricas, como la frecuencia de zancada y el movimiento de las articulaciones. Si la simulación puede capturar con precisión cómo cambian estas métricas bajo diferentes condiciones, sugiere una sólida comprensión de la mecánica en juego.
El Rol de los Músculos y la Eficiencia
Los músculos son como un motor gruñón; trabajan duro pero a veces usan un poco más de combustible (energía). La eficiencia de las contracciones musculares en las simulaciones a menudo resulta ser irrealmente alta. Esto indica una desconexión entre el modelo y la acción real de los músculos durante la caminata.
Cuando los científicos realizan pruebas, a veces descubren que sus modelos musculares utilizan más energía de lo esperado, lo que lleva a estimaciones infladas de cuán eficientes son sus patrones de caminata. Es como decir que tu coche tiene mejor rendimiento de combustible del que realmente tiene, pero cuando lo verificas, sigue consumiendo gasolina.
Ajustando los Modelos de Simulación
Para abordar estas discrepancias, los investigadores ajustan continuamente sus modelos de simulación. Podrían introducir suposiciones más realistas sobre cómo interactúan los músculos y los tendones o asegurarse de que los cálculos de gasto energético se alineen más estrechamente con las mediciones del mundo real. Experimentan con diferentes modelos musculares para encontrar un equilibrio que represente mejor cómo caminan las personas reales.
La Búsqueda de Mejores Modelos
El objetivo de refinar estos modelos es mejorar la precisión de las simulaciones para que puedan predecir mejor los resultados del mundo real. Esto podría llevar a avances en diversas áreas, como el diseño de dispositivos de asistencia para personas con problemas de movilidad o la creación de regímenes de entrenamiento óptimos para atletas.
Mirando Hacia Adelante: El Futuro de las Simulaciones de Caminata
El viaje no termina aquí. A medida que la tecnología avanza, los investigadores continúan construyendo sobre los modelos existentes, incorporando nuevos datos y refinando las simulaciones. Esto podría significar representaciones más realistas de diferentes estilos de caminata o el impacto de factores fisiológicos únicos.
Al final, las simulaciones basadas en física nos presentan una oportunidad para entender y mejorar el movimiento humano. A medida que los científicos trabajan para mejorar sus modelos, no solo están explorando la mecánica; también están allanando el camino para mejores dispositivos, terapias y programas de entrenamiento.
Así que la próxima vez que pasees por la calle, recuerda: cada paso que das es el resultado de un sistema intrincado de nervios, músculos y poder cerebral trabajando juntos. Y aunque puede que no estés calculando conscientemente tu potencia metabólica, ten la seguridad de que la ciencia está trabajando arduamente para resolverlo todo.
Fuente original
Título: Benchmarking the predictive capability of human gait simulations.
Resumen: Physics-based simulation generate movement patterns based on a neuro-musculoskeletal model without relying on experimental movement data, offering a powerful approach to study how neuro-musculoskeletal properties shape locomotion. Yet, simulated gait patterns and metabolic powers do not always agree with experiments, pointing to modeling errors reflecting gaps in our understanding. Here, we systematically evaluated the predictive capability of simulations based on a 3D musculoskeletal model to predict gait mechanics, muscle activity and metabolic power across gait conditions. We simulated the effect of adding mass to body segments, variations in walking speed, incline walking, crouched walking. We chose tasks that are straightforward to model, ensuring that prediction errors stem from shortcomings in the neuro-musculoskeletal model. The simulations predicted stride frequency and walking kinematic with reasonable accuracy but underestimated variation in metabolic power across conditions. In particular, they underestimated changes in metabolic power with respect to level walking in tasks requiring substantial positive mechanical work, such as incline walking (27% underestimation). We identified two possible errors in simulated metabolic power. First, the Hill-type muscle model and phenomenological metabolic power model produced high maximal mechanical efficiency (average 0.58) during concentric contractions, compared to the observed 0.2-0.3 in laboratory experiments. Second, when we multiplied the mechanical work with more realistic estimates of mechanical efficiency (i.e. 0.25), simulations overestimated the metabolic power by 84%. This suggests that positive work by muscle fibers was overestimated in the simulations. This overestimation may be caused by several assumptions and errors in the musculoskeletal model including its interacting with the environment and/or its many parameters. This study highlights the need for more accurate models of muscle mechanics, energetics, and passive elastic structures to improve the realism of human movement simulations. Validating simulations across a broad range of conditions is important to pinpoint shortcomings in neuro-musculoskeletal modeling. Author summary: (non-technical summary of the work)Our research focuses on understanding how humans walk by using computer simulations. These simulations are based on detailed models, i.e. mathematical descriptions, of skeleton, muscles, joints, and control system. By comparing our simulations to actual experiments where people walked under different conditions--such as carrying extra weight, walking faster or slower, or moving uphill or downhill--we evaluated how well the simulations could predict real-life movement and energy use. We found that while the simulations performed well in predicting the walking pattern, they underestimated metabolic energy used by the body, especially in tasks like walking uphill. Errors in simulated metabolic power likely stem from two issues. First, the metabolic power model resulted in unrealistically high mechanical efficiency compared to experiment. Second, positive work (and as a result also net negative work) by muscle fibers was overestimated in the simulations. These findings highlight the need to improve the models so they can more accurately reflect the complexity of human movement and energy use. Ultimately, better models will help us design devices like exoskeletons and prosthetics and improve treatments for people with movement difficulties.
Autores: Maarten Afschrift, Dinant Kistemaker, Friedl De Groote
Última actualización: 2024-12-13 00:00:00
Idioma: English
Fuente URL: https://www.biorxiv.org/content/10.1101/2024.12.12.628124
Fuente PDF: https://www.biorxiv.org/content/10.1101/2024.12.12.628124.full.pdf
Licencia: https://creativecommons.org/licenses/by/4.0/
Cambios: Este resumen se ha elaborado con la ayuda de AI y puede contener imprecisiones. Para obtener información precisa, consulte los documentos originales enlazados aquí.
Gracias a biorxiv por el uso de su interoperabilidad de acceso abierto.