Neural System
Soluciones · Salud

Protocolos de seguridad del paciente y del equipo

Higiene de manos, EPP hospitalario, caídas de pacientes y cambios de posición monitoreados de forma continua y no invasiva.

Higiene de Manos

Verifica que el lavado de manos ocurra y dure el tiempo mínimo

Ver demostración

Monitoreo de la adherencia a la higiene de manos en lavamanos y lavatorios de hospitales, cocinas e industrias. El sistema identifica el inicio y el fin de cada lavado, mide la duración de la fricción y genera reportes de cumplimiento por sector, apoyando las metas de seguridad del paciente y las BPM.

Cómo funciona

  1. 1La zona del lavamanos se delimita sobre la imagen de la cámara.
  2. 2El modelo de pose localiza las muñecas; manos juntas y en movimiento dentro de la zona = fricción.
  3. 3La duración se compara con el mínimo configurado (OMS: 40–60 s con agua y jabón).
  4. 4Los lavados insuficientes generan una alerta y forman parte de los reportes de supervisión.
YOLO11-PoseZona del lavamanosAnálisis de fricción

Beneficios

  • Medición continua de la adherencia (hoy realizada por observación por muestreo).
  • Reducción de las infecciones asociadas a la atención de salud (IAAS).
  • Reportes por sector y turno para capacitaciones focalizadas.
hasta 40%
Reducción de IAAS
Alto
Costo evitado por infección hospitalaria
+30 pts
Adherencia a la higiene de manos

Referencias de la literatura sobre control de infecciones; la detección de la técnica completa (6 pasos de la OMS) puede agregarse con un modelo dedicado de manos.

Caídas de Pacientes

Distingue de pie, sentado y en el suelo para alertar caídas sin falsas alarmas

Ver demostración

Estimación de pose humana (17 puntos del cuerpo) aplicada a cada persona en el campo de visión. Al identificar la transición brusca de estar de pie a acostado, o una persona caída por tiempo prolongado, el sistema emite una alerta inmediata al equipo de auxilio, reduciendo el tiempo hasta la atención.

Cómo funciona

  1. 1El modelo de pose localiza hombros, caderas, rodillas y tobillos de cada persona; el rastreador sigue a cada individuo.
  2. 2De pie: piernas extendidas bajo la cadera (rodilla sobre 140° y pies bien por debajo de la cadera); inclinarse para tomar algo sigue siendo estar de pie.
  3. 3Sentado: tronco erguido, muslos casi horizontales y pies por debajo de la cadera (silla, banco, borde de la cama). Tronco recostado con piernas extendidas = reclinado (cama, sillón).
  4. 4Agachado/arrodillado: rodillas muy flexionadas con la cadera cerca de los talones, o altura del cuerpo mucho menor que la de la misma persona de pie.
  5. 5En el suelo: tronco horizontal sin que las piernas sostengan el cuerpo, o pies por encima de la cadera. Sentado en el suelo: cadera a la altura de los pies.
  6. 6Las medidas se normalizan según el tamaño del propio cuerpo y la postura se confirma por votación en varios cuadros, para que no oscile.
  7. 7Caída: persona vista de pie que llega al suelo con un descenso rápido de la cadera. Una persona encontrada ya acostada en el suelo genera una alerta tras algunos segundos.
  8. 8La alerta con la imagen del momento se envía en segundos; las personas sentadas, reclinadas y agachadas no generan alarma.
YOLO11-PoseByteTrackReglas biomecánicas

Beneficios

  • Reducción drástica del tiempo entre la caída y el auxilio ("long lie").
  • Registro en video para análisis de causa raíz y defensa legal.
  • Menor carga de vigilancia visual sobre el equipo de enfermería.
-80%
Tiempo hasta el auxilio
Alto
Costo adicional promedio por caída con lesión
hasta 40%
Reducción de caídas con lesión grave

Estimaciones de referencia de la literatura sobre seguridad del paciente; el desempeño depende del ángulo y la cobertura de las cámaras.

Monitoreo de Decúbito

Acompaña la posición del paciente y avisa cuándo reposicionarlo

Ver demostración

Monitoreo continuo del decúbito y la lateralidad de pacientes postrados. El sistema identifica la posición (dorsal, lateral derecho/izquierdo, prono), cronometra el tiempo en cada una y alerta a enfermería cuando se excede el intervalo de reposicionamiento, previniendo lesiones por presión.

Cómo funciona

  1. 1El modelo de pose localiza los hombros, las caderas y el rostro del paciente en la cama.
  2. 2El ancho de los hombros, la visibilidad del rostro y el lado de la cara definen la posición.
  3. 3Un temporizador sigue el tiempo en cada decúbito y los cambios realizados.
  4. 4Los reportes muestran la adherencia al protocolo de cambio de decúbito por cama y turno.
YOLO11-PoseClasificación de posturaTemporizador de reposicionamiento

Beneficios

  • Prevención de lesiones por presión, un evento adverso evitable.
  • Registro automático de los cambios de decúbito (auditoría y acreditación).
  • Menos rondas de verificación para el equipo de enfermería.
hasta 50%
Reducción de lesiones por presión
Alto
Costo evitado por lesión grave
100%
Trazabilidad del protocolo

La demostración usa aceleración de tiempo (1 s de video = 1 min). Referencias de la literatura de enfermería.

Accesorios en Áreas AsistencialesZero-shot

Normas de seguridad laboral: profesionales de la salud sin anillos, relojes ni pulseras

Ver demostración

Verificación automática del uso de accesorios (anillos, argollas de matrimonio, relojes, pulseras, collares y aretes) en ambientes donde están prohibidos por riesgo biológico, contaminación del producto o seguridad mecánica. Utiliza un detector de vocabulario abierto: se pueden agregar nuevas clases por texto, sin reentrenamiento.

Cómo funciona

  1. 1El detector YOLO-World recibe la lista de accesorios en lenguaje natural.
  2. 2Cada accesorio se asocia a la persona que lo usa.
  3. 3El incumplimiento genera una alerta con el recorte de la imagen como evidencia.
YOLO-World (vocabulario abierto)OpenCV

Beneficios

  • Cumplimiento auditable de las normas de seguridad laboral y de las BPM.
  • Reducción de la contaminación cruzada y de retiros de productos.
  • Prevención de accidentes por atrapamiento y desguantamiento.
> 90%
Cumplimiento en auditorías
-60%
No conformidades en BPM

Funcionalidad en modo zero-shot (sin entrenamiento específico): la precisión aumenta significativamente con cámaras cercanas (p. ej., barrera sanitaria) y con un ajuste fino futuro.

EPP Hospitalario

Bata/overol, mascarilla, guantes, gafas y protector facial en áreas asistenciales

Ver demostración

Modelo de visión computacional entrenado por Neural para identificar, en cada trabajador, la presencia o ausencia de Equipos de Protección Personal (overol, guantes, gafas de seguridad, mascarilla y protector facial) a partir de las cámaras ya instaladas. Cada incumplimiento genera una alerta con evidencia fotográfica y alimenta indicadores de seguridad por área, turno y equipo.

Cómo funciona

  1. 1Las cámaras (RTSP/IP) envían las imágenes al servidor de inferencia local o en la nube.
  2. 2El modelo YOLO detecta personas y cada EPP (o su ausencia) en milisegundos.
  3. 3Un rastreador asocia las detecciones a cada trabajador para no generar alertas duplicadas.
  4. 4Reglas por área definen qué EPP son obligatorios (p. ej., casco y chaleco en la obra).
  5. 5Las alertas con foto se envían al responsable de seguridad (panel, correo electrónico, WhatsApp, webhook).
YOLOv8 PPE (construcción)YOLOv5 Neural (salud)YOLO11 + ByteTrack (personas)

Beneficios

  • Fiscalización continua 24/7, sin depender de rondas presenciales.
  • Evidencia fotográfica de cada incidente para capacitaciones y auditorías (normas de seguridad laboral, ISO 45001).
  • Indicadores de cumplimiento por área, turno y equipo para acciones preventivas focalizadas.
  • Reducción de accidentes, licencias médicas y pasivos laborales.
  • Aprovecha la infraestructura de cámaras (CCTV) ya existente.
hasta 60%
Reducción de accidentes con tiempo perdido
Alto
Costo promedio evitado por accidente grave
2 a 4 h/día
Tiempo de ronda liberado del responsable de seguridad
> 95%
Cumplimiento alcanzado en 90 días

Estimaciones de referencia basadas en indicadores de mercado (estadísticas oficiales de accidentes laborales y estudios de seguridad laboral); los resultados reales varían según el tamaño, la tasa de accidentes actual y el grado de adopción.

Ánimo y Malestar de Pacientes

Reconoce expresiones faciales: felicidad, tristeza, enojo, sorpresa y otras

Ver demostración

Modelo de IA entrenado para reconocer expresiones faciales asociadas a sentimientos: felicidad, tristeza, miedo, asco, sorpresa, enojo, desprecio y neutralidad. Mide en tiempo real la reacción de clientes, alumnos y públicos ante productos, atención, clases, vitrinas y presentaciones.

Cómo funciona

  1. 1El detector YuNet localiza los rostros en cada cuadro.
  2. 2El modelo HSEmotion (entrenado con la base AffectNet) clasifica 8 emociones con probabilidades.
  3. 3Las lecturas se suavizan en el tiempo por persona para evitar oscilaciones.
  4. 4Un índice de satisfacción (valencia) resume el ánimo del público minuto a minuto.
YuNet (OpenCV)HSEmotion (AffectNet)Seguimiento facialYOLO11-pose

Beneficios

  • Feedback emocional objetivo, sin cuestionarios.
  • Identifica los momentos y productos que generan más entusiasmo (o frustración).
  • Complementa el NPS y las encuestas con datos continuos y anónimos.
+10–20%
Eficacia de las campañas
-50%
Costo de estudios de pre-test
tiempo real
Detección de insatisfacción en la atención

Las expresiones faciales indican emociones aparentes, no estados internos. Uso anónimo y agregado, en conformidad con la legislación de protección de datos aplicable.

Todos los segmentos

¿Tiene un caso en mente? Envíe un video y reciba el análisis gratis.

Envíe un fragmento de video de su operación: lo procesamos con nuestra IA y le devolvemos el resultado con las detecciones, las alertas y los indicadores, sin compromiso.