Logi-PAR: Logic-Infused Patient Activity Recognition via Differentiable Rule

Logi-PAR es el primer marco de reconocimiento de actividades de pacientes que integra reglas diferenciables aprendidas y fusión de hechos contextuales para inferir riesgos mediante lógica explícita, ofreciendo explicaciones auditables y superando el estado del arte en benchmarks clínicos.

Lo esencial

¡Claro que sí! Imagina que el hospital es como una casa muy grande y ocupada, y los pacientes son como personas que se mueven por ella. A veces, estas personas pueden tener un accidente (como caerse o intentar levantarse de la cama sin ayuda), y es vital que el sistema de seguridad lo sepa antes de que pase algo malo.

El problema con los sistemas de seguridad actuales (como las cámaras inteligentes o la inteligencia artificial que ya existe) es que funcionan como un detective muy distraído.

El Problema: El Detective que se Confunde

Imagina que un detective (la IA actual) entra a una habitación y ve a un paciente acostado.

• Lo que ve el detective actual: "Veo una almohada, veo una manta, veo una persona quieta. ¡Seguro está durmiendo!"
• Lo que el detective actual ignora: No nota que la barandilla de la cama está bajada, que los pies del paciente cuelgan fuera o que no hay ningún enfermero cerca.

Por eso, los sistemas actuales a veces se equivocan feo: te dicen "Todo bien, está durmiendo" cuando en realidad el paciente está a punto de caerse. Son como un niño que solo mira el dibujo general y no los detalles importantes.

La Solución: Logi-PAR, el Detective con "Reglas de Oro"

Los autores de este paper crearon algo llamado Logi-PAR. Imagina que Logi-PAR no es solo un detective, sino un detective con un manual de instrucciones muy estricto y lógico.

En lugar de solo "adivinar" qué está pasando mirando la foto completa, Logi-PAR hace dos cosas mágicas:

1. Busca las "Pistas Atómicas" (Los detalles pequeños):
   Imagina que Logi-PAR tiene lentes de aumento. En lugar de ver "una persona", ve piezas separadas:

   • ¿Está la barandilla arriba o abajo? (Pista 1)
   • ¿Están los pies tocando el suelo? (Pista 2)
   • ¿Hay un enfermero al lado? (Pista 3)
   • ¿Está la cama inclinada? (Pista 4)

2. Aplica la "Lógica de la Abuela" (Las reglas):
   Aquí es donde entra la magia. Logi-PAR no solo junta las pistas, sino que las conecta con reglas de sentido común que aprende automáticamente. Es como si le dijera al sistema:

   "Oye, si la barandilla está ABAJO Y los pies están FUERA Y NO HAY enfermero cerca... ¡ALERTA ROJA! Esto es peligroso, aunque la persona parezca quieta."

¿Por qué es tan especial? (La analogía del Chef)

Piensa en cocinar un pastel:

• Los sistemas antiguos (IA normal): Prueban la mezcla y dicen "Huele a pastel". Si huele mal, a veces igual dicen que es un pastel porque el olor general es agradable.
• Logi-PAR: Es como un chef que sigue una receta paso a paso. Sabe que si le falta un huevo (una pista clave) o si el horno está frío (otra pista), el pastel no saldrá bien. No se deja engañar por el olor general; verifica cada ingrediente.

Lo que hace Logi-PAR diferente:

1. No es una "Caja Negra":
   Las IAs actuales son como cajas negras: te dan una respuesta ("¡Peligro!") pero no te dicen por qué. Logi-PAR es como un detective que te muestra su libreta de notas: "Te digo que hay peligro porque vi la barandilla abajo (hecho 1) y no hay nadie cerca (hecho 2)". Esto es vital para que los médicos confíen en la máquina.

2. Puede imaginar "¿Qué pasaría si...?":
   Logi-PAR puede hacer un ejercicio mental. Puede decir: "Si ahora mismo apareciera un enfermero, el riesgo bajaría un 65%". Esto ayuda a los médicos a tomar decisiones rápidas.

3. No se confunde con la oscuridad o las sombras:
   En los hospitales, a veces las cámaras tienen mala luz o hay cosas que tapan la vista. Logi-PAR usa varias cámaras a la vez (como tener ojos en diferentes partes de la habitación) para reconstruir la verdad. Si una cámara no ve los pies, otra sí, y el sistema lo sabe.

En resumen

Logi-PAR es un nuevo sistema de seguridad para hospitales que deja de adivinar y empieza a razonar.

• Antes: "Veo a alguien quieto, seguro está bien".
• Ahora (con Logi-PAR): "Veo que la barandilla está abajo, los pies están fuera y no hay nadie. Según mis reglas lógicas, esto es un riesgo de caída. ¡Alerta!"

Es como pasar de tener un guardia de seguridad que solo mira la puerta, a tener un guardia que entiende la lógica de por qué alguien podría caerse, y que puede explicarte exactamente por qué sonó la alarma. ¡Y eso salva vidas!

Resumen técnico

Resumen Técnico: Logi-PAR

1. Planteamiento del Problema

La Reconocimiento de Actividades de Pacientes (PAR) en entornos clínicos es fundamental para la seguridad hospitalaria, permitiendo la detección temprana de riesgos como caídas, salidas no asistidas de la cama o deterioro de la movilidad. Sin embargo, los enfoques actuales (incluyendo Modelos Visuales-Lingüísticos o VLMs y arquitecturas Transformer) presentan limitaciones críticas:

• Dependencia de Patrones Globales: Los modelos basados en atención global tienden a ignorar señales visuales dispersas, raras y relacionales (ej. la posición exacta de un barandal, la proximidad del pie al borde de la cama o el contacto sutil con un cuidador) en favor de características de fondo dominantes.
• Caja Negra y Falta de Explicabilidad: Los modelos actuales clasifican "qué" está ocurriendo, pero no pueden inferir "por qué" una configuración específica de señales constituye un estado de alto riesgo. Esto genera explicaciones no auditable y propensión a alucinaciones (descripciones plausibles pero incorrectas).
• Fragilidad ante Composiciones No Vistas: Los modelos puramente neuronales tienden a sobreajustarse a correlaciones de escenas específicas y fallan al generalizar a combinaciones de actividades no vistas durante el entrenamiento (generalización composicional).

El objetivo es pasar de la clasificación de patrones holísticos a un razonamiento composicional explícito que pueda inferir riesgos basándose en la lógica causal de evidencias visuales finas.

2. Metodología: Logi-PAR

Se propone Logi-PAR, el primer marco de trabajo que infunde lógica en el reconocimiento de actividades de pacientes. Este sistema integra la fusión de hechos contextuales como primitivos de extracción de múltiples vistas e inyecta reglas lógicas diferenciables guiadas por redes neuronales.

El marco se descompone en dos etapas acopladas y diferenciables:

A. Módulo de Percepción: Fusión de Hechos de Múltiples Vistas ($\phi$)

• Extracción de Hechos Atómicos: En lugar de generar características latentes entrelazadas, el modelo extrae predicados atómicos (hechos semánticos) como RailDown (barandal abajo), EdgeSit (sentado al borde), CaregiverNear (cuidador cerca).
• Fusión Consciente de Incertidumbre: Utiliza una red troncal compartida (Swin-Transformer) para procesar imágenes sincronizadas de múltiples cámaras.
• Ponderación de Vistas: Calcula puntuaciones de fiabilidad para cada vista. Si una vista está oculta o es ambigua, su peso disminuye automáticamente. Esto permite construir un grafo de hechos probabilísticos donde cada hecho tiene un nivel de confianza calibrado y una atribución de vista.

B. Módulo de Razonamiento: Lógica Diferenciable Guiada por Redes Neuronales ($\psi$)

• Aprendizaje de Reglas Suaves: Un "Aprendiz de Reglas" descubre automáticamente reglas lógicas compuestas a partir de los hechos atómicos.
• Selección de Literales y Negación: Utiliza la técnica Gumbel-Softmax para seleccionar discretamente qué predicados atómicos forman parte de una regla. Incluye puertas de negación aprendibles para manejar condiciones de ausencia (ej. "Riesgo alto si NO hay cuidador").
• Composición Lógica: Las reglas se modelan como conjunciones suaves (T-normas) de literales. La inferencia final es una disyunción ponderada de todas las reglas activas.
• Explicación Causal y Contrafactual: El sistema no solo predice el estado, sino que genera trazas de reglas (explicaciones "por qué") y permite intervenciones contrafactuales (ej. "El riesgo disminuiría un 65% si hubiera asistencia").

Optimización:
El modelo se entrena de extremo a extremo con una función de pérdida multi-tarea que incluye:

1. Pérdida de clasificación (Cross-Entropy).
2. Pérdida de anclaje de hechos (alineación con etiquetas de hechos atómicos).
3. Pérdida de esparsidad en las reglas (para evitar redundancia y garantizar reglas interpretables y mínimas).

3. Contribuciones Clave

1. Primera Marco Lógico-Infuso: Logi-PAR es el primer sistema que aplica reglas lógicas aprendibles a mapeos simbólicos para el reconocimiento de actividades de pacientes, permitiendo inferencia causal explícita.
2. Aprendizaje de Reglas Neuronales: Propone un mecanismo que descubre automáticamente reglas lógicas suaves (incluyendo negación) a partir de hechos atómicos, con estimaciones de confianza para la ambigüedad espacial.
3. Fusión de Hechos Multi-Vista: Transforma señales visuales en un grafo de actividades probabilístico basado en predicados atómicos, superando la dependencia de características globales entrelazadas.
4. Explicabilidad Auditable: Genera explicaciones estructuradas basadas en cadenas de reglas y permite validación mediante intervenciones contrafactuales, crucial para la toma de decisiones clínicas.

4. Resultados Experimentales

El método fue evaluado en dos benchmarks clínicos: OmniFall (caídas controladas con anotaciones atómicas) y VAST (datos reales de hospitales con oclusiones y vistas limitadas).

• Rendimiento General: Logi-PAR superó a los modelos State-of-the-Art (SOTA), incluyendo VLMs (como InternVideo2, VideoLLaMA2) y baselines Transformer, logrando una precisión (Acc) del 93.5% en VAST y un F1-score del 91.8%.
• Generalización Composicional (OmniFall): Logi-PAR alcanzó un Score de Generalización Composicional (CGS) de 89.4%, superando significativamente a los modelos basados en visión pura (que cayeron a ~68% en combinaciones no vistas). Esto demuestra que el modelo aprende la lógica causal subyacente en lugar de memorizar patrones.
• Robustez y Tasa de Falsas Alarmas: En entornos clínicos reales (VAST), Logi-PAR redujo drásticamente la Tasa de Falsas Alarmas (F@R) al 0.04, comparado con >0.18 en modelos VLMs. Esto se debe a que las restricciones lógicas evitan la detección espuria de riesgos cuando las condiciones no se cumplen estrictamente.
• Interpretabilidad: El modelo converge a un conjunto mínimo de reglas activas (~4.2 por clase de riesgo), permitiendo a los expertos humanos auditar y validar la lógica de decisión.

5. Significado e Impacto

Logi-PAR representa un cambio de paradigma en la monitorización inteligente de pacientes:

• De Clasificación Pasiva a Soporte Activo: Transita de simplemente etiquetar imágenes a proporcionar razonamiento basado en evidencia que explica la causa de un riesgo.
• Seguridad Clínica: Al eliminar las "cajas negras" y las alucinaciones de los modelos generativos, ofrece un sistema auditable y confiable para entornos críticos donde la seguridad del paciente es prioritaria.
• Generalización Real: La capacidad de inferir riesgos a partir de combinaciones de hechos atómicos no vistos previamente hace que el sistema sea más robusto frente a la variabilidad inherente de los entornos hospitalarios (iluminación, oclusiones, diferentes configuraciones de habitaciones).

En conclusión, Logi-PAR establece un nuevo estándar para la IA clínica, demostrando que la integración de lógica diferenciable con percepción visual profunda es esencial para sistemas de seguridad que requieren transparencia, robustez y razonamiento causal.