Protocol for the REVELIO test-track pilot study: a randomised, controlled, single-centre trial in healthy recreational cannabis users investigating real-time in-vehicle detection of cannabis-impaired driving

El protocolo REVELIO describe un estudio piloto aleatorizado y controlado en una pista de pruebas cerrada diseñado para evaluar la viabilidad de un sistema multimodal integrado en el vehículo para detectar la conducción bajo los efectos del cannabis en usuarios recreativos sanos, mediante la correlación de datos del vehículo, del conductor y biológicos tras la administración controlada de THC.

Lo esencial

Imagina que estás intentando enseñarle al "cerebro" de un automóvil cómo determinar si un conductor está teniendo un "mal día" al volante, no porque esté cansado o distraído, sino específicamente porque ha consumido cannabis recientemente.

El estudio REVELIO es un experimento cuidadosamente planificado diseñado para crear el "libro de texto" que el cerebro del automóvil necesita para aprender esta habilidad. Así es como funciona el estudio, desglosado en conceptos simples:

El Gran Problema: La "Caja Negra" de la Conducción con Cannabis

Sabemos que el alcohol hace que conducir sea peligroso y contamos con alcoholímetros sencillos para detectarlo. Pero el cannabis es más complicado. Afecta a las personas de manera diferente y, a diferencia del alcohol, no existe una prueba simple "talla única" que indique si alguien está actualmente demasiado incapacitado para conducir solo observando su sangre o su aliento.

Actualmente, la policía solo puede verificar la presencia de cannabis después de un accidente o durante una detención, buscando la presencia de la droga, no necesariamente qué tan bien está conduciendo realmente la persona en ese momento. El equipo de REVELIO quiere cambiar eso creando un sistema que observe el automóvil y al conductor en tiempo real para detectar la incapacidad a medida que ocurre.

El Experimento: Una "Escuela de Conducción" para la IA

Piensa en este estudio como una escuela de conducción de alta tecnología, pero en lugar de enseñar a humanos a conducir, están enseñando a una computadora a detectar a un conductor "drogado".

1. Los Estudiantes (Los Participantes)
Están reclutando a 45 adultos sanos que ya consumen cannabis recreativamente (como alguien que disfruta de una copa de vino ocasionalmente). Se dividen en dos grupos:

• El Grupo de "Prueba" (33 personas): Estos participantes fumarán una cantidad específica y medida de cannabis (como una dosis precisa de medicina) justo antes de comenzar a conducir.
• El Grupo de "Control" (12 personas): Estos participantes pasan el mismo día exacto pero no fuman nada. Sirven como la "línea base" o el ejemplo "limpio" para comparar.

2. El Aula (La Pista de Pruebas)
Para mantener a todos seguros, nadie conduce por carreteras públicas reales. Están en una pista de pruebas privada y cerrada.

• El Automóvil: Conducen una furgoneta estándar de 7 plazas, pero tiene un asiento de "copiloto" con un instructor de conducción certificado sentado justo al lado del conductor. Si el conductor empieza a desviarse o entra en pánico, el instructor puede pisar el freno instantáneamente.
• El Cronograma: Todos comienzan con una conducción "sobria" para ver cómo conducen normalmente. Luego, el grupo de "Prueba" fuma su porro. Después, todos conducen tres veces más durante las siguientes seis horas. Esto permite a los investigadores ver cómo cambia la conducción a medida que pasa el efecto del cannabis, hora a hora.

3. Los Sensores (Los "Ojos" y "Oídos")
Esta es la parte más tecnológica. El automóvil y los conductores están cubiertos de sensores, actuando como una gigantesca red de recopilación de datos:

• El Sistema Nervioso del Automóvil (Datos CAN): La computadora registra exactamente cómo el conductor toca el volante, qué tan fuerte presiona el acelerador o el freno, y cómo se mantiene en su carril.
• El Rostro del Conductor (Cámaras): Las cámaras observan los ojos y los movimientos de la cabeza del conductor para ver si están mirando a su alrededor o desconectándose.
• El Cuerpo (Dispositivos Vestibles): Los conductores usan relojes inteligentes que registran la frecuencia cardíaca y la respiración.
• El Laboratorio de Química: Durante todo el día, los investigadores toman pequeñas muestras de sangre, saliva y aliento para medir exactamente cuánto THC (la parte activa del cannabis) hay en su sistema en cada momento.

El Objetivo: Enseñar a la Computadora

Los investigadores no solo están recopilando datos; los están alimentando en Aprendizaje Automático (un tipo de programa informático que aprende mediante ejemplos).

Imagina que estás enseñando a un niño a identificar una manzana "roja". Les muestras muchas manzanas rojas y muchas manzanas verdes. Eventualmente, el niño aprende el patrón.

• Las Manzanas Rojas: Los datos de los conductores que fumaron cannabis.
• Las Manzanas Verdes: Los datos de los conductores sobrios.

La tarea de la computadora es observar los movimientos del volante, el seguimiento ocular y la frecuencia cardíaca, y decir: "Ah, este patrón se parece al grupo de la 'Manzana Roja' (incapacitado)", o "Esto se parece al grupo de la 'Manzana Verde' (sobrio)".

Por Qué Esto Importa (Según el Artículo)

El artículo indica que el objetivo principal es ver si este "profesor informático" puede realmente aprender la diferencia entre un conductor sobrio y uno incapacitado utilizando solo los datos del automóvil y del cuerpo del conductor.

• Es un Piloto: Esto es una "prueba de funcionamiento". Los investigadores saben que este es solo el primer paso. Están verificando si el método funciona y si los datos son lo suficientemente buenos para construir un sistema real más adelante.
• Seguridad Primero: Como están en una pista cerrada con un instructor de seguridad, pueden probar esto sin arriesgar accidentes reales de tráfico.
• Visión Futura: La esperanza última (mencionada en el artículo) es construir eventualmente un sistema "Apto para Conducir". Esto no solo buscaría cannabis; buscaría cualquier incapacidad (ya sea por alcohol, bajo nivel de azúcar en sangre o cannabis) y advertiría al automóvil si el conductor no es seguro para operar el vehículo.

Lo Que el Artículo No Dice

Es importante ceñirse a lo que el artículo afirma realmente:

• Este estudio no tiene un producto funcional listo para vender a las compañías automotrices todavía.
• No dice que la detección de conducción bajo los efectos del cannabis sea actualmente posible en el tráfico real.
• No implica ninguna consecuencia legal para los participantes; es puramente un experimento de investigación.
• Los participantes no están siendo probados para aplicación de la ley; están ayudando a construir los datos necesarios para comprender mejor el problema.

En resumen, el estudio REVELIO es como construir un mapa detallado de un paso de montaña peligroso. Aún no están conduciendo los automóviles sobre el paso; están recopilando los datos para ver si la computadora de un automóvil autónomo puede eventualmente aprender a navegar ese paso de forma segura por sí misma.

Resumen técnico

Basado en el documento de protocolo proporcionado, aquí se presenta un resumen técnico detallado del estudio piloto de pista de prueba REVELIO.

1. Planteamiento del Problema

Conducir bajo la influencia del cannabis es un desafío creciente para la seguridad global, vinculado a un deterioro del rendimiento cognitivo y psicomotor y a un aumento del riesgo de accidentes. A diferencia del alcohol, donde el deterioro funcional se correlaciona relativamente bien con la concentración de alcohol en sangre (BAC), el cannabis presenta desafíos únicos de detección:

• Complejidad Farmacocinética: La relación entre las concentraciones biológicas de THC (en sangre, aliento o fluido oral) y el deterioro funcional al conducir es inconsistente y altamente variable entre individuos.
• Falta de Sistemas en Tiempo Real: Los métodos de detección actuales dependen de pruebas retrospectivas en la vía pública o del análisis de laboratorio de muestras biológicas, las cuales evalúan la presencia de la sustancia en lugar del deterioro funcional en tiempo real.
• Brecha Tecnológica: Si bien existen sistemas en el vehículo para detectar somnolencia o deterioro por alcohol, no se ha desarrollado ni evaluado sistemáticamente ningún sistema escalable, en tiempo real y en el vehículo, diseñado específicamente para detectar la conducción bajo la influencia del cannabis utilizando datos de sensores multimodales.

2. Metodología

El estudio REVELIO es un ensayo piloto aleatorizado, controlado, abierto y monocéntrico diseñado para generar datos multimodales estandarizados para el entrenamiento de modelos de aprendizaje automático.

• Diseño del Estudio y Participantes:

  • Población: 45 consumidores recreativos de cannabis sanos (definidos como usuarios >1 vez/mes, puntuación CUDIT-R ≤7) con licencias de conducir válidas.
  • Asignación: Los participantes se asignan aleatoriamente a un Grupo de Intervención ($n=33$) o a un Grupo de Control de Referencia ($n=12$) en una proporción de 3:1.
  • Entorno: Una pista de prueba cerrada y segura en Thun, Suiza, utilizando un Volkswagen Touran 2020 de doble pedal con un instructor de conducción certificado presente.

• Intervención:

  • Grupo de Intervención: Recibe una dosis inhalada controlada única de cannabis (objetivo: 0.67 mg de THC por kg de peso corporal) mediante un cigarrillo estandarizado (contenido de THC 15–18%).
  • Grupo de Control: Sometido a procedimientos idénticos sin exposición al cannabis.
  • Cronograma: Todos los participantes completan una sesión de conducción en estado de sobriedad como línea base, seguida de tres sesiones de conducción estandarizadas adicionales de 50 minutos a 1–2, 3–4 y 5–6 horas después de la administración.

• Recopilación de Datos (Multimodal):
  El estudio captura flujos de datos sincronizados para distinguir entre estados de sobriedad y deterioro:

  1. Datos del Vehículo: Señales de la Red de Área de Controladores (CAN) (dirección, frenado, aceleración, velocidad, posición en el carril).
  2. Monitoreo del Conductor: Datos de la Cámara de Monitoreo del Conductor (DMC) (dirección de la mirada, movimiento de la cabeza, frecuencia de parpadeo).
  3. Señales Fisiológicas: Sensores portátiles (frecuencia cardíaca, VFC, saturación de oxígeno, respiración).
  4. Muestras Biológicas: Muestras de sangre capilar, fluido oral y aliento recolectadas en múltiples puntos temporales para medir THC y metabolitos.
  5. Evaluaciones Funcionales: Pruebas médico-legales/psicológicas, pupilografía y niveles de somnolencia/intoxicación autoinformados.

• Enfoque Estadístico y Analítico:

  • Objetivo Principal: Desarrollar y evaluar modelos de aprendizaje automático (ML) para clasificar los estados de conducción (sobrio vs. deteriorado por cannabis).
  • Modelos: Una Regresión Logística con LASSO de línea base se comparará con clasificadores flexibles (Bosques Aleatorios, SVM, Boosting de Gradiente, Redes Bayesianas) y enfoques de aprendizaje profundo (CNN, RNN).
  • Validación: Divisiones estrictas de datos a nivel de participante para evitar la filtración de información; validación cruzada anidada para el ajuste de hiperparámetros.
  • Métricas: El resultado principal es el AUROC (Área bajo la Curva Característica Operativa del Receptor), respaldado por precisión, sensibilidad, especificidad y valor predictivo positivo.

3. Contribuciones Clave

• Conjunto de Datos Multimodales Estandarizado: Creación de un conjunto de datos de alta fidelidad y sincronizado en el tiempo que vincula datos de sensores en el vehículo, comportamiento del conductor, estados fisiológicos y concentraciones biológicas de THC bajo condiciones controladas.
• Marco Metodológico para la Detección de Cannabis: Establecimiento de un protocolo para avanzar más allá de las leyes "per se" (basadas en concentración) hacia la detección de deterioro funcional utilizando datos del vehículo en tiempo real.
• Fundamento para Modelos "Apto para Conducir": El estudio está diseñado para ser agrupado con conjuntos de datos anteriores del mismo grupo (estudios de deterioro por alcohol e hipoglucemia) para desarrollar un modelo de detección independiente de la causa que identifique el deterioro funcional independientemente de la causa subyacente.
• Estudio Piloto con Prioridad en la Seguridad: Demostración de un marco de seguridad riguroso (pista cerrada, vehículo de doble control, cribado médico) para realizar estudios de administración controlada de cannabis en un contexto de conducción.

4. Resultados

• Nota: Dado que se trata de un protocolo de estudio (publicado como preimpresión), aún no se reportan resultados empíricos ni métricas de rendimiento (por ejemplo, valores específicos de AUROC).
• El documento describe el análisis planificado y la justificación del tamaño de la muestra (basada en estudios previos de hipoglucemia y alcohol que sugieren que $n=25$ es suficiente para la discriminación inicial del modelo).
• El estudio se encuentra actualmente en la fase de reclutamiento y recopilación de datos (finalización anticipada: junio de 2026).

5. Significado

• Innovación en Seguridad Vial: Si tiene éxito, esta investigación podría conducir al desarrollo de sistemas de advertencia en el vehículo en tiempo real que detecten el deterioro por cannabis antes de que ocurra un accidente, ofreciendo una medida de seguridad proactiva superior a las pruebas policiales retrospectivas.
• Implicaciones Políticas: Proporciona evidencia para apoyar un cambio desde umbrales rígidos de concentración de THC (que pueden no correlacionarse con el deterioro) hacia evaluaciones de capacidad funcional de conducción.
• Avance Científico: Aborda la brecha crítica en la comprensión de la dinámica temporal del deterioro por cannabis (fases temprana, intermedia y tardía) y cómo estos se manifiestan en comportamientos de conducción específicos y señales fisiológicas.
• Escalabilidad: La metodología está diseñada para ser adaptable a futuros estudios de validación a gran escala en el mundo real, allanando potencialmente el camino para restricciones de conducción automatizadas o sistemas de intervención en vehículos comerciales y privados.

Contexto Ético y Regulatorio:
El estudio está aprobado por el Comité de Ética Cantonal de Berna (ID BASEC: 2025-01590) y registrado en ClinicalTrials.gov (NCT07401628). Cumple con las normativas ICH-GCP y la Ley Suiza de Investigación en Humanos, garantizando la seguridad de los participantes mediante criterios de exclusión estrictos, monitoreo médico y la ausencia de consecuencias legales automatizadas para los participantes durante el estudio.