Términos poco conocidos en archivología
>> martes, 28 de abril de 2026
Términos poco conocidos en archivología
Por Lic. Carmen Marín
"Más allá del video: El desafío de la evidencia documental en la era de la opacidad institucional" basado en el vídeo independiente de Sabrina Wallace titulado "Operación Zombie", llamó mucho mi atención algunos términos que considero importate detallar más. De esta forma siento quedarán cubiertas las dudas que puedan generar por ser poco conocidas en el ámbito archivístico. A continuación los referidos terminos:
- WBAN, o Wireless Body Area Network
- Biosensores moleculares asistidos por IA
- Banda Ultraancha (UWB)
Qué es WBAN, o Wireless Body Area Network?
https://www.islabit.com/Publicado el 14 de noviembre de 2020, a las 21:23 pm por Augusto Baldi
En el mundo actual, las comunicaciones inalámbricas se han transformado en algunas de las más importantes que tenemos cuando se trata de compartir información en cualquier momento y lugar. A final de cuentas, los usuarios pueden utilizar redes inalámbricas en forma de WLAN o WiFi en muchos campos diferentes, como el educativo, el de salud o las distintas industrias. Pero, ¿qué hay de las Wireless Body Area Network o WBAN?
Lo que ocurre es que, a medida que se desarrollan nuevas tecnologías, viene aumentando también la necesidad de que los usuarios se mantengan conectados. Las Wireless Body Area Network o WBAN cumplen una función muy específica, que es la de permitir a los usuarios trasladarse a otro lugar sin estar restringidos por cables.
Pero, ¿qué es la red WBAN?
En primera instancia, podríamos decir que este concepto de «Red de área corporal inalámbrica» fue acuñado en 2001 por Van Dam. por aquel entonces, se trataba básicamente de una red de nodos de sensores conectados al cuerpo humano. Esto posibilitaba tareas como medir señales biológicas humanas entre las que se hallan la frecuencia cardíaca, la presión arterial, las señales cerebrales, etc. Es decir, aplicaciones más que nada médicas.
Además de eso, debemos considerar que existen dos modos de comunicación en torno al cuerpo humano. La comunicación intracorporal es la comunicación entre los nodos sensores implantados dentro del cuerpo y sólo se puede utilizar para la comunicación interna. Pero, con el paso del tiempo, ha surgido también una comunicación corporal que sucede entre dispositivos portátiles y que incluye botones de sensor.
Lo que ocurre es que, a medida que se desarrollan nuevas tecnologías, viene aumentando también la necesidad de que los usuarios se mantengan conectados. Las Wireless Body Area Network o WBAN cumplen una función muy específica, que es la de permitir a los usuarios trasladarse a otro lugar sin estar restringidos por cables.
Pero, ¿qué es la red WBAN?
En primera instancia, podríamos decir que este concepto de «Red de área corporal inalámbrica» fue acuñado en 2001 por Van Dam. por aquel entonces, se trataba básicamente de una red de nodos de sensores conectados al cuerpo humano. Esto posibilitaba tareas como medir señales biológicas humanas entre las que se hallan la frecuencia cardíaca, la presión arterial, las señales cerebrales, etc. Es decir, aplicaciones más que nada médicas.
Además de eso, debemos considerar que existen dos modos de comunicación en torno al cuerpo humano. La comunicación intracorporal es la comunicación entre los nodos sensores implantados dentro del cuerpo y sólo se puede utilizar para la comunicación interna. Pero, con el paso del tiempo, ha surgido también una comunicación corporal que sucede entre dispositivos portátiles y que incluye botones de sensor.
Requisitos de la red WBAN
En líneas generales, las redes WBAN deben cumplir con algunos requisitos o características muy particulares, como el bajo consumo de energía, la baja latencia, la seguridad o la habilidad interactiva.
Estructura de estas redes
Existen cuatro elementos fundamentales que conforman estas redes, a saber:
- WBAN: esta sección es la que posee los sensores de bajo coste y baja potencia, de forma que permiten controlar la frecuencia cardíaca o la presión arterial, sin poner en riesgo a la persona conectada. De hecho, ni siquiera llegan a limitar sus movimientos, por lo que se los suele utilizar para el diagnóstico de pacientes.
- Botones de sensor: éstos son los elementos que proporcionan salida a un coordinador central, que recibe la señal de los nodos y la transmite a la siguiente sección para monitorear el cuerpo humano.
- Comunicación: este apartado recibe la información anterior, y actúa de la misma forma que una puerta de enlace para pasar la información al siguiente canal. Por caso, enviando mensajes a redes móviles 3G o 4G.
- Almacenamiento: en este espacio se guarda toda la información del usuario, considerando que puede llegar a ser necesaria en el futuro, para hacer un seguimiento más preciso de su estado.
Aplicaciones médicas
Como comentábamos, las aplicaciones originales de estas redes tenían que ver exclusivamente con el desarrollo de la medicina. Permitían, entre otras cosas, un monitoreo remoto de atención. Lo hacían actuando sobre el cuerpo del paciente para monitorear la frecuencia cardíaca, la presión arterial y los electrocardiogramas.
Aplicaciones no médicas
Ahora mismo, las redes en cuestión tienen algunas otras aplicaciones. Pueden ser utilizadas, por ejemplo, para medir la velocidad, la distancia, y la frecuencia cardíaca de los deportistas profesionales.
Algo similar ocurre con sus aplicaciones de cara a los ejercicios de entrenamiento de los ejércitos. Permiten enviar más fácilmente datos respecto de ataques, retiradas u órdenes de oficiales al mando.
En el mundo de la música, permiten una mejor fluidez en la reproducción de música inalámbrica y videollamadas.
Y, por si fuera necesario aclararlo, esta tecnología emergente es completamente legal y no tan costosa como otras que están apareciendo por estos días. Por eso mismo se cree que ganará mucho terreno en los próximos años.
Biosensores moleculares asistidos por IA: estrategias de diseño para dispositivos portátiles y monitorización en tiempo real"
https://pmc.ncbi.nlm.nih.gov/articles/PMC13073040
A continuación resumen detallado y estructurado del artículo científico “AI-Assisted Molecular Biosensors: Design Strategies for Wearable and Real-Time Monitoring” (título en español: Biosensores moleculares asistidos por IA: estrategias de diseño para dispositivos portátiles y monitorización en tiempo real), publicado en 2026 en International Journal of Molecular Sciences (IJMS, 27(7), 3305; DOI: 10.3390/ijms27073305) por Sishi Zhu y colaboradores (autores principales: Sishi Zhu, Jie Zhang, Xuming He, Lijun Ding, Xiao Luo y Weijia Wen, con correspondencia en Xiao Luo y Weijia Wen). Se trata de una revisión sistemática de acceso abierto que resume los avances recientes en la integración de inteligencia artificial (IA) con biosensores moleculares, con énfasis en aplicaciones portátiles (wearables) y monitorización en tiempo real.
Resumen (Abstract)
La IA se ha convertido en una herramienta transformadora en los biosensores moleculares. Permite la optimización impulsada por datos en el diseño de sensores, el procesamiento de señales y la monitorización continua. La IA acelera el descubrimiento de biomarcadores, el diseño de receptores de alta afinidad (proteínas, aptámeros, péptidos) y la ingeniería racional de materiales (nanostructuras plasmónicas, nanozimas, MOFs, materiales 2D). Mejora la sensibilidad, especificidad y robustez frente a ruido, artefactos de movimiento y variabilidad fisiológica.
La revisión destaca estrategias de detección representativas (ópticas, electroquímicas, microfluidas y piezoeléctricas) y algoritmos de IA (ML clásico y deep learning) para dispositivos portátiles. Discute desafíos actuales (estabilidad, consumo energético, fouling) y oportunidades futuras en salud personalizada, diagnóstico temprano y sistemas inteligentes de bajo consumo.
https://pmc.ncbi.nlm.nih.gov/articles/PMC13073040
A continuación resumen detallado y estructurado del artículo científico “AI-Assisted Molecular Biosensors: Design Strategies for Wearable and Real-Time Monitoring” (título en español: Biosensores moleculares asistidos por IA: estrategias de diseño para dispositivos portátiles y monitorización en tiempo real), publicado en 2026 en International Journal of Molecular Sciences (IJMS, 27(7), 3305; DOI: 10.3390/ijms27073305) por Sishi Zhu y colaboradores (autores principales: Sishi Zhu, Jie Zhang, Xuming He, Lijun Ding, Xiao Luo y Weijia Wen, con correspondencia en Xiao Luo y Weijia Wen). Se trata de una revisión sistemática de acceso abierto que resume los avances recientes en la integración de inteligencia artificial (IA) con biosensores moleculares, con énfasis en aplicaciones portátiles (wearables) y monitorización en tiempo real.
Resumen (Abstract)
La IA se ha convertido en una herramienta transformadora en los biosensores moleculares. Permite la optimización impulsada por datos en el diseño de sensores, el procesamiento de señales y la monitorización continua. La IA acelera el descubrimiento de biomarcadores, el diseño de receptores de alta afinidad (proteínas, aptámeros, péptidos) y la ingeniería racional de materiales (nanostructuras plasmónicas, nanozimas, MOFs, materiales 2D). Mejora la sensibilidad, especificidad y robustez frente a ruido, artefactos de movimiento y variabilidad fisiológica.
La revisión destaca estrategias de detección representativas (ópticas, electroquímicas, microfluidas y piezoeléctricas) y algoritmos de IA (ML clásico y deep learning) para dispositivos portátiles. Discute desafíos actuales (estabilidad, consumo energético, fouling) y oportunidades futuras en salud personalizada, diagnóstico temprano y sistemas inteligentes de bajo consumo.
Palabras clave: biosensor, wearable, IA, monitorización en tiempo real, detección molecular.
Introducción
Los biosensores portátiles permiten la recopilación continua y no invasiva de información fisiológica (sudor, fluido intersticial, orina, señales eléctricas) en entornos reales, superando las limitaciones de los análisis de laboratorio tradicionales (tiempo largo, equipo voluminoso). Avances en materiales flexibles y micro/nano-fabricación han mejorado la comodidad y estabilidad. Sin embargo, las señales reales presentan ruido elevado (artefactos de movimiento, fluctuaciones ambientales, concentraciones bajas de analitos), deriva a largo plazo y alto consumo energético. La IA (machine learning y deep learning) resuelve estos problemas mediante corrección adaptativa, extracción automática de características, reducción de dimensionalidad y fusión multimodal de datos.
La revisión organiza el contenido en:
Introducción
Los biosensores portátiles permiten la recopilación continua y no invasiva de información fisiológica (sudor, fluido intersticial, orina, señales eléctricas) en entornos reales, superando las limitaciones de los análisis de laboratorio tradicionales (tiempo largo, equipo voluminoso). Avances en materiales flexibles y micro/nano-fabricación han mejorado la comodidad y estabilidad. Sin embargo, las señales reales presentan ruido elevado (artefactos de movimiento, fluctuaciones ambientales, concentraciones bajas de analitos), deriva a largo plazo y alto consumo energético. La IA (machine learning y deep learning) resuelve estos problemas mediante corrección adaptativa, extracción automática de características, reducción de dimensionalidad y fusión multimodal de datos.
La revisión organiza el contenido en:
(1) estrategias de diseño asistidas por IA (biomarcadores, receptores y materiales),
(2) plataformas de biosensores mejoradas por IA, y
(3) aplicaciones en wearables y monitorización en tiempo real. Se menciona la Figura 1 como esquema general del flujo de trabajo IA-biosensor.Estrategias de diseño principales asistidas por IALa IA acelera el ciclo de diseño iterativo mediante big data y predicción, enfocándose en tres áreas clave:
1. Descubrimiento de nuevos biomarcadores
La IA procesa datasets masivos multi-ómicos (genómicos, proteómicos, single-cell). Ejemplos:
1. Descubrimiento de nuevos biomarcadores
La IA procesa datasets masivos multi-ómicos (genómicos, proteómicos, single-cell). Ejemplos:
- scGPT (modelo generativo preentrenado) para anotación celular e integración multimodal.
- ProteinScores (modelo Cox PH + elastic net) con datos del UK Biobank (1468 proteínas, ~47 0 personas) para predicción de riesgos de enfermedades.
- Gene-SGAN (clustering profundo multimodal) para subtipos de demencia e hipertensión integrando MRI y SNPs.
2. Diseño de receptores de alta afinidad
- IA predice sitios de unión y afinidad para proteínas, aptámeros y péptidos. Ejemplos:
- AlphaFold2 + ProteinMPNN para binders con afinidad de 4,7 nM.
- RFdiffusion y hallucination para péptidos helicoidales (LOD ~10 nM).
- Random Forest/XGBoost para optimización de aptámeros (precisión 0,82).
Ventajas: reduce drásticamente los ciclos experimentales de prueba y error.
3. Diseño racional de materiales
IA optimiza nanostructures plasmónicas y nanofotónicas mediante modelado forward/inverse. Ejemplos:
3. Diseño racional de materiales
IA optimiza nanostructures plasmónicas y nanofotónicas mediante modelado forward/inverse. Ejemplos:
- MLP + Transformer para metasurfaces.
- DNN con optimización bayesiana para síntesis de nanopartículas de plata.
- GPN/SPN y ResNet18 + VAE para predicción espectral y diseño quiral (discriminación de enantiómeros).
- Se usa SHAP para interpretabilidad. (Ver Figura 3).
- Ópticos (SPR, SERS, plasmonic): predicción de espectros y reducción de ruido.
- Electroquímicos: nanozimas y materiales 2D (MXene, grafeno) con algoritmos como CNN/RNN para calibración adaptativa.
- Microfluidos y piezoeléctricos: integración con YOLOv5 o redes híbridas para detección rápida.
Ejemplos destacados:
LOD muy bajos (0,001 mM para lactato, 10 CFU/mL para patógenos) y precisión >98 % en clasificación celular. Tabla 2 compara algoritmos (SVM, CNN, etc.) y rendimiento en analitos como glucosa y hormonas. (Ver Figura 4 para ejemplos de detección bacteriana y Figura 6 para estructuras microfluidas).
Aplicaciones en dispositivos portátiles y monitorización en tiempo real
Aplicaciones en dispositivos portátiles y monitorización en tiempo real
La IA permite wearables robustos: parches en piel, textiles inteligentes y sistemas smartphone-integrados.
Ejemplos:
- Monitorización de estrés (cortisol, lactato en sudor) con modelos predictivos.
- Detección de patógenos con biosensores colorimétricos + IA en móvil (precisión 100 % en algunos casos).
- Clasificación de señales piezoeléctricas en hilos inteligentes.
Desafíos y perspectivas futuras
Desafíos principales:
Conclusiones
La integración de IA transforma los biosensores moleculares en plataformas inteligentes, portátiles y confiables para monitorización en tiempo real. Acelera el diseño, mejora el rendimiento analítico y abre la puerta a la salud personalizada y accesible. Los autores llaman a superar los desafíos restantes mediante algoritmos híbridos, materiales innovadores y colaboración interdisciplinaria. El artículo concluye que esta tecnología será clave en el futuro de la medicina preventiva y el monitoreo continuo.
- Interferencias ambientales y biológicas (pH, temperatura, fouling).
- Estabilidad a largo plazo de enzimas y materiales.
- Alto costo computacional y necesidad de datasets grandes para deep learning.
- Privacidad y seguridad de datos en dispositivos conectados.
- Nanozimas y MOFs para sensores sin enzimas y sostenibles.
- IA antifouling y edge-AI de bajo consumo.
- Integración IoT y self-powered wearables (termopiezos).
- Híbridos IA + materiales avanzados para detección multiplexada y predictiva.
Conclusiones
La integración de IA transforma los biosensores moleculares en plataformas inteligentes, portátiles y confiables para monitorización en tiempo real. Acelera el diseño, mejora el rendimiento analítico y abre la puerta a la salud personalizada y accesible. Los autores llaman a superar los desafíos restantes mediante algoritmos híbridos, materiales innovadores y colaboración interdisciplinaria. El artículo concluye que esta tecnología será clave en el futuro de la medicina preventiva y el monitoreo continuo.
Banda Ultraancha (UWB):
https://youtu.be/IMCkExeHu5U
La tecnología detrás de la localización precisa y las llaves digitales
Definiendo el protocolo de ultraprecisión
Definiendo el protocolo de ultraprecisión
La banda ultraancha (UWB) es un protocolo de comunicación inalámbrica de corto alcance que opera mediante ondas de radio, pero es fundamentalmente diferente de Bluetooth o Wi-Fi. Utiliza un amplio espectro de altas frecuencias y transmite datos mediante pulsos extremadamente cortos (medidos en nanosegundos).
Este método permite que la UWB alcance una precisión sin precedentes, a nivel centimétrico, en la medición de distancias y la determinación de la ubicación y dirección exactas de un dispositivo. Si bien el GPS es excelente para el posicionamiento global en exteriores, la UWB destaca en el posicionamiento en interiores y la percepción espacial.
Cómo logra la UWB una precisión milimétrica
La UWB logra su precisión única mediante una técnica llamada Tiempo de Vuelo (ToF). Este método consiste en que el chip UWB del teléfono mide el tiempo exacto de ida y vuelta que tarda un pulso de señal en viajar entre el teléfono y otro dispositivo compatible con UWB (como una etiqueta inteligente o un automóvil).
Al multiplicar este tiempo de viaje por la velocidad de la luz, el teléfono puede calcular la distancia física con gran precisión. Además, la tecnología UWB utiliza el ángulo de llegada (AoA) para determinar con exactitud la dirección de la señal en el espacio 3D, lo que significa que el teléfono sabe a qué distancia y en qué dirección se encuentra un objeto.
La ventaja de seguridad del tiempo
La dependencia de UWB de las mediciones de tiempo la hace inherentemente más segura que tecnologías más antiguas como Bluetooth o NFC, que a menudo se basan en la intensidad de la señal (RSSI) para estimar la distancia. La intensidad de la señal es fácil de interceptar y amplificar para los atacantes en un ataque de retransmisión, engañando a una cerradura para que piense que hay una llave cerca.
Dado que UWB mide el retardo de tiempo preciso, cualquier intento de aumentar la señal solo incrementará el tiempo de viaje medido, exponiendo inmediatamente el ataque e impidiendo el acceso no autorizado a sistemas como llaves digitales de automóviles o puertas de seguridad.
Aplicaciones reales en teléfonos inteligentes
La integración de UWB en los teléfonos inteligentes de gama alta ha abierto varias aplicaciones fluidas, manos libres y seguras para los consumidores.
Una aplicación importante es el seguimiento mejorado de objetos. Al combinar UWB con etiquetas de seguimiento complementarias (como SmartTags), un smartphone puede usar la Realidad Aumentada (RA) para guiar al usuario directamente a un objeto perdido, mostrando indicaciones visuales en la pantalla que conducen a la ubicación precisa, incluso en interiores o debajo de una pila de ropa.
Otro caso de uso revolucionario es la llave digital del coche. Con UWB, tu smartphone puede desbloquear y arrancar automáticamente y de forma segura tu coche compatible al acercarte, sin necesidad de sacarlo del bolsillo o del bolso.
Interacción con dispositivos y hogares inteligentes
UWB está llamada a revolucionar la interacción con los hogares inteligentes al añadir conciencia espacial. Imagina simplemente apuntar tu teléfono a un altavoz inteligente o una lámpara específica, y una interfaz de control personalizada para ese dispositivo aparecerá instantáneamente en tu pantalla.
Este control direccional y sencillo elimina las conjeturas y la complejidad de navegar por menús para controlar dispositivos inteligentes individuales en una habitación concurrida. Además, UWB permite compartir archivos de forma más rápida e intuitiva entre dos dispositivos con solo apuntarlos uno hacia el otro.
El futuro de la tecnología UWB y el IoT
A medida que los chips UWB se vuelven más comunes en todos los dispositivos electrónicos de consumo —desde relojes inteligentes y portátiles hasta electrodomésticos y sensores industriales—, crece el potencial para una integración perfecta con el Internet de las Cosas (IoT). La tecnología UWB es clave para crear entornos verdaderamente inteligentes donde los dispositivos responden no solo a comandos, sino también a la ubicación física precisa y la intención del usuario.
Esto podría dar lugar a sistemas de climatización automatizados que te siguen de una habitación a otra o a sistemas de acceso a edificios que solo permiten la entrada cuando te encuentras en una zona segura designada, garantizando comodidad y una seguridad sin precedentes.
