Tecnología para la regulación sensorial: de los auriculares con cancelación de ruido a los wearables

Introducción: de la gestión del entorno sensorial a la autorregulación en tiempo real

La regulación sensorial comprende estrategias destinadas a modificar la exposición a estímulos y a ajustar la respuesta fisiológica o subjetiva ante ellos. Los auriculares con cancelación de ruido actúan sobre el entorno acústico, mientras que los dispositivos portátiles registran señales corporales y pueden ofrecer intervenciones inmediatas. Esta transición desplaza el objetivo desde la reducción general de estímulos hacia la identificación individualizada del estado de activación y su modulación durante la actividad cotidiana. Las revisiones recientes describen una convergencia entre sensores fisiológicos, inteligencia artificial, información contextual y retroalimentación al usuario (Bolpagni et al., 2024; Taskasaplidis et al., 2024). La evidencia, no obstante, distingue entre mejorar la experiencia sensorial, detectar estrés y producir cambios sostenidos en la autorregulación, tres resultados que no deben tratarse como equivalentes.

Control auditivo y estimulación sonora como estrategias de regulación sensorial

Cancelación activa del ruido, rendimiento y estrés en entornos de oficina

La cancelación activa del ruido permite que la persona controle de forma individual el ambiente acústico, especialmente en oficinas abiertas donde el habla irrelevante interfiere con la concentración. En un experimento de laboratorio con 54 participantes, cinco configuraciones de auriculares se compararon durante tareas de recuerdo serial y n-back, mientras la variabilidad de la frecuencia cardiaca se utilizó como indicador fisiológico de estrés (Radun et al., 2024). Ninguna configuración modificó el rendimiento ni la variabilidad de la frecuencia cardiaca. La cancelación activa sin sonido de enmascaramiento hizo que el entorno pareciera más agradable, pero la combinación de ambas funciones redujo la valoración subjetiva de interferencia y distracción frente a la ausencia de auriculares (Radun et al., 2024).

Estos resultados se replican en el informe de congreso basado en el mismo protocolo, donde la cancelación activa aislada tampoco mejoró el rendimiento cognitivo ni redujo el estrés fisiológico (Hongisto et al., 2024). La discrepancia entre experiencia y desempeño indica que sentirse menos molestado no implica procesar mejor la información ni mostrar una respuesta autonómica menor. Para la regulación sensorial, los auriculares pueden ofrecer control y alivio subjetivo, pero no deben presentarse como intervención suficiente contra las demandas acústicas de una oficina. El beneficio depende de la configuración sonora y del resultado evaluado, por lo que la experiencia percibida requiere una medida separada de la atención y la fisiología.

Hiperreactividad auditiva, sonidos naturales y estimulación musical

En personas con hiperreactividad auditiva, reducir el volumen total puede ser una solución imprecisa porque la aversión depende de frecuencias, intensidades y perfiles perceptivos individuales. Un sistema híbrido de cancelación activa, diseñado a partir de pruebas conductuales y electroencefalográficas en niños autistas, estableció objetivos de atenuación ajustados a sus respuestas auditivas; los auriculares personalizados mejoraron las valoraciones de percepción sonora (Kwong & Choy, 2024). El hallazgo respalda una adaptación por perfil auditivo, aunque el resumen no demuestra efectos sobre estrés cotidiano, participación escolar o funcionamiento a largo plazo.

La estimulación sonora puede dirigirse a disminuir la activación o a sustituir estímulos aversivos por señales preferidas. Un metanálisis encontró que los sonidos naturales, frente a un ambiente silencioso, produjeron diferencias en frecuencia cardiaca, presión arterial y frecuencia respiratoria, pero no en estrés percibido ni en saturación de oxígeno; la evidencia fue descrita como inconsistente (Fan & Baharum, 2024). En pacientes sometidos a procedimientos, una revisión de 21 ensayos sobre intervenciones musicales tecnológicas informó reducciones de ansiedad en nueve estudios y de dolor en siete, aunque no pudo separar claramente los efectos del dispositivo de los del programa musical (Park et al., 2024). Otra revisión de 31 estudios concluyó que los efectos de música, ruido, ruido blanco y binaural beats sobre medidas autonómicas y rendimiento cognitivo eran mixtos o insuficientes (Chee et al., 2024). Por tanto, la selección del sonido, el contexto y la preferencia personal deben formar parte del diseño, antes de vincular una señal acústica con una supuesta regulación general.

Wearables para detectar y contextualizar el estrés mediante señales fisiológicas

De la monitorización de bios señales a los modelos personalizados y multimodales

Los dispositivos portátiles fisiológicos convierten la regulación en un proceso potencialmente continuo: registran señales, estiman cambios de activación y permiten relacionarlos con situaciones concretas. Las revisiones identifican la actividad electrodérmica y la fotopletismografía como señales frecuentes para detectar estrés, especialmente cuando se combinan con otras modalidades (Bolpagni et al., 2024). También se emplean electrocardiografía, temperatura cutánea, movimiento, postura, habla y temblor de las manos, porque cada señal refleja dimensiones diferentes de la respuesta al estrés (Pinge et al., 2024; Taskasaplidis et al., 2024). Esta diversidad amplía la cobertura fisiológica, pero hace que el preprocesamiento, la sincronización y la interpretación sean determinantes.

La personalización responde a una limitación del enfoque poblacional: una variación cardíaca o electrodérmica puede tener significados distintos según la persona, la actividad y el momento del día. Una revisión de modelos personalizados observó un uso frecuente de actividad electrodérmica y fotopletismografía, junto con una tendencia hacia modelos de aprendizaje profundo, aunque las comparaciones con métodos tradicionales siguen siendo limitadas (Bolpagni et al., 2024). En computación afectiva multimodal, las combinaciones más comunes incluyen actividad electrodérmica y electrocardiografía, con redes convolucionales y redes de memoria a largo plazo entre las arquitecturas utilizadas (Li & Zhang, 2025). La ventaja esperada de la multimodalidad no consiste en acumular sensores sin criterio, sino en compensar la información incompleta de cada señal.

La detección puede organizarse como una cadena de decisiones que comienza con la adquisición y termina con una acción de regulación. El esquema siguiente resume los componentes descritos por las revisiones de detección y por los trabajos de monitorización continua (Pinge et al., 2024; Taskasaplidis et al., 2024).

Entornos reales, aprendizaje automático e interpretación del sistema nervioso autónomo

La validación en condiciones cotidianas modifica la lectura de los resultados obtenidos en laboratorio. Un estudio con datos de 240 sujetos recogidos mediante electrocardiografía, temperatura cutánea y conductancia cutánea evaluó varios modelos en un entorno de vida libre; el mejor rendimiento dependió de la tarea de clasificación y del uso o no de sobremuestreo sintético (Al-Alim et al., 2024). El modelo Random Forest alcanzó una exactitud del 98,29 % y una puntuación F1 del 97,89 % en clasificación binaria sin sobremuestreo, mientras que XGBoost obtuvo una exactitud y una puntuación F1 del 98,98 % en clasificación de tres niveles con sobremuestreo (Al-Alim et al., 2024). Estas cifras describen rendimiento dentro de un conjunto de datos concreto, no precisión clínica universal.

La interpretación del sistema nervioso autónomo exige más que una lectura aislada de frecuencia cardiaca, variabilidad cardiaca o conductancia. Una revisión crítica sostiene que las señales autonómicas dependen del estado conductual, la situación social y el contexto ambiental, por lo que su significado no puede inferirse únicamente desde el registro fisiológico (Norman et al., 2025). Caminar, hablar, realizar esfuerzo físico o afrontar una interacción social pueden producir patrones parcialmente coincidentes. Los modelos sensibles al contexto deben incorporar esa información sin convertir cualquier activación corporal en una etiqueta psicológica.

Los sistemas multimodales más recientes intentan fusionar señales fisiológicas, información mental y variables situacionales mediante arquitecturas adaptativas (Myla et al., 2025). El valor de estas propuestas reside en ajustar la contribución de cada señal cuando existe incertidumbre, aunque una exactitud comunicada en un modelo experimental no demuestra validez en poblaciones independientes. La investigación también avanza hacia hardware de bajo consumo: un sistema con pulsera y parche torácico fue diseñado para funcionar durante una semana entre cargas y para facilitar análisis fisiológico en tiempo real (Brewer et al., 2025). La reducción del consumo energético favorece la continuidad de uso, pero la intervención útil requiere además interpretación fiable, comunicación comprensible y consentimiento sobre los datos.

Fiabilidad, validez y usabilidad en la selección de dispositivos portátiles

La elección de un dispositivo no puede basarse solo en el número de sensores o en la exactitud anunciada por el fabricante. La base de datos Stress in Action Wearables Database reúne especificaciones técnicas, señales registradas, disponibilidad de datos sin procesar y búsquedas sistemáticas sobre fiabilidad, validez y usabilidad (Schoenmakers et al., 2025). Sus autores señalan que los estudios de facilidad de uso son escasos, las estadísticas de validez se comunican de forma inconsistente y la documentación sobre frecuencia de muestreo o extracción de parámetros puede ser imprecisa (Schoenmakers et al., 2025). Estas deficiencias afectan tanto a la investigación como a la selección de productos para aplicaciones personales.

La calidad técnica debe evaluarse junto con la tolerabilidad. En personas autistas, una revisión de 31 artículos encontró predominio de soluciones basadas en actividad cardíaca mediante fotopletismografía y electrocardiografía, pero también muestras pequeñas, condiciones variables y necesidad de personalizar los umbrales de estrés (Cano et al., 2024). La sensibilidad sensorial puede hacer que un accesorio cause incomodidad, altere la conducta o sea abandonado antes de producir datos útiles. Por ello, la usabilidad no es un atributo secundario: determina qué señales se obtienen, durante cuánto tiempo y en qué contextos. La detección fisiológica solo puede sostener una intervención si el dispositivo permanece aceptable para quien lo lleva.

Wearables de intervención para la autorregulación y el alivio de la sobrecarga sensorial

Retroalimentación respiratoria en tiempo real y regulación psicofisiológica

La retroalimentación respiratoria transforma una medida fisiológica en una instrucción inmediata para modificar la conducta. El dispositivo Anti-Stress detectó patrones respiratorios con una exactitud de hasta el 99 %, respondió en menos de 200 milisegundos y estimó índices objetivos mediante variabilidad de la frecuencia cardiaca (Hou et al., 2025). En un experimento con 60 participantes, el grupo que utilizó el dispositivo redujo el estrés más que el grupo de control, y las escalas SUS y QUIS indicaron mayor usabilidad que una aplicación sin biorretroalimentación (Hou et al., 2025). Las personas con mayor apertura o neuroticismo mostraron mayor alivio, lo que sugiere que las características individuales pueden moderar la respuesta.

El mecanismo propuesto es conductual y psicofisiológico: la persona observa o recibe una guía sobre su respiración y ajusta el patrón durante el ejercicio. Este diseño puede ser más operativo que una recomendación general de respirar profundamente, porque vincula la instrucción con una señal en tiempo real. Aun así, el estudio no establece la duración del efecto después de retirar el dispositivo ni su rendimiento durante sobrecarga sensorial específica. La biorretroalimentación debe evaluarse como apoyo para una habilidad de autorregulación, no como sustituto de la comprensión del contexto o de la atención profesional cuando exista malestar persistente.

Presión profunda, pulseras multimodales y apoyos discretos para personas autistas

Las intervenciones portátiles también pueden suministrar estimulación táctil o sensorial directamente. Portable Hugs describe un brazalete con cámara neumática controlada por aplicación móvil para aplicar presión profunda, con ciclos de inflado y desinflado y un interruptor de emergencia (Thomas, 2024). El prototipo completó 11 ciclos en 15 minutos a una presión máxima de 1 psi sobre la atmosférica, pero el trabajo presenta pruebas iniciales de funcionamiento y propone todavía calibración, verificación de seguridad y evaluación preclínica (Thomas, 2024). Por tanto, su plausibilidad de uso no equivale a eficacia demostrada frente a la sobrecarga.

Sereni Smart Bracelet propone una pulsera discreta con vibración personalizable, sonidos ASMR o binaural beats y luz, orientada a la autorregulación de personas autistas (Kiehl, 2025). Su diseño centrado en el usuario responde a la necesidad de reducir el estigma y permitir que la persona seleccione modalidades según su perfil sensorial. Sin embargo, el artículo presenta una conceptualización y no resultados experimentales de eficacia. La evidencia disponible respalda la personalización como requisito de diseño, mientras que la reducción de crisis, la mejora de la atención y la autonomía cotidiana requieren ensayos con comparadores y seguimiento suficiente.

Síntesis: hacia sistemas adaptativos que conecten detección, contexto e intervención

De dispositivos aislados a bucles cerrados de autorregulación personalizada

La convergencia de sensores, contexto e intervención permite definir un bucle cerrado de autorregulación: medir, interpretar, ofrecer una acción y comprobar la respuesta. Las revisiones de detección describen ya los componentes técnicos de adquisición, preprocesamiento, extracción de características y clasificación (Pinge et al., 2024). Los trabajos sobre respiración muestran cómo una señal puede convertirse en una instrucción inmediata (Hou et al., 2025), mientras que los prototipos sensoriales amplían la intervención hacia vibración, luz, sonido o presión (Kiehl, 2025; Thomas, 2024). La integración debe conservar la posibilidad de que el usuario acepte, modifique o rechace la respuesta del sistema.

Un sistema adaptativo no debería interpretar la activación autonómica sin contexto. La revisión sobre monitorización en vida real exige considerar estado conductual, entorno social y situación antes de atribuir significado psicológico a una señal (Norman et al., 2025). La personalización puede establecer una línea basal individual, ajustar umbrales y seleccionar la modalidad menos molesta, pero el aprendizaje automático debe comunicar también su incertidumbre. Las arquitecturas multimodales ofrecen una dirección metodológica, aunque su generalización e interpretabilidad siguen siendo limitadas (Li & Zhang, 2025).

Equilibrio entre eficacia fisiológica, experiencia subjetiva y autonomía del usuario

La eficacia fisiológica constituye solo una dimensión del resultado. En oficinas, la cancelación activa mejoró la valoración del entorno sin modificar rendimiento ni variabilidad cardiaca (Radun et al., 2024). En cambio, la retroalimentación respiratoria produjo una reducción de estrés frente a un control y fue valorada como usable (Hou et al., 2025). Estas diferencias muestran que una intervención puede cambiar la experiencia sin cambiar la fisiología, o modificar un indicador fisiológico mediante una conducta guiada.

La autonomía exige que la persona comprenda qué se mide, cuándo se activa una recomendación y cómo detenerla. Para usuarios autistas, la comodidad física, la discreción y la selección de estímulos condicionan la continuidad de uso (Cano et al., 2024; Kiehl, 2025). Un sistema responsable debe priorizar ajustes controlables por el usuario y evitar que una clasificación automática sustituya su descripción del malestar. La personalización será aceptable solo si amplía las opciones de regulación sin imponer una interpretación única del estado sensorial.

Lagunas de la evidencia y desafíos para la implementación cotidiana

Validez ecológica, mediciones ruidosas y dificultad para inferir estados psicológicos

La principal limitación es la distancia entre señales fisiológicas y estados psicológicos. La actividad autonómica cambia con el movimiento, el esfuerzo, la interacción social y el ambiente, de modo que una medición aislada no identifica por sí misma estrés, ansiedad o sobrecarga sensorial (Norman et al., 2025). Los estudios en vida libre avanzan respecto a los protocolos controlados, pero el rendimiento de un modelo depende del conjunto de datos, del preprocesamiento y de la definición de las clases (Al-Alim et al., 2024). La multimodalidad puede reducir ambigüedades, aunque también aumenta la complejidad y las necesidades de calibración (Li & Zhang, 2025).

La evidencia sobre intervención presenta limitaciones paralelas. El sistema de respiración cuenta con un ensayo de 60 participantes, mientras que los dispositivos de presión y las pulseras sensoriales se encuentran en fases de prototipo o conceptualización (Hou et al., 2025; Kiehl, 2025; Thomas, 2024). No está resuelto qué combinación de señal, contexto y estímulo funciona para perfiles sensoriales distintos. La privacidad añade otro problema, porque la monitorización continua puede revelar patrones corporales y situacionales sensibles (Bolpagni et al., 2024; Norman et al., 2025).

Necesidad de estudios longitudinales, poblaciones diversas y criterios comparables de evaluación

Los estudios futuros necesitan seguimiento prolongado, muestras diversas y comparadores que separen el efecto del dispositivo del efecto de la intervención. Las revisiones señalan falta de datos continuos en entornos naturalistas, generalización limitada y escasa interpretación de los modelos (Li & Zhang, 2025). En autismo, los tamaños muestrales pequeños y la variabilidad de las condiciones dificultan establecer umbrales aplicables entre personas (Cano et al., 2024). La comparación debería incluir exactitud de señal, validez contextual, abandono, comodidad, percepción de control y cambios subjetivos y fisiológicos.

La selección técnica también requiere criterios transparentes sobre frecuencia de muestreo, datos sin procesar, fiabilidad, validez y usabilidad (Schoenmakers et al., 2025). Sin estas condiciones, una cifra elevada de clasificación puede ocultar un dispositivo incómodo o un modelo que falla fuera de su conjunto de entrenamiento. Los ensayos deben informar cuándo el sistema recomienda una acción, qué ocurre si el usuario la rechaza y si la intervención mantiene beneficios después de semanas o meses.

Conclusión: condiciones para una regulación sensorial tecnológica responsable y personalizada

La tecnología para la regulación sensorial progresa desde el control acústico hacia sistemas que detectan estados fisiológicos y ofrecen intervenciones en tiempo real. La cancelación de ruido mejora la experiencia, pero sus efectos sobre rendimiento y estrés son limitados en oficinas (Radun et al., 2024). Los dispositivos portátiles permiten personalizar la detección mediante señales multimodales, aunque el contexto y la calidad de los datos determinan su interpretación (Bolpagni et al., 2024; Norman et al., 2025). La retroalimentación respiratoria dispone de evidencia experimental inicial, mientras que la presión profunda y las pulseras multimodales requieren validación clínica y cotidiana (Hou et al., 2025; Kiehl, 2025; Thomas, 2024). Una implementación responsable debe combinar eficacia medida, comodidad, privacidad, control del usuario y reconocimiento explícito de la incertidumbre.

References

• Al-Alim, M. A., Mubarak, R. I., Salem, N. M., & Sadek, I. (2024). A machine-learning approach for stress detection using wearable sensors in free-living environments. Computers in Biology and Medicine, 179, 108918. https://doi.org/10.1016/j.compbiomed.2024.108918
• Bolpagni, M., Pardini, S., Dianti, M., & Gabrielli, S. (2024). Personalized stress detection using biosignals from wearables: A scoping review. Sensors, 24(10), 3221. https://doi.org/10.3390/s24103221
• Brewer, A., Garceau, E. L., Baran, I., Dieffenderfer, J. P., Davila, M. I., Roubinov, D. S., Belger, A., & Bozkurt, A. Y. (2025). A wearable system for continuous physiological data collection towards real-time analysis of psychological well-being. In Proceedings of IEEE Sensors/Proceedings of IEEE Sensors … (pp. 1–4). https://doi.org/10.1109/sensors59705.2025.11330808
• Cano, S. P., Cubillos, C., Alfaro, R., Romo, A., García, M., & Moreira, F. (2024). Wearable solutions using physiological signals for stress monitoring on individuals with autism spectrum disorder (ASD): A systematic literature review. Sensors, 24(24), 8137. https://doi.org/10.3390/s24248137
• Chee, Z. J., Chang, C. Y. M., Cheong, J. Y., Malek, F. H. B. A., Hussain, S., de Vries, M., & Bellato, A. (2024). The effects of music and auditory stimulation on autonomic arousal, cognition and attention: A systematic review. International Journal of Psychophysiology, 199, 112328. https://doi.org/10.1016/j.ijpsycho.2024.112328
• Fan, L., & Baharum, M. R. (2024). The effect of exposure to natural sounds on stress reduction: a systematic review and meta-analysis. Stress, 27(1), 2402519. https://doi.org/10.1080/10253890.2024.2402519
• Hongisto, V. O., Keränen, J. S., & Radun, J. E. (2024). Active noise-cancelling headphones do not improve cognitive performance in office noise environment. In NOISE-CON proceedings (Vol. 270, Issue 2, pp. 9434–9438). https://doi.org/10.3397/in_2024_4248
• Hou, J.-W., Chu, E. T.-H., & Lee, C.-R. (2025). Anti-Stress: A wearable device with real-time breathing feedback for stress relief. IEEE Transactions on Affective Computing, 16(3), 2479–2490. https://doi.org/10.1109/taffc.2025.3564868
• Kiehl, I. T. (2025). The sereni smart bracelet: A multimodal sensory wearable for autoregulation inIndividuals with autism spectrum disorder. RCMOS – Revista Científica Multidisciplinar O Saber, 1(2). https://doi.org/10.51473/rcmos.v1i2.2025.1238
• Kwong, T. C., & Choy, Y. S. (2024). A customized approach to hybrid active noise cancellation system design to address auditory hyperreactivity for children with autism spectrum disorder. In The Journal of the Acoustical Society of America (Vol. 156, Issue 4_Supplement, p. A18). Acoustical Society of America. https://doi.org/10.1121/10.0034953
• Li, F., & Zhang, D. (2025). Multimodal physiological signals from wearable sensors for affective computing: A systematic review. Intelligent Sports and Health, 1(4), 210–222. https://doi.org/10.1016/j.ish.2025.10.001
• Myla, J. C., Acharya, T. A., Shree, K. D., Kumar, S. V., R, K., & Kumar, M. V. (2025). Wearable sensor technology for real-time stress, anxiety, and emotional health assessment (pp. 1–6). https://doi.org/10.1109/rcsm67767.2025.11507376
• Norman, G. J., Morgan, E., Raja, S., & Berntson, G. G. (2025). Wearable ANS monitoring in real life: A critical review of context-sensitive interpretation and implications for psychophysiology. Autonomic Neuroscience, 263, 103364. https://doi.org/10.1016/j.autneu.2025.103364
• Park, S., Lee, S., Howard, S., & Yi, J. (2024). Technology-Based music interventions to reduce anxiety and pain among patients undergoing surgery or procedures: Systematic review of the literature. JMIR Mhealth and Uhealth, 12, e48802. https://doi.org/10.2196/48802
• Pinge, A., Gad, V. R., Jaisighani, D., Ghosh, S., & Sen, S. (2024). Detection and monitoring of stress using wearables: a systematic review. Frontiers in Computer Science, 6. https://doi.org/10.3389/fcomp.2024.1478851
• Radun, J. E., Tervahartiala, I.-K., Kontinen, V., Keränen, J. S., & Hongisto, V. O. (2024). Do active noise-cancelling headphones’ influence performance, stress, or experience in office context? Building and Environment, 266, 112102. https://doi.org/10.1016/j.buildenv.2024.112102
• Schoenmakers, M., Saygin, M., Sikora, M. T., Vaessen, T., Noordzij, M. L., & de Geus, E. J. C. (2025). Stress in action wearables database: A database of noninvasive wearable monitors with systematic technical, reliability, validity, and usability information. Behavior Research Methods, 57(6), 171. https://doi.org/10.3758/s13428-025-02685-4
• Taskasaplidis, G. V., Fotiadis, D. A., & Bamidis, P. D. (2024). Review of stress detection methods using wearable sensors. IEEE Access, 12, 38219–38246. https://doi.org/10.1109/access.2024.3373010
• Thomas, V. (2024). Portable hugs: A wearable deep pressure application device for sensory overstimulation. https://doi.org/10.18260/1-2–45391