Hay pocos estudios sobre la representación de las personas mayores en relación con ayudas y dispositivos de asistencia, y aún menos que incorporen visiones más inclusivas (género, emociones, antiedadismo, enfoque territorial o de tierra), así como etnografía virtual o de tierra o inteligencia artificial. El objetivo general fue evaluar imágenes digitales de ayudas y dispositivos de asistencia en la población mayor, desde las perspectivas mencionadas anteriormente. Método. Un estudio descriptivo y transversal que buscó, observó y analizó imágenes. Se llevó a cabo una evaluación de imágenes seleccionadas intencionadamente de Freepik, Pixabay, Storyblocks, Splitshire, Gratisography y ArtGPT, incluidas en una base de datos original construida por varios autores de este artículo, en el contexto del proyecto ENCAGEn-CM (2020-2023, financiado por la CAM y FSE). Esta base se actualizó y amplió en octubre y noviembre de 2023. Además, se llevó a cabo un proceso de generación de imágenes utilizando inteligencia artificial, que también formó parte del análisis (ArtGPT). Finalmente, se utilizaron algoritmos para resolver y reentrenar con las imágenes. Resultados. Del total de imágenes finales incluidas en la base de datos ampliada hasta noviembre de 2023 (n = 427), solo un tercio (28.3%, 121/427) incluía la etiqueta de ayudas y dispositivos de asistencia. Predominaron las representaciones de grupos mixtos (38.8%) y, en menor medida, las de mujeres. Una gran proporción de los dispositivos eran "gafas" (74.6%) y el "uso de un bastón" (14.9%). En menor medida, se notaron "sillas de ruedas" (4.4%) o "audífonos" (0.9%) y la presencia de más de un dispositivo (simultáneamente) (5.3%). Las principales emociones representadas fueron "alegría" (45.6%) y "emoción no reconocida" (45.6%), con, en menor medida, "tristeza" (3.5%), "sorpresa" (4.4%) y "ira" (0.9%). Se encontraron diferencias por sexo en las emociones representadas vinculadas a ayudas y dispositivos de asistencia. La representación de imágenes del entorno construido predominó significativamente (70.2%), y se observó que las mujeres mayores estaban menos representadas en entornos naturales que los hombres. Basado en los hallazgos anteriores, se propone un método para abordar los estereotipos en las imágenes de personas mayores. Implica identificar características estereotipadas comunes, como gafas y entornos hospitalarios, utilizando técnicas de aprendizaje profundo y computación cuántica. Una red neuronal convolucional identifica y suprime estos elementos, seguida del uso de algoritmos cuánticos para manipular características. Este enfoque sistemático tiene como objetivo mitigar sesgos y mejorar la precisión en la representación de las personas mayores en imágenes digitales. Conclusión. Se observó una proporción limitada de imágenes de dispositivos de asistencia y personas mayores. Además, entre ellas, se confirmó la menor representación de imágenes de mujeres en un entorno construido, y las expresiones de emociones se limitaron a solo tres básicas (alegría, tristeza y sorpresa). En estas imágenes digitales evaluadas, la imaginación colectiva sobre las personas mayores sigue estando limitada a unos pocos espacios/contextos y emociones y está estereotipada respecto a las mismas variables (sexo, edad, entorno). La tecnología a menudo pasa por alto herramientas de apoyo innovadoras para los adultos mayores, y la IA tiene dificultades para representar con precisión emociones y entornos en imágenes digitales. Existe una necesidad urgente de un análisis de preentrenamiento exhaustivo y consideraciones éticas para abordar estos desafíos y garantizar representaciones más precisas e inclusivas de las personas mayores en los medios digitales.