Este estudio tuvo como objetivo evaluar la independencia para caminar en pacientes hospitalizados en cuidados agudos utilizando redes neuronales basadas en aceleración y velocidad angular de dos pruebas de caminata. Cuarenta pacientes se sometieron a la prueba de caminata de 10 m y a la prueba de Levantarse y Caminar Cronometrado a velocidad normal, con o sin bastón. Los fisioterapeutas dividieron a los pacientes en dos grupos: 24 pacientes que fueron monitoreados o independientes al caminar con un bastón o sin ayudas en la sala, y 16 pacientes que no lo fueron. Para clasificar estos grupos, el modelo Transformer analiza los datos del ciclo de marcha izquierda de ocho sensores inerciales. La precisión utilizando todos los datos de los sensores fue de 0.836. Cuando se excluyeron los datos de los sensores del tobillo derecho, la muñeca derecha y la muñeca izquierda, la precisión disminuyó más. Al analizar los datos de estos tres sensores solos, la precisión fue de 0.795. Reducir aún más el número de sensores a solo el tobillo derecho y la muñeca resultó en una precisión de 0.736. Este estudio demuestra el potencial de un análisis basado en redes neuronales de datos de sensores inerciales para evaluar clínicamente el nivel de independencia para caminar de un paciente.