Esta nueva metodología podría mejorar la precisión y utilidad de los electroencefalogramas en los diagnósticos médicos.
Las enfermedades neurológicas son la tercera causa más común de muerte prematura y discapacidad en la Unión Europea. Según la Sociedad Española de Neurología (SEN), hay más de 9 millones de personas, en torno al 20% de la población, con alguna enfermedad neurológica como la epilepsia, tumores cerebrales o trastornos del sueño.
El electroencefalograma (EEG) es una herramienta esencial en neurología para medir la actividad eléctrica del cerebro. Sin embargo, los datos brutos proporcionados por los EEGs tradicionales a menudo requieren un procesamiento complejo para ser útiles en diagnósticos médicos.
Redes de atención gráfica y vectores de conectividad
Un equipo de investigadores de la Universidad Francisco de Vitoria (UFV) ha desarrollado un método innovador para evaluar la efectividad de las terapias no invasivas a partir del electroencefalograma.
Este enfoque, diseñado para mejorar diagnósticos actuales, simplifica cómo entendemos la comunicación en el cerebro. “A través de redes de atención de grafos (Graph Attention Networks, en inglés) se podrá evaluar la conectividad entre diferentes regiones cerebrales. Esto nos ayuda a identificar problemas con mayor precisión”, explica Álvaro García Tejedor, director del Centro de Innovación Experimental del Conocimiento (CEIEC) de la Universidad Francisco de Vitoria.
Capturando la esencia del cerebro
El proceso comienza con un electroencefalograma (EEG) que capta la actividad eléctrica del cerebro usando electrodos en el cuero cabelludo, generando así datos detallados sobre esta actividad. A partir de ellos, se seleccionan segmentos específicos para su análisis, conocidos como ventanas temporales, que permiten un análisis preciso de la actividad cerebral en momentos determinados.
Para analizar cómo se comunican las distintas áreas del cerebro en estos segmentos, se crea un mapa en forma de grafo, compuesto por nodos (electrodos) y aristas (conexiones).
“Mediante una matriz de adyacencia, obtenida a partir de los vectores de conectividad, se visualiza qué nodos están conectados, simplificando así la comprensión del complejo sistema de comunicaciones cerebrales”, comenta Ana María Maitin, investigadora de la UFV.
Análisis con Inteligencia Artificial
Para procesar y analizar esta información, se emplea un tipo avanzado de inteligencia artificial conocida como red de atención de grafos. Esta tecnología analiza la matriz y ofrece un entendimiento detallado de las conexiones, convirtiendo los datos del grafo en información accesible.
Por cada ventana temporal analizada, se genera un vector de salida temporal, que resume numéricamente la actividad cerebral en ese instante específico. Este proceso se repite para cada segmento seleccionado, construyendo un perfil detallado de la actividad cerebral a lo largo del tiempo.
Al final del estudio, se promedian todos los vectores de salida temporales para obtener un vector de salida final. “Este vector proporciona una visión cuantitativa general de la actividad cerebral durante el período examinado”, resalta Inés Álvarez, Alumni UFV.
Hacia una mejor comprensión cerebral
Este método para procesar datos de EEG representa un avance significativo en la neurología y la medicina. Al mejorar la precisión y la forma de interpretar los datos, este enfoque promete mejorar el monitoreo de enfermedades neurológicas y abrir nuevas vías para la investigación cerebral.
“Gracias a este avance, los médicos contaremos con una herramienta más exacta y fácil de usar para entender el cerebro. Esto se traslada a diagnósticos más rápidos y precisos para enfermedades como la epilepsia o el Alzheimer”, declara Juan Pablo Romero, investigador de la UFV.
Fuente: UFV
