Desarrollo de biomarcadores basados en EEG para la cuantificación de la gravedad en la enfermedad de Parkinson mediante análisis biespectral
Desarrollo de biomarcadores basados en EEG para la cuantificación de la gravedad en la enfermedad de Parkinson mediante análisis biespectral
Where did the research take place?
The study site has not been established. Author addresses may differ from where the research occurred.
A plain-language reading has not been prepared for this paper yet.
Original abstract
[ES] El presente trabajo fin de grado surge impulsado por el Centro de Investigación e Innovación en Bioingeniería, en colaboración con el Hospital Universitario Clínico de Valencia, con el objetivo de desarrollar herramientas para la detección precoz y precisa de la enfermedad de Parkinson mediante electroencefalografía (EEG). La enfermedad de Parkinson es la segunda patología neurodegenerativa más prevalente, con una incidencia aproximada del 1% en la población mayor de 60 años. Diversos estudios han demostrado que se caracteriza por un enlentecimiento de la actividad cerebral, evidenciado por un desplazamiento de la frecuencia pico desde la banda alfa hacia la banda theta. Sin embargo, el cerebro es un sistema inherentemente no lineal, en el que existe una interacción dinámica entre diferentes ritmos cerebrales, la cual puede verse alterada en pacientes con enfermedad de Parkinson. Tradicionalmente, el análisis de señales EEG se ha basado en métodos lineales centrados en la potencia de las bandas de frecuencia analizadas de manera independiente, lo que limita la capacidad de capturar estas interacciones entre ritmos cerebrales. En este contexto, el biespectro, una técnica de estadística de orden superior, emerge como una herramienta avanzada capaz de identificar interacciones no lineales, aportando información adicional relevante que no puede ser detectada mediante el análisis espectral convencional (qEEG). El objetivo del presente trabajo de fin de grado es evaluar el potencial del análisis biespectral de señales EEG en estado de vigilia en reposo, así como compararlo con el qEEG tradicional, para la evaluación de la severidad de la enfermedad de Parkinson. Partiendo de una base de datos pública, se desarrollará el pipeline de análisis que abarca desde el preprocesado de la señal hasta el análisis espectral y biespectral, junto con técnicas de análisis estadístico avanzado orientadas a la identificación de biomarcadores asociados a la severidad de la enfermedad. Estos biomarcadores serán empleados para el desarrollo de modelos predictivos basados en técnicas de inteligencia artificial, con el objetivo de estimar la función cognitiva y/o motora en pacientes con enfermedad de Parkinson.