Investigadores del Daegu Gyeongbuk Institute of Science and Technology (DGIST) han presentado un avance significativo en el análisis de señales cerebrales en pacientes con Parkinson, mediante el desarrollo de una tecnología de inteligencia artificial llamada NONOS. Este sistema es capaz de separar con precisión los ritmos cerebrales de las señales de fondo, lo que podría mejorar la evaluación de tratamientos y la comprensión de esta enfermedad neurodegenerativa.
Innovación en el análisis de señales cerebrales
El equipo, liderado por el profesor Ji-Woong Choi, ha colaborado con expertos de otras instituciones, incluyendo la Kumoh National Institute of Technology y la Korea Brain Research Institute. La investigación, publicada en la revista NeuroImage, destaca la capacidad de NONOS para distinguir entre componentes oscilatorios y no oscilatorios en las señales eléctricas del cerebro, un proceso que se asemeja a identificar una voz en medio del ruido de un café lleno de gente.
Mejoras en la detección de ondas beta
En los pacientes con Parkinson, las ondas beta, que oscilan a alta frecuencia, tienden a aumentar su intensidad, lo que está relacionado con síntomas de movimiento lento. Las técnicas de análisis convencionales a menudo no logran distinguir adecuadamente los cambios rápidos en estas ondas de las variaciones en las señales de fondo, lo que puede llevar a diagnósticos imprecisos.
NONOS aborda este desafío al enfocarse en la característica de las señales de fondo, que disminuyen exponencialmente con el aumento de la frecuencia. Al entrenar un modelo de IA para extraer solo estos componentes de fondo, el equipo logró que el sistema detectara cambios en las ondas beta con una precisión notable, alcanzando un valor de 0.98 en la predicción de cuál pie un paciente movería primero, en comparación con los 0.54 a 0.79 de los métodos tradicionales.
Aplicaciones potenciales en tratamientos personalizados
Además de su efectividad en el análisis de señales cerebrales, NONOS ha demostrado ser el único método capaz de detectar rápidamente la disminución de la fuerza de las ondas beta tras la estimulación cerebral profunda, un tratamiento que ha sido difícil de evaluar con técnicas anteriores. El profesor Choi enfatizó que este avance podría facilitar la personalización de la terapia de estimulación cerebral, ajustando la estimulación eléctrica según las condiciones específicas de cada paciente.
El potencial de NONOS no se limita al Parkinson; su capacidad para separar componentes biológicos de señales que cambian rápidamente sugiere que podría ser útil en una variedad de aplicaciones en el análisis de señales temporales en otros campos de la biología y la medicina.
Conclusiones y futuro del desarrollo
El desarrollo de NONOS representa un paso importante hacia la mejora de las terapias para el Parkinson y otras condiciones neurológicas. Si se logra optimizar el modelo para su uso en tiempo real en dispositivos implantables, podría transformar la forma en que se administran y evalúan los tratamientos para los pacientes.
El equipo de investigación, que incluye a Jinmo Kim como primer autor, espera que este avance no solo mejore la calidad de vida de los pacientes con Parkinson, sino que también abra nuevas vías para el análisis de señales biológicas en general.
Fuente: Información elaborada a partir de la publicación original.
