Una nueva técnica mejora la detección del estado cerebral
Un nuevo método aumenta la precisión de una clasificación no invasiva del estado cerebral con espectroscopia funcional del infrarrojo cercano (fNIRS)
Unos investigadores han desarrollado un nuevo método que mejora enormemente la precisión de la clasificación de estados cerebrales con espectroscopia funcional del infrarrojo cercano (fNIRS). La técnica de imagen cerebral fNIRS permite a los investigadores medir la actividad neuronal: Las células cerebrales activas necesitan más oxígeno, por lo que las variaciones en el flujo sanguíneo y la saturación de oxígeno indican qué regiones del cerebro están trabajando. fNIRS detecta estos cambios de forma segura y sin procedimientos invasivos. A pesar de sus muchas ventajas en el ámbito clínico -es portátil, rentable y fiable aunque el paciente se mueva-, los métodos para analizar los datos de la fNIRS son menos avanzados que los de otras técnicas de imagen cerebral.
AI-generated image
Aprovechar la naturaleza dual de las señales fNIRS
Un equipo internacional de investigación ha desarrollado ahora un método para clasificar estados cerebrales con fNIRS que se adapta específicamente a las propiedades únicas de la señal fNIRS y consigue, por tanto, resultados más precisos. A diferencia de otros métodos de imagen cerebral, la fNIRS mide tanto la sangre oxigenada como la desoxigenada. "Estas dos señales muestran naturalmente patrones opuestos, pero eso no significa que sean redundantes", explica Tim Näher, primer autor del estudio, que trabaja en el Instituto Max Planck de Cibernética Biológica de Tubinga (Alemania). "Al contrario, nos aportan conocimientos complementarios sobre la actividad cerebral".
Näher y sus coautores explotaron esta naturaleza dual única de la señal fNIRS aplicando herramientas matemáticas avanzadas de un campo llamado geometría de Riemann. Para probar su nuevo método, el equipo pidió a participantes sanos que realizaran ocho tareas mentales distintas, como imaginar que jugaban al tenis, cantaban internamente o giraban un objeto en su mente. Con el nuevo marco computacional, los investigadores pudieron clasificar con gran precisión cuál de las tareas estaba ejecutando cada participante, superando con creces la precisión de los métodos tradicionales.
Un nuevo enfoque podría ayudar a revelar signos de consciencia en pacientes
Los resultados podrían contribuir a mejorar el diagnóstico de los trastornos de la conciencia. Estos trastornos son muy difíciles de evaluar: Los pacientes suelen tener poca o ninguna capacidad de movimiento o comunicación, lo que dificulta determinar si conservan algún nivel de vigilia y conciencia. Sin embargo, un diagnóstico preciso es esencial para un tratamiento eficaz y un pronóstico fiable.
Por eso Näher colaboró con Lisa Bastian, de la Universidad de Tubinga, en un segundo estudio, realizado en el laboratorio de Bettina Sorger, de la Universidad de Maastricht, que desarrolló un novedoso paradigma de fNIRS para evaluar si un paciente que no responde sigue consciente. Para ello, se pidió a participantes sanos que realizaran una tarea mental -simulando un estado de consciencia- o que permanecieran constantemente inactivos. El nuevo paradigma fNIRS, combinado con el nuevo método de análisis de datos basado en la geometría de Riemann, demostró ser extraordinariamente preciso a la hora de distinguir entre estados cerebrales receptivos y no receptivos: Identificó correctamente la capacidad de respuesta en todas las ocasiones y reconoció con exactitud la falta de respuesta en nueve de cada diez casos.
"Hasta ahora, hemos proporcionado una prueba de concepto de que el nuevo marco fNIRS puede servir como herramienta rápida, objetiva y accesible para apoyar diagnósticos más fiables y mejorar las decisiones de tratamiento de los trastornos de la conciencia", afirma Näher. "El siguiente paso lógico sería probar nuestro método en pacientes reales".
Nota: Este artículo ha sido traducido utilizando un sistema informático sin intervención humana. LUMITOS ofrece estas traducciones automáticas para presentar una gama más amplia de noticias de actualidad. Como este artículo ha sido traducido con traducción automática, es posible que contenga errores de vocabulario, sintaxis o gramática. El artículo original en Inglés se puede encontrar aquí.
Publicación original
Tim Näher, Lisa Bastian, Anna Vorreuther, Pascal Fries, Rainer Goebel, Bettina Sorger; "Riemannian geometry boosts functional near-infrared spectroscopy-based brain-state classification accuracy"; Neurophotonics, Volume 12
Lisa Bastian, Tim Näher, Anna Vorreuther, Michael Lührs, Amaia Benitez Andonegui, Pascal Fries, Lars Riecke, Bettina Sorger; "Sensitive and specific fNIRS-based approach for awareness detection in disorders of consciousness: proof of principle in healthy adults"; Neurophotonics, Volume 12
Más noticias del departamento ciencias
