Rehabilitación Postictus con Interfaces Cerebro-Ordenador (BCI)
Descripción general del proyecto
En contraste, el conocimiento actual sobre el procesamiento neuronal de las señales motoras sigue siendo limitado. Por este motivo, en los últimos años se han desarrollado y consolidado enfoques experimentales orientados a estudiar la relación entre el movimiento y su representación cerebral mediante la medición de la coherencia córtico-quinésica. Este análisis se lleva a cabo a través de técnicas no invasivas, entre las que se incluyen el uso de acelerómetros para la caracterización de la frecuencia, intensidad y duración del movimiento, así como el registro de la actividad cerebral mediante electroencefalografía (EEG) y magnetoencefalografía (MEG), técnicas que permiten medir, respectivamente, la actividad eléctrica y los campos magnéticos generados por el cerebro durante la ejecución motora.
No obstante, todas estas técnicas presentan limitaciones relevantes que constituyen el punto de partida del presente proyecto. Entre ellas destacan la elevada complejidad de las señales registradas y la presencia de ruido procedente de fuentes fisiológicas externas, como los parpadeos o los latidos cardíacos, así como de actividad cerebral no directamente relacionada con el proceso motor de interés. Estos factores dificultan la interpretación de los datos y reducen la fiabilidad de los análisis, haciendo necesario el desarrollo de métodos que permitan mejorar la calidad y utilidad de la información obtenida.
Objetivos
El objetivo de este proyecto es diseñar, desarrollar y aplicar modelos avanzados de Inteligencia Artificial capaces de analizar de forma conjunta señales de electroencefalografía (EEG) y actividad muscular, con el fin de caracterizar la relación entre el movimiento y la actividad cerebral.
Para ello, se registrará la actividad cerebral y muscular de manera simultánea mientras los participantes realizan ejercicios motores, permitiendo que los modelos desarrollados identifiquen la ejecución de los ejercicios y distingan entre distintos tipos de actividad motora. Este enfoque permitirá profundizar en la comprensión de los mecanismos neurofisiológicos que subyacen al control y la ejecución del movimiento, así como en la interacción dinámica entre el sistema nervioso central y el sistema muscular.
Estos modelos se aplicarán específicamente al estudio de pacientes que han sufrido un ictus durante sus procesos de rehabilitación, mediante el análisis de la actividad cerebral registrada durante la realización de ejercicios terapéuticos. A partir de la extracción de características relevantes de las señales neurofisiológicas, el proyecto persigue evaluar la evolución funcional de los pacientes a lo largo de la terapia, identificar qué ejercicios y modalidades de intervención generan cambios más significativos en la actividad cerebral y contribuyen de forma más eficaz a la recuperación motora, y mejorar la comprensión de los mecanismos de reorganización cerebral tras la lesión.
En última instancia, el objetivo es sentar las bases para el diseño de protocolos de rehabilitación más específicos y personalizados, adaptados al tipo de daño cerebral y a la respuesta individual de cada paciente.
Producción científica
J.P. García, M. Zivanovic and M. Gómez, "Application of Computer Vision and Explainability in EEG Classification for Motor Imagery Therapy after Stroke", poster presented at the Annual Computational Neuroscience Mitin, Florence, Italy, Jul 5–9, 2025.
Financiación
Este proyecto forma parte del convenio de colaboración firmado con Fundación Caja Navarra dentro de su programa de Becas para la fusión de datos e información.
Más proyectos
Calle del Sadar, s/n
31006 Pamplona (Navarra)
info@naircenter.eu
