La electroencefalografía es una técnica que recoge las señales cerebrales y registra la actividad eléctrica del cerebro. La forma de obtener estas señales es a través de un gorro de electrodos que cubre la cabeza y permite la fijación de los electrodos al cuero cabelludo. Las limitaciones de dichos aparatos son su tamaño y peso ya que, por sus propias características, resultan incómodos para los usuarios y poco transportables.

Para solucionar estos inconvenientes, dos investigadores de la ETSI de Telecomunicación (ETSIT) de la Universidad Politécnica de Madrid (UPM) están trabajando para desarrollar un dispositivo de electroencefalografía que, colocado en la cabeza, sea lo más pequeño, cómodo y portable posible y que pueda utilizarse 24 horas, 7 días a la semana, en cualquier lugar. Podrá ser utilizado en enfermedades neurológicas como el ictus, el párkinson, el alzhéimer o la depresión, de forma que podría mejorar tanto el diagnóstico como el tratamiento. Permitiría diagnósticos tempranos y focalizados, y tratamientos más personalizados sin necesidad de hospitalización.

El trabajo que están llevando a cabo Ana Carretero y Alvaro Araujo, ambos miembros del grupo de investigación: B105 Electronic Systems Lab, se centra en las interfaces cerebro-ordenador para obtener información sobre la zona motora del cerebro, tratando de buscar la intencionalidad del movimiento. Tras la detección, el dispositivo conoce el movimiento que la persona quiere ejecutar y, entonces, esta información puede ser entregada a los músculos y nervios específicos necesarios para iniciar el movimiento previsto tal y como se piensa en el cerebro.

El movimiento imaginario es capturado por electrodos que llevan la información al dispositivo vestible para decidir si es movimiento o no. Fuente: Ana Carretero Pérez.

El objetivo de su trabajo es aportar claridad a las decisiones sobre el número de electrodos necesarios para el electroencefalograma vestible, teniendo en cuenta los algoritmos desarrollados y sus complejidades para abordar los problemas de cálculo. “Nuestro objetivo es diseñar un dispositivo óptimo de adquisición de imágenes motoras que logre un equilibrio entre la información obtenida y la usabilidad”, señalan los investigadores.

Para ello, Ana Carretero y Alvaro Araujo están realizando experimentos en los que se usan varias combinaciones de electrodos colocados en las zonas relacionadas con el movimiento en el cerebro (principalmente, el córtex motor y el área motora suplementaria, además de otras secundarias). En los ensayos se utilizan datos públicos de pacientes, además de los generados en su laboratorio. Esto permite estudiar algunas características más técnicas para el diseño del dispositivo como son el número de electrodos, el entrenamiento y la cantidad de datos necesarios.

Los resultados muestran que es posible detectar movimiento pensado o imaginario de la mano con una probabilidad de entre el 94% y el 95% utilizando solo un electrodo no invasivo en el córtex motor. Además, tras realizar un entrenamiento previo, sería posible detectar los movimientos de cada dedo de la mano con un 92%-94% de fiabilidad.

Tras finalizar con los experimentos, el proyecto pretende desarrollar un dispositivo que se adecue a estas decisiones de diseño para así poder estudiar el rendimiento máximo que puede permitir un dispositivo de muy pequeño tamaño.

“La conclusión general es que un electroencefalograma portátil de pocos electrodos es factible con algoritmos que generan salidas en tiempo de ejecución real. En consecuencia, podemos desarrollar un dispositivo portátil y cómodo para pacientes con requisitos específicos”, concluye Ana Carretero.

Este trabajo se enmarca en el proyecto MINA-CM financiado por la Comunidad de Madrid y está orientado a la rehabilitación de pacientes que han sufrido un ictus. El uso de esta tecnología junto con una tecnología de estimulación magnética transcraneal les permitiría mejorar su rehabilitación en cuanto al tiempo y a la movilidad.

Ana Carretero y Alvaro Araujo. Design Decisions for Wearable EEG to Detect Motor Imagery Movements. Sensor 2024 , 24 (15), 4763; https://doi.org/10.3390/s24154763