Herramienta para la obtención de Patrones de Conectividad Cerebral en Pacientes con Deterioro Cognitivo
Palabras clave:
Deterioro Cognitivo Leve, Deterioro cognitivo mayor, Enfermedades Neurodegenerativas, Enfermedad de Alzheimer, Patrón de conectividad cerebral.
Resumen
Las Enfermedades Neurodegenerativas son patologías crónicas que producen discapacidad física, intelectual y social, dependencia y disminución de la calidad de vida de la persona afectada y sus familiares, tiene significativa repercusión laboral y económica. Estas se definen como un grupo de padecimientos de origen en muchos casos desconocido y que tienen como atributo común el curso progresivo de los síntomas derivados del daño estructural y funcional de diferentes zonas del sistema nervioso. La Demencia o Trastorno Cognitivo, ocurre cuando el cerebro se afecta por una enfermedad o afección específica que causa deterioro cognitivo. La secuencia en el espectro de la demencia puede terminar en la forma más grave de la enfermedad. El deterioro cognitivo en muchos casos transita desde el leve, referido a una disminución de la función cognitiva mayor de lo esperado por la edad y al nivel de educación del individuo, pero sin interferir con sus actividades cotidianas. El diagnóstico temprano de la enfermedad y la asunción de tratamientos y sobre todo estilos de vida saludables, puede evitar o enlentecer el tránsito hacia la gravedad de la enfermedad y por ende mejorar la calidad de vida. Con el objetivo de contribuir a este propósito se diseñó una herramienta de software denominada Neuromap que permite obtener patrones de conectividad a partir de señales de EEG y realizar una prueba de profundidad de la demencia. De esta forma se enriquecen los instrumentos con que cuentan en la actualidad los especialistas de las ciencias médicas para obtener un mejor y más eficaz diagnóstico. La herramienta fue desarrollada en Matlab, utilizando herramientas de estudio del EEG.
Descargas
La descarga de datos todavía no está disponible.
Citas
Alzheimer's & Dementia (2017). Alzheimer's disease facts and figures. Alzheimer's & Dementia, 13(4), 325-373. Retrieved from http://www.sciencedirect.com/science/article/pii/S1552526017300511. doi: https://doi.org/10.1016/j.jalz.2017.02.001
Arriola Manchola, E., Carnero Pardo, C., Freire Pérez, A., López Mongil, R., López Trigo, J. A., Manzano Palomo, S., & Olazarán Rodríguez, J. (2017). Deterioro cognitivo leve en el adulto mayor. Retrieved from https://www.segg.es/media/descargas/Consenso%2520deteriorocognitivoleve.pdf&ved=2ahUKEwiL5bGI5_nzAhULRzABHdCOAPEQFnoECDIQAQ&usg=AOvVaw0Gcq6mXRqESFwZyQueXQtg
Bastos, A. M., & Schoffelen, J.-M. (2016). A Tutorial Review of Functional Connectivity Analysis Methods and Their Interpretational Pitfalls. Front. Syst. Neurosci, 9, 175. doi:10.3389/fnsys.2015.00175
Bullmore, E., & Sporns, O. (2009). Complex brain networks: graph theoretical analysis of structural and functional systems. Nature Reviews Neuroscience, 10(3), 186.
Capote Leyva, E., Casamayor, Z., Castañer Moreno, J., Rodríguez Apolinario, N., Moret Hernández, Y., & Peña Ruiz, R. (2016). Deterioro cognitivo y calidad de vida del adulto mayor con tratamiento sustitutivo de la función renal. Revista Cubana de Medicina Militar, 45(3), 354-364. Recuperado en 31 de octubre de 2021, de http://scielo.sld.cu/scielo.php?script=sci_arttext&pid=S0138-65572016000300010&lng=es&tlng=es.
Delorme, A., Mullen, T., Kothe, C., Akalin Acar, Z., Bigdely-Shamlo, N., Vankov, A., & Makeig, S. (2011). EEGLAB, SIFT, NFT, BCILAB, and ERICA: New Tools for Advanced EEG Processing. Computational Intelligence and Neuroscience, 12. Retrieved from http://dx.doi.org/10.1155/2011/130714. doi:10.1155/2011/130714
Garcia Leyva, I. A. (2018). Obtención de Patrones de Conectividad Cerebral en pacientes con Deterioro Cognitivo en Estado de Reposo. (Máster en Ingeniería Biomédica), Universidad de Oriente, Santiago de Cuba, Cuba.
Garre-Olmo J. (2018). Epidemiologia de la enfermedad de Alzheimer y otras demencias [Epidemiology of Alzheimer's disease and other dementias]. Rev Neurol, 66(11), 377-386. Spanish. PMID: 29790571.
Horwitz, B. (2003). The elusive concept of brain connectivity. NeuroImage, 19(2), 466-470.
Jones, S. (2000). Alpha-frequency rhythms desynchronize over long cortical distances: a modeling study. J. Comput. Neurosci, 9, 271-291.
Knyazev, G. G., Slobodskoj-Plusnin, J. Y., Bocharov, A. V., & Pylkova, L. V. (2011). The default mode network and EEG alpha oscillations: An independent component analysis. Brain Research, 1402, 67-79. Retrieved from http://www.sciencedirect.com/science/article/pii/S0006899311009863. doi:https://doi.org/10.1016/j.brainres.2011.05.052
Lopez, C. A. (2014). Manual diagnóstico y estadístico de los trastornos mentales: DSM-5. Editorial medica panamericana.
Mahjoory, K., Nikulin, V. V., Botrel, L., Linkenkaer-Hansen, K., Fato, M. M., & Haufe, S. (2017). Consistency of EEG source localization and connectivity estimates. NeuroImage, 152, 590-601.
Makeig, S., Debener, S., Onton, J., & Delorme, A. (2004). Mining event-related brain dynamics. Trends in cognitive sciences, 8(5), 204-210.
McIntosh, A. R., & Korostil, M. (2008). Interpretation of neuroimaging data based on network concepts. Brain Imaging and Behavior, 2(4), 264.
McIntosh, A. R., & Mišić, B. (2013). Multivariate Statistical Analyses for Neuroimaging Data. Annual Review of Psychology, 64(1), 499-525. Retrieved from https://www.annualreviews.org/doi/abs/10.1146/annurev-psych-113011-143804. doi:10.1146/annurev-psych-113011-143804
Mišić, B., & McIntosh, A. R. (2015). Effective Connectivity. In A. W. Toga (Ed.), Brain Mapping (pp. 587-592). Waltham: Academic Press.
Pascual-Marqui, R. D. (2009). Theory of the EEG Inverse Problem. In S. Tong & N. V. Thakor (Eds.), Quantitative EEG Analysis: Methods and Clinical Applications (pp. 121-140). Boston: Artech House.
Pesaran, B., Vinck, M., Einevoll, G. T., Sirota, A., Fries, P., Siegel, M., . . . Srinivasan, R. (2018). Investigating large-scale brain dynamics using field potential recordings: analysis and interpretation. Nature neuroscience.
Rodriguez Escobar, J., del Moral Sánchez, J., García-Ramos García, R., M., Guía, R., Gómez Pastor, I., Martín Acero, T., Carrasco Marín, L., & Mayor de Frutos, A. (2016). Estrategia en Enfermedades Neurodegenerativas del Sistema Nacional de Salud. Madrid: Ministerio de Sanidad, Servicios Sociales e Igualdad. Retrieved from https://www.mscbs.gob.es/organizacion/sns/planCalidadSNS/pdf/Est_Neurodegenerativas_APROBADA_C_INTERTERRITORIAL.pdf
Sakkalis, V. (2011). Review of advanced techniques for the estimation of brain connectivity measured with EEG/MEG. Computers in biology and medicine, 41(12), 1110-1117.
Seth, A. K. (2005). Causal connectivity of evolved neural networks during behavior. Network: Computation in Neural Systems, 16(1), 35-54.
Shine, J. M., Aburn, M. J., Breakspear, M., & Poldrack, R. A. (2018). The modulation of neural gain facilitates a transition between functional segregation and integration in the brain. Elife, 7, e31130.
Sporns, O. (2007). Brain connectivity. Scholarpedia, 2(10), 4695. doi:10.4249/scholarpedia.4695
Stepanyants, A., Martinez, L. M., Ferecskó, A. S., & Kisvárday, Z. F. (2009). The fractions of short-and long-range connections in the visual cortex. Proceedings of the National Academy of Sciences, 106(9), 3555-3560.
Stettler, D. (2002). Lateral connectivity and contextual interactions in macaque primary visual cortex. Neuron, 36, 739–750.
Tononi, G., Sporns, O., & Edelman, G. M. (1994). A measure for brain complexity: relating functional segregation and integration in the nervous system. Proceedings of the National Academy of Sciences, 91(11), 5033-5037.
Uhlhaas, P. J., & Singer, W. (2006). Neural synchrony in brain disorders: relevance for cognitive dysfunctions and pathophysiology. Neuron, 52(1), 155-168.
Vecchio, F., Miraglia, F., Piludu, F., Granata, G., Romanello, R., Caulo, M., . . . Rossini, P. M. (2017). “Small World” architecture in brain connectivity and hippocampal volume in Alzheimer’s disease: a study via graph theory from EEG data. Brain Imaging and Behavior, 11(2), 473-485.
Wessel, J. R. (2018). Testing multiple psychological processes for common neural mechanisms using EEG and independent component analysis. Brain topography, 31(1), 90-100.
Arriola Manchola, E., Carnero Pardo, C., Freire Pérez, A., López Mongil, R., López Trigo, J. A., Manzano Palomo, S., & Olazarán Rodríguez, J. (2017). Deterioro cognitivo leve en el adulto mayor. Retrieved from https://www.segg.es/media/descargas/Consenso%2520deteriorocognitivoleve.pdf&ved=2ahUKEwiL5bGI5_nzAhULRzABHdCOAPEQFnoECDIQAQ&usg=AOvVaw0Gcq6mXRqESFwZyQueXQtg
Bastos, A. M., & Schoffelen, J.-M. (2016). A Tutorial Review of Functional Connectivity Analysis Methods and Their Interpretational Pitfalls. Front. Syst. Neurosci, 9, 175. doi:10.3389/fnsys.2015.00175
Bullmore, E., & Sporns, O. (2009). Complex brain networks: graph theoretical analysis of structural and functional systems. Nature Reviews Neuroscience, 10(3), 186.
Capote Leyva, E., Casamayor, Z., Castañer Moreno, J., Rodríguez Apolinario, N., Moret Hernández, Y., & Peña Ruiz, R. (2016). Deterioro cognitivo y calidad de vida del adulto mayor con tratamiento sustitutivo de la función renal. Revista Cubana de Medicina Militar, 45(3), 354-364. Recuperado en 31 de octubre de 2021, de http://scielo.sld.cu/scielo.php?script=sci_arttext&pid=S0138-65572016000300010&lng=es&tlng=es.
Delorme, A., Mullen, T., Kothe, C., Akalin Acar, Z., Bigdely-Shamlo, N., Vankov, A., & Makeig, S. (2011). EEGLAB, SIFT, NFT, BCILAB, and ERICA: New Tools for Advanced EEG Processing. Computational Intelligence and Neuroscience, 12. Retrieved from http://dx.doi.org/10.1155/2011/130714. doi:10.1155/2011/130714
Garcia Leyva, I. A. (2018). Obtención de Patrones de Conectividad Cerebral en pacientes con Deterioro Cognitivo en Estado de Reposo. (Máster en Ingeniería Biomédica), Universidad de Oriente, Santiago de Cuba, Cuba.
Garre-Olmo J. (2018). Epidemiologia de la enfermedad de Alzheimer y otras demencias [Epidemiology of Alzheimer's disease and other dementias]. Rev Neurol, 66(11), 377-386. Spanish. PMID: 29790571.
Horwitz, B. (2003). The elusive concept of brain connectivity. NeuroImage, 19(2), 466-470.
Jones, S. (2000). Alpha-frequency rhythms desynchronize over long cortical distances: a modeling study. J. Comput. Neurosci, 9, 271-291.
Knyazev, G. G., Slobodskoj-Plusnin, J. Y., Bocharov, A. V., & Pylkova, L. V. (2011). The default mode network and EEG alpha oscillations: An independent component analysis. Brain Research, 1402, 67-79. Retrieved from http://www.sciencedirect.com/science/article/pii/S0006899311009863. doi:https://doi.org/10.1016/j.brainres.2011.05.052
Lopez, C. A. (2014). Manual diagnóstico y estadístico de los trastornos mentales: DSM-5. Editorial medica panamericana.
Mahjoory, K., Nikulin, V. V., Botrel, L., Linkenkaer-Hansen, K., Fato, M. M., & Haufe, S. (2017). Consistency of EEG source localization and connectivity estimates. NeuroImage, 152, 590-601.
Makeig, S., Debener, S., Onton, J., & Delorme, A. (2004). Mining event-related brain dynamics. Trends in cognitive sciences, 8(5), 204-210.
McIntosh, A. R., & Korostil, M. (2008). Interpretation of neuroimaging data based on network concepts. Brain Imaging and Behavior, 2(4), 264.
McIntosh, A. R., & Mišić, B. (2013). Multivariate Statistical Analyses for Neuroimaging Data. Annual Review of Psychology, 64(1), 499-525. Retrieved from https://www.annualreviews.org/doi/abs/10.1146/annurev-psych-113011-143804. doi:10.1146/annurev-psych-113011-143804
Mišić, B., & McIntosh, A. R. (2015). Effective Connectivity. In A. W. Toga (Ed.), Brain Mapping (pp. 587-592). Waltham: Academic Press.
Pascual-Marqui, R. D. (2009). Theory of the EEG Inverse Problem. In S. Tong & N. V. Thakor (Eds.), Quantitative EEG Analysis: Methods and Clinical Applications (pp. 121-140). Boston: Artech House.
Pesaran, B., Vinck, M., Einevoll, G. T., Sirota, A., Fries, P., Siegel, M., . . . Srinivasan, R. (2018). Investigating large-scale brain dynamics using field potential recordings: analysis and interpretation. Nature neuroscience.
Rodriguez Escobar, J., del Moral Sánchez, J., García-Ramos García, R., M., Guía, R., Gómez Pastor, I., Martín Acero, T., Carrasco Marín, L., & Mayor de Frutos, A. (2016). Estrategia en Enfermedades Neurodegenerativas del Sistema Nacional de Salud. Madrid: Ministerio de Sanidad, Servicios Sociales e Igualdad. Retrieved from https://www.mscbs.gob.es/organizacion/sns/planCalidadSNS/pdf/Est_Neurodegenerativas_APROBADA_C_INTERTERRITORIAL.pdf
Sakkalis, V. (2011). Review of advanced techniques for the estimation of brain connectivity measured with EEG/MEG. Computers in biology and medicine, 41(12), 1110-1117.
Seth, A. K. (2005). Causal connectivity of evolved neural networks during behavior. Network: Computation in Neural Systems, 16(1), 35-54.
Shine, J. M., Aburn, M. J., Breakspear, M., & Poldrack, R. A. (2018). The modulation of neural gain facilitates a transition between functional segregation and integration in the brain. Elife, 7, e31130.
Sporns, O. (2007). Brain connectivity. Scholarpedia, 2(10), 4695. doi:10.4249/scholarpedia.4695
Stepanyants, A., Martinez, L. M., Ferecskó, A. S., & Kisvárday, Z. F. (2009). The fractions of short-and long-range connections in the visual cortex. Proceedings of the National Academy of Sciences, 106(9), 3555-3560.
Stettler, D. (2002). Lateral connectivity and contextual interactions in macaque primary visual cortex. Neuron, 36, 739–750.
Tononi, G., Sporns, O., & Edelman, G. M. (1994). A measure for brain complexity: relating functional segregation and integration in the nervous system. Proceedings of the National Academy of Sciences, 91(11), 5033-5037.
Uhlhaas, P. J., & Singer, W. (2006). Neural synchrony in brain disorders: relevance for cognitive dysfunctions and pathophysiology. Neuron, 52(1), 155-168.
Vecchio, F., Miraglia, F., Piludu, F., Granata, G., Romanello, R., Caulo, M., . . . Rossini, P. M. (2017). “Small World” architecture in brain connectivity and hippocampal volume in Alzheimer’s disease: a study via graph theory from EEG data. Brain Imaging and Behavior, 11(2), 473-485.
Wessel, J. R. (2018). Testing multiple psychological processes for common neural mechanisms using EEG and independent component analysis. Brain topography, 31(1), 90-100.
Publicado
2022-01-11
Cómo citar
Merino Yan, R., Marañón Cardonne, M., Marañón Reyes, E. J., & García Leyva, A. (2022). Herramienta para la obtención de Patrones de Conectividad Cerebral en Pacientes con Deterioro Cognitivo. Orange Journal, 3(6), 34-47. https://doi.org/10.46502/issn.2710-995X/2021.6.04
Número
Sección
Artículos
