(Sección en construcción)
Desarrollo de una metodología para evaluar el desempeño de algoritmos basados en redes neuronales para la remoción de artefactos en electroencefalografía (EEG)
Descripción
En el marco del creciente interés por abordar desafíos significativos en salud pública a nivel regional, especialmente en la región del Eje Cafetero afectada por un incremento de patologías psiquiátricas durante la pandemia de COVID-19, nuestro proyecto emerge como una iniciativa crítica. Se centra en la aplicación de la neuroinformática y la inteligencia artificial para superar limitaciones diagnósticas asociadas con la electroencefalografía (EEG), una herramienta esencial en la identificación y el manejo de trastornos mentales.
La presencia de artefactos exógenos en los registros EEG representa un obstáculo significativo, deteriorando la calidad de las señales y complicando el diagnóstico preciso. Frente a esta problemática, el proyecto propone el desarrollo y la validación de una metodología para la evaluación del desempeño de algoritmos basados en redes neuronales destinados a la remoción de dichos artefactos.
Coinvestigadores
Ana Victoria Medina
Impacto
- Contribución a la investigación práctica de la Inteligencia Artificial en el campo de la medicina.
- En diversos artículos se ha visto el desarrollo de Redes Neuronales Artificiales o Deep Learning para la remoción de artefactos, estos artículos junto con el presente contribuyen a evaluar las limitaciones y ventajas que ofrece la Inteligencia Artificial para estos propósitos de limpieza, lo anterior con el fin de que esta no sea dependiente de la experiencia del usuario.
Análisis de microestados en señales electroencefalográficas para estudio de biomarcadores de trastorno afectivo bipolar con inteligencia artificial
Descripción
Este proyecto representa una iniciativa en el ámbito de la neurociencia y la psiquiatría, focalizándose en la identificación de posibles biomarcadores para el Trastorno Afectivo Bipolar (TAB) a través de tecnologías en Neuroinformática y aplicación de Inteligencia Artificial. Reconociendo la complejidad del TAB y las limitaciones de las estrategias diagnósticas actuales, nuestro equipo propone una metodología innovadora basada en el análisis de microestados electroencefalográficos y la evaluación de la onda P300, elementos que podrían revelar patrones distintivos en pacientes afectados por este trastorno.
Coinvestigadores
Impacto
El éxito de este proyecto tendría un impacto significativo en el campo de la psiquiatría y la neurología, proporcionando herramientas más objetivas y precisas para el diagnóstico del TAB. Esto podría conducir a intervenciones más tempranas y personalizadas, mejorando los resultados clínicos para los pacientes. Además, el desarrollo de estos algoritmos contribuiría al avance de la neurociencia computacional y al mejor entendimiento del funcionamiento cerebral en el TAB, abriendo nuevas vías para la investigación y el tratamiento de este y otros trastornos neuropsiquiátricos.