Análisis de sincronización EEG para la predicción de convulsiones: Un estudio sobre datos de registros no invasivos

Objetivo: La epilepsia es un trastorno neurológico derivado de anomalías en la actividad eléctrica del cerebro, que afecta a aproximadamente 65 millones de personas en todo el mundo. Los métodos de predicción, típicamente basados en técnicas de aprendizaje automático, requieren una gran cantidad de datos para el entrenamiento, para clasificar correctamente las convulsiones con bajas tasas de falsas alarmas. Métodos: En este trabajo, presentamos una nueva base de datos que contiene señales EEG del cuero cabelludo de 14 pacientes epilépticos adquiridas en la Unidad de Neurología y Neurofisiología de la Universidad de Siena, Italia. Además, se propone un método de predicción de convulsiones específico para cada paciente, basado en la detección de patrones de sincronización en el EEG, que es probado con los datos de la base. El uso de datos EEG no invasivos busca explorar la posibilidad de desarrollar un dispositivo de monitoreo/control no invasivo para la predicción de convulsiones. El método de predicción emplea medidas de sincronización calculadas sobre todos los pares de canales y un enfoque de clasificación basado en umbrales, computacionalmente económico. Resultados y conclusiones: El análisis experimental, realizado mediante inspección y mediante el clasificador basado en umbrales propuesto en todos los pacientes de la base de datos, muestra que las características extraídas mediante las medidas de sincronización son capaces de detectar estados preictales e ictales y permiten la predicción de convulsiones pocos minutos antes de su inicio.