Una aplicación diseñada en la Universidad de Granada ayuda al estudio del cerebro gracias a la inteligencia artificial

Un equipo científico multidisciplinar de la Universidad de Granada (UGR) ha diseñado la aplicación MVPAlab, que gracias a la programación y la inteligencia artificial (IA) ofrece una herramienta intuitiva y fácil de utilizar para el análisis de electroencefalogramas del cerebro, exploraciones que resultan clave en la neurociencia humana. Este trabajo ejemplifica la colaboración existente entre institutos universitarios de la UGR que unen la IA con el estudio del cerebro humano.

El grupo de investigadores al frente de este avance está formado por David López y José M.G. Peñalver, del Centro de Investigación Mente, Cerebro y Comportamiento (CIMCYC), Juan Manuel Górriz Sáez, del Instituto Interuniversitario en Ciencia de Datos e Inteligencia Computacional (DaSCI), y María Ruz Cámara, directora del CIMCYC.

David López García, investigador del Centro de Investigación Mente, Cerebro y Comportamiento.

Esta herramienta cuenta con una interfaz gráfica de usuario que permite configurar y lanzar distintos tipos de exploraciones cerebrales, así como representar gráficamente los resultados obtenidos de una forma visualmente atractiva, todo ello sin escribir una sola línea de código. MVPAlab implementa algoritmos basados en el aprendizaje automático que ejecutan análisis multivariados de patrones cerebrales, clasificación cruzada, generalización temporal y análisis sobre la contribución de cada uno de los electrodos y bandas de frecuencia al resultado final de la clasificación.

Además, la aplicación dispone de un conjunto de soluciones de preprocesado para, entre otros, la normalización, balanceo y reducción de las dimensiones de los datos obtenidos, el suavizado de la señal y la reducción de la relación señal-ruido. A nivel estadístico, MVPAlab realiza un análisis de permutaciones no paramétrico, basado en clústeres, que posibilita la obtención de regiones estadísticamente significativas en la exploración cerebral, para hacer así inferencias a nivel de grupo.

“El estudio de la función cerebral mediante electroencefalografía se ha apoyado durante años en métodos univariados. El desarrollo de la ciencia y la tecnología de las últimas décadas ha fomentado la aparición de nuevas y más complejas técnicas, basadas en estadística e inteligencia artificial, que permiten explorar los datos con mayor profundidad”, detalla el estudio asociado a la puesta en marcha de MVPAlab.

El equipo de investigación de la UGR que trabaja en la aplicación considera que, a pesar del tremendo esfuerzo empleado en la creación de herramientas que acerquen estas metodologías a diversas áreas de la ciencia, a día de hoy “sigue siendo complicado su uso e implementación, especialmente en laboratorios con escasos conocimientos en programación”.

Logo de la app.

A futuro, MVPAlab evoluciona hacia su constante desarrollo, implementando y mejorando funcionalidades de manera continuada. Una de las líneas de trabajo es la implementación de técnicas de fusión multimodal. Estas técnicas permiten analizar de forma conjunta datos procedentes de diferentes neuroimágenes no invasivas (como la electroencefalografía y la resonancia magnética funcional), combinando sus fortalezas y minimizando sus carencias. El empleo de dichas soluciones representa un gran paso adelante en el estudio y el entendimiento de la función cerebral.

El código fuente de MVPAlab se encuentra alojado públicamente en un repositorio de GitHub (https://github.com/dlopezg/mvpalab), bajo licencia GPL v.3.0, lo que permite a los usuarios hacer uso, modificar o compartir esta herramienta de forma libre. En este mismo enlace se puede encontrar la documentación completa de la herramienta, distintos tutoriales, sets de datos y scripts de prueba, así como un foro de discusión donde los usuarios pueden sugerir nuevas funcionalidades o reportar y hacer seguimiento de errores.

Referencia bibliográfica:

López-García, David & González Peñalver, José María & Gorriz, Juan & Ruz, María. (2021). MVPAlab: A Machine Learning decoding toolbox for multidimensional electroencephalography data. 10.1101/2021.06.24.449693.