La electroencefalografía (EEG) es una herramienta clave para estudiar trastornos cerebrales, pero analizar datos de EEG es lento y requiere revisión manual experta. Un nuevo sistema automatizado acelera este proceso 7200 veces, con un 89,45% de precisión.
La investigación
En un estudio de 2026 publicado en arXiv (q-bio.NC), investigadores de la Universidad de Cincinnati y colaboradores presentaron una herramienta basada en visión artificial para el etiquetado automatizado de rechazo de análisis de componentes independientes (ICA). Los registros de EEG a menudo contienen artefactos (señales no cerebrales, como movimientos musculares u oculares). El ICA aísla estos artefactos, pero identificarlos manualmente lleva tiempo. El equipo construyó un sistema compatible con ICLabel y EEGLab que utiliza redes neuronales convolucionales para clasificar componentes independientes. En un conjunto de datos de más de 100 000 componentes, el sistema alcanzó un 89,45% de precisión y redujo el tiempo de procesamiento en un factor de 7200, permitiendo el rechazo de actividad cerebral casi en tiempo real para uso clínico y de investigación.
Por qué es importante
Este avance significa que la investigación basada en EEG puede escalar drásticamente. Para el entrenamiento cognitivo y la monitorización de la salud cerebral, permite un análisis más rápido y fiable sin necesidad de supervisión experta. Esto podría conducir a mejores interfaces cerebro-computadora y herramientas de retroalimentación cognitiva más personalizadas.
Qué puedes hacer
Aunque no puedes usar esta herramienta directamente, puedes apoyar tu salud cerebral reduciendo artefactos de EEG en tu propia vida: minimiza la tensión muscular durante tareas enfocadas y considera usar programas de entrenamiento cerebral validados que se basen en mediciones cognitivas limpias.
Fuente: arXiv q-bio.NC
¿Sientes curiosidad por tu propio cerebro? Realiza nuestra prueba de coeficiente intelectual adaptativa gratuita o prueba 306 niveles de entrenamiento cerebral.
