En el presente documento se incluye el “Informe 2. Informe de Seguimiento” de la propuesta de investigación sobre envejecimiento y longevidad titulada: “Diseño, desarrollo y evaluación de una plataforma de entrenamiento cognitivo mediante un sistema Brain-Computer Interface”, cuyo objetivo es el de proveer de una herramienta que permita entrenar cognitivamente a las personas mayores mediante técnicas de neurofeedback para frenar el deterioro asociado al envejecimiento normal.
El documento está organizado como sigue. Para empezar, se realiza un seguimiento sobre los objetivos planteados, estableciendo el grado de cumplimiento de los mismos. Posteriormente, se enumeran las tareas realizadas hasta el momento, así como los entregables realizados y los resultados alcanzados de acuerdo con el plan de trabajo establecido en la solicitud del proyecto. Finalmente, se incluye el cronograma final previsto de acuerdo con las tareas y entregables que deberán realizarse en los meses subsiguientes.
Desarrollo de los objetivos planteados
A continuación, se describe el grado de cumplimiento de los objetivos específicos descritos en la memoria técnica del proyecto, indicando el porcentaje realizado.
O.E.1. Diseñar y desarrollar la plataforma BCI de entrenamiento cognitivo
Este objetivo se ha cumplido completamente, tal y como estaba previsto en el ecuador del proyecto según el plan de trabajo incluido en la memoria técnica. En la fase de diseño y captura de requisitos, se han determinado las funciones neuropsicológicas que se entrenarán con la plataforma de entrenamiento cognitivo, así como los métodos de procesado de la señal de electroencefalograma (EEG) que se van a emplear y la realimentación visual más adecuada para cada tarea. En cuanto al desarrollo de la plataforma, se ha finalizado la implementación de la interfaz de usuario y de los métodos de procesado de señal de EEG que se utilizarán en el proyecto, incluyendo algoritmos para el análisis frecuencial y espacial de la señal de EEG. Asimismo, se han desarrollado también las aplicaciones de realimentación visual de la plataforma, compuestas por 4 tareas.
O.E.2. Validar la plataforma BCI de entrenamiento cognitivo
Este objetivo se ha cumplido al 10%, superando el porcentaje estimado inicialmente para esta etapa del proyecto. Con el objetivo de adelantar los plazos de ejecución, se ha procedido a comenzar el reclutamiento de voluntarios para la evaluación de la plataforma. Se ha determinado el grupo de pruebas de laboratorio, que estará formado por 10 personas sanas menores de 40 años. Este grupo permitirá la validación de la plataforma en el laboratorio para corregir errores mediante un proceso iterativo y asegurar el correcto funcionamiento de todos los módulos software desarrollados. También ha comenzado el reclutamiento de la población de estudio que participará en la evaluación final de la plataforma. Esta población estará formada por al menos 20 personas mayores de 60 años. Cuando termine el desarrollo de la plataforma, se procederá a realizar las pruebas de laboratorio con el grupo correspondiente. Una vez solucionados todos los posibles errores, comenzará el protocolo de validación de la plataforma en la población de estudio.
O.E.3. Difundir los resultados
Este objetivo aún no se ha abordado, ya que está asociado a la fase de validación de la plataforma final de entrenamiento cognitivo.
Tareas realizadas y resultados alcanzados
En este apartado se describen las tareas científico-técnicas realizadas para alcanzar los objetivos planteados en el proyecto, los entregables asociados a las mismas y los resultados alcanzados en cada una de ellas.
TAREA 1. Diseño de la plataforma de entrenamiento cognitivo (O.E.1)
Subtarea 1.1. Diseño de la metodología de entrenamiento
La primera subtarea estaba enfocada a identificar las funciones neuropsicológicas que se entrenaran con la plataforma. Con el fin de poder ofrecer una realimentación al usuario a través del EEG que esté relacionada con cada una de ellas, es esencial elegir cuidadosamente estas funciones de acuerdo con las zonas corticales que se ven activadas al estimular dichas funciones.
Actualmente, a consecuencia de extensa investigación realizada durante el último siglo, existen varias teorías relacionadas con la especialización de las distintas zonas corticales. La teoría de la modularidad, sucesora de la anticuada frenología, sugiere que el cerebro está formado por regiones concretas altamente especializadas en distintas funciones cognitivas (Fodor 1983). Por otra parte, la teoría del procesamiento distribuido sugiere que la información se procesa de manera distribuida entre diversas partes del córtex (McIntosh 1999). Estudios recientes basados en teoría de grafos, sin embargo, apuestan por una combinación de ambas. Aunque se piensa que los procesos cognitivos complejos involucran la interacción de distintas partes del cerebro, la comunidad científica asume que ciertas regiones están más especializadas que otras en funciones concretas (Bullmore and Sporns 2009). No obstante, cabe destacar que no existe un consenso claro acerca de la localización de ciertas funciones neuropsicológicas, y en numerosas ocasiones una misma área del córtex se asocia con varias capacidades neuropsicológicas diferentes.
Diversos estudios han demostrado que una mayor sincronización de la actividad de las neuronas situadas en regiones concretas del córtex, reflejada como un aumento de la potencia de la señal EEG, influye positivamente en las funciones que tiene asociadas, (Enriquez-Geppert, Huster, and Herrmann 2017). Por tanto, las capacidades a entrenar se han definido basándose en la evidencia de estudios previos. Las tres primeras tareas estarán orientadas a la estimulación de tres funciones concretas: memoria, control atencional y actividad conceptual (Cappelletti et al. 2009; Enriquez-Geppert et al. 2014, 2017; Hsueh et al. 2016; Ros et al. 2017; Scharnowski et al. 2012; Vernon et al. 2003; Zoefel, Huster, and Herrmann 2011). Para cada una de estas funciones, se ha identificado una región cerebral y una o más bandas de frecuencia que el usuario deberá aprender a modular con la ayuda de la realimentación proporcionada por la plataforma. El objetivo del usuario durante el entrenamiento será el de aumentar la potencia de su señal EEG en la zona cortical y bandas definidas. Adicionalmente, también se incluye una cuarta tarea más compleja que abarca varias regiones cerebrales (i.e. frontal, central y temporal) y que utiliza los ritmos sensoriomotores (SMR, sensorimotor rhythms) para el control de un videojuego sencillo. En esta tarea, el usuario deberá imaginarse los movimientos de su mano izquierda y derecha, modulando su actividad en áreas contralaterales de su cerebro (Wolpaw and Wolpaw 2012). Esto permite introducir un control con dos grados de libertad en vez de uno, incrementando la complejidad. Esta tarea ha demostrado ser eficaz en un estudio previo para la mejora del estado cognitivo general, mejorando varias funciones neuropsicológicas a la vez (Gomez-Pilar et al. 2016). La Tabla 1 especifica, para cada una de las 4 tareas, las funciones neuropsicológicas objetivo y la región cerebral y bandas de frecuencia involucradas.
Tabla 1. Funciones neuropsicológicas seleccionadas para entrenar con la plataforma desarrollada. El usuario deberá modular su actividad cerebral de forma endógena en el área y bandas correspondientes a cada función utilizando la realimentación proporcionada.
La mayoría de los estudios previos únicamente analizaban los cambios que producía el entrenamiento cognitivo basado en neurofeedback en la función neuropsicológica concreta que se estaba estudiando. Sin embargo, hay claros indicios de que la estimulación endógena de una determinada región cerebral podría influir en varias capacidades al mismo tiempo (Gomez-Pilar et al. 2016; Vernon et al. 2003). Por este motivo, en este proyecto se realizará un análisis neuropsicológico completo antes y después del entrenamiento mediante la batería LURIA-DNA, uno de los instrumentos más prestigiosos y completos para la evaluación neuropsicológica. Esta batería de pruebas explora sistemáticamente mediante un conjunto de 9 test las siguientes capacidades: visoespacial, lenguaje, memoria, procesos intelectuales y atención.
Subtarea 1.2. Diseño de la realimentación visual
Una vez decididas las funciones neuropsicológicas a entrenar, es necesario diseñar la estrategia de estimulación que se seguirá para entrenar cada una de ellas. Para ello, se han diseñado 4 tareas distintas relacionadas con las 4 funciones neuropsicológicas, en las que se ofrecerá realimentación al usuario en tiempo real que reflejará su propia actividad en la zona y banda elegidas en la Subtarea 1.1. Esta información se proporcionará de forma continua, atractiva y motivante. Con el objetivo de que el usuario aprenda a modular su actividad cerebral de manera endógena correctamente, se ha diseñado una realimentación diferente para cada tarea:
1. Memoria. La primera tarea se enfocará en estimular la región frontal del córtex, que regula en gran medida la memoria a corto y largo plazo del usuario. Se ofrecerá un panel con distintos números, que desaparecerán unos segundos después. Posteriormente, se ofrecerá otro panel al usuario, donde uno de los números ha sido sustituido por otro. El usuario deberá tratar de recordar cuál es el número que ha desaparecido. La realimentación visual mostrará el número a recordar progresivamente con un fade in a medida que el usuario genera la actividad adecuada en la zona frontal. Esta tarea ha sido diseñada para facilitar la generación de la actividad adecuada en la región frontal mientras el usuario trata de recordar el número. Sin embargo, es habitual que el usuario encuentre estrategias propias para mantener su actividad cerebral en los parámetros determinados a medida que avanza el entrenamiento, y conseguir así revelar el número oculto.
2. Control atencional. La segunda tarea está enfocada a estimular en las bandas alpha y beta de la región central del córtex, situada en la parte posterior del lóbulo frontal, la cual regula la atención y concentración del usuario. En esta tarea se mostrará una esfera de color blanco y una barra indicando un gradiente de color. El objetivo del usuario será el de colorear completamente la esfera. Para ello, deberá encontrar las estrategias adecuadas para estimular la región central de su cerebro de manera que, cuando aumente la potencia en las bandas alpha y beta, la esfera comience a teñirse gradualmente del color elegido.
3. Actividad conceptual. La tercera tarea se enfocará en entrenar las capacidades conceptuales del usuario. En ella se mostrará un cubo posado encima de una mesa que comenzará a elevarse cuando la actividad cerebral en la región y bandas asociadas a esta tarea sean las adecuadas. Por tanto, el objetivo del usuario será aprender a controlar el cubo y llevarlo hasta una altura determinada. Para cumplirlo, al principio el usuario deberá imaginarse el cubo desde distintas perspectivas (habilidades visoespaciales), ejecutar operaciones aritméticas o realizar otras actividades relacionadas con conceptos abstractos, las cuales han demostrado que modifican la actividad en la zona parietal del córtex. Sin embargo, al igual que en las anteriores tareas, es habitual que los usuarios acaben por encontrar estrategias propias para mantener su actividad dentro de los parámetros definidos.
4. Entrenamiento general. La cuarta tarea, enfocada en la zona sensoriomotora del córtex (i.e., región posterior del córtex frontal y anterior del córtex parietal), mostrará un avatar sobre un camino. En esta ocasión, el usuario deberá modular su actividad en los dos hemisferios cerebrales de forma independiente, lo que requiere una gran concentración y esfuerzo mental. Mediante la imaginación del movimiento de las manos derecha e izquierda, el usuario generará actividad en la zona contralateral del córtex, haciendo que el avatar se mueva. El objetivo será evitar los obstáculos que aparezcan en el camino.
La interfaz gráfica de cada una de las tareas mencionadas se mostrará a continuación, a raíz del desarrollo de la Tarea 2.
Asimismo, el desarrollo de la Tarea 1 tiene asociado el entregable 1.1. “Informe detallado de la metodología de entrenamiento”. En este informe se recogieron todas las decisiones expuestas anteriormente: selección de funciones neuropsicológicas a entregar, localización de la actividad relacionada sobre el córtex, selección de las frecuencias del EEG objetivo, y el diseño de la realimentación visual de las 4 tareas.
TAREA 2. Desarrollo de la plataforma de entrenamiento cognitivo (O.E.1)
Subtarea 2.1. Desarrollo de las etapas de procesado de señal
La primera subtarea de la Tarea 2 estaba enfocada a desarrollar las etapas de procesado de señal de las que se compondrá la plataforma de entrenamiento cognitivo. Estas etapas se encargarán de monitorizar la señal EEG del usuario, pre-procesarla para eliminar interferencias externas y artefactos fisiológicos ruidosos, procesarla para detectar la actividad cerebral en una zona concreta, y convertir dicha actividad en realimentación de cara a mostrarlo al usuario. Las etapas de procesado de señal desarrolladas están esquematizadas en la Figura 1.
El procesado de señal está formado por las siguientes etapas:
1. Registro de la señal EEG. Se empleará un equipo g.USBamp de la empresa g.Tec (Austria) con 16 electrodos activos y frecuencia de muestreo de 256 Hz. Una vez colocados los electrodos en las posiciones indicadas en la Tabla 1, se aplica un gel conductor inocuo que favorece la recepción de la señal EEG y reduce la impedancia del aire del contacto entre los electrodos y el cuero cabelludo. Cabe desatacar que el equipo es completamente portable, dado que la señal se recibe mediante tecnología Bluetooth de manera inalámbrica. La señal EEG la recibirá el ordenador portátil, adquiriéndola mediante el protocolo Lab Streaming Layer (LSL).
2. Pre-procesado de la señal EEG. Se aplicará un filtro paso-alto con frecuencia de corte en 0,5 Hz para eliminar la componente de continua de la señal de EEG y un filtro espacial de referencia de media común (CAR, common average reference) para aumentar la relación señal a ruido, reducir el difuminado espacial de los electrodos y eliminar artefactos de la señal.
3. Procesado de la señal. En esta etapa se calculará la potencia del EEG en la localización cortical y las bandas especificadas. Para ello: (i) se seleccionarán los canales EEG asociados a cada función neuropsicológica (Tabla 1, columna 3); (ii) se filtrarán mediante un filtro paso-banda las bandas frecuenciales de interés (Tabla 1, columna 4); (iii) se calculará la potencia de la señal; (iv) y se enviará a la aplicación de realimentación visual, permitiendo su control en tiempo real.
Los algoritmos previamente mencionados han sido integrados dentro de la plataforma desarrollada para el análisis de la señal de EEG en tiempo real. Esta plataforma ha sido desarrollada en Python, un lenguaje multiplataforma que cuenta con gran cantidad de librerías que facilitan la tarea de desarrollo. Concretamente, cuenta con soporte para Qt, uno de los framework de desarrollo de interfaces gráficas más utilizados en la actualidad. Esta librería ha sido utilizada para desarrollar la interfaz de usuario principal, que permite el control de la aplicación de neurofeedback, la representación temporal y frecuencial en tiempo real de la señal de EEG y la selección de los parámetros de entrenamiento de manera fácil e intuitiva. En la Figura 2 se muestra una captura de pantalla de la interfaz de usuario de la plataforma de entrenamiento cognitivo desarrollada. El módulo de procesado de señal también ha sido desarrollado en Python, lo que facilita su integración en el flujo general de trabajo de la plataforma. Adicionalmente, existen gran cantidad de librerías, como numpy o scipy, que permiten cálculos matriciales e incluyen funciones para el diseño de filtros que facilitan la implementación de los métodos de procesado de señal descritos en el punto anterior.
Figura 1. Esquema del procesado de señal desarrollado. Para empezar, se registra el EEG del usuario mediante un equipo con 16 canales activos. Posteriormente, se pre-procesa la señal eliminando artefactos e interferencias mediante filtrado espacial y frecuencial. Para cuantizar la actividad del usuario en una zona localizada del córtex y en una banda frecuencial concreta, se filtra de nuevo la señal y se halla la potencia relativa de la misma en la banda filtrada.
Figura 2. Interfaz gráfica de la plataforma de entrenamiento cognitivo. En el panel de la izquierda se seleccionan los parámetros de entrenamiento. En la parte derecha se representa la señal de EEG en los dominios temporal y frecuencial.
Asimismo, el desarrollo de la subtarea 2.1. tiene asociado el entregable 2.1. “Informe con las características técnicas de la plataforma desarrollada”. En este informe se recogieron todas las características expuestas anteriormente: lenguajes de programación, protocolo de registro, equipo de registro EEG, etapa de pre-procesado de señal, y etapa de procesado de señal.
Subtarea 2.1. Desarrollo de las aplicaciones de realimentación visual
La segunda subtarea de la Tarea 2 estaba enfocada a desarrollar las aplicaciones de realimentación visual que compondrán las 4 tareas que deberá realizar el usuario.
El módulo de realimentación visual se ha desarrollado en Unity, uno de los entornos de desarrollo gráfico más utilizados en la actualidad. Al igual que Python, Unity es un entorno multiplataforma, lo que asegura el funcionamiento de la plataforma en los sistemas operativos más comunes (e.g., Windows, Linux, Mac). Las aplicaciones desarrolladas, por tanto, reciben la potencia de la señal EEG en las regiones corticales y bandas especificadas por parte del módulo de procesado de señal (Figura 1), y actúan en consecuencia. En las Figuras 3-6 se muestran capturas de pantalla de las 4 aplicaciones desarrolladas, cuyo funcionamiento ha sido previamente detallado durante la subtarea 1.2.
Asimismo, el desarrollo de la subtarea 2.2 tiene asociado el entregable 2.2. “Plataforma BCI de entrenamiento cognitivo”. Dado que todas las etapas de la plataforma han sido desarrolladas, actualmente se cuenta con un prototipo de la misma, que deberá ser evaluado con el grupo de laboratorio para detectar posibles errores e implementar sugerencias de mejora. Finalmente, el prototipo final se evaluará con la población de estudio.
TAREA 3. Evaluación de la plataforma de entrenamiento cognitivo (O.E.3)
Tal y como se especificó originalmente en la propuesta, el protocolo de evaluación de la plataforma consta de tres etapas (Figura 7):
1. Evaluación neuropsicológica realizada por un especialista mediante el test de LURIA-DNA y registros EEG basales iniciales a toda la población de estudio.
2. La población se divide en dos subgrupos. Uno de los subgrupos no utilizará la plataforma de entrenamiento cognitivo, mientras que el otro realizará 8 sesiones de entrenamiento de una hora y media de duración aproximadamente.
3. Evaluación neuropsicológica realizada por un especialista mediante el test de LURIA-DNA y registros EEG basales finales a toda la población de estudio.
Esta tarea estaba originalmente planificada entre los meses 7-9. No obstante, dado que la duración del proyecto actualmente se compone de 10 mensualidades, ya se ha reclutado el grupo de control del laboratorio para realizar los tests oportunos antes de la evaluación final; y se ha empezado a reclutar la población de estudio (personas mayores de 60 años).
Figura 3. Realimentación visual de la primera tarea, donde se estimulará la región frontal en las bandas theta y alpha. En ella se mostrarán varios números durante unos segundos. Posteriormente se cambiará un número por otro, y el usuario deberá recordar cual es. Si el usuario mantiene su actividad cerebral dentro de los parámetros determinados, el número será revelado poco a poco.
Figura 4. Realimentación visual de la segunda tarea, donde se estimulará la región central en las bandas alpha y beta. Cuando la potencia del EEG supere un determinado umbral, la esfera, que inicialmente es blanca, se coloreará de color rojo progresivamente. Cuanto mayor sea la potencia, mayor será la velocidad a la que cambia el color.
Figura 5. Realimentación visual de la tercera tarea, donde se estimulará la región parietal en la banda alpha, asociada a la actividad conceptual. Cuando la potencia del EEG supere un determinado umbral, el cubo se elevará y comenzará a rotar. Cuanto mayor sea la potencia, mayor será la velocidad de desplazamiento.
Figura 6. Realimentación visual de la cuarta tarea. En esta tarea, el avatar avanza por el camino, donde aparecen de manera aleatoria obstáculos. El objetivo del usuario es esquivar los obstáculos modulando su actividad cerebral en los dos hemisferios contralaterales por separado. Cuando la potencia del EEG sea superior en el hemisferio derecho, el avatar se desplaza a la izquierda; y viceversa. La introducción de dos grados de libertad incrementa la complejidad de la tarea.
Figura 7. Protocolo de validación de la plataforma de entrenamiento cognitivo.
Subtarea 3.1. Reclutamiento de la población de estudio
La primera subtarea de la Tarea 3 está enfocada a reclutar la población de estudio que evaluará la plataforma de entrenamiento cognitivo.
Hasta el momento, se ha reclutado un grupo de control formado por 10 usuarios, todos menores de 40 años, para evaluar la plataforma en el laboratorio. Estas pruebas servirán para corregir posibles errores de programación y comprobar las estrategias mentales más eficaces para que los usuarios aprendan a modular su actividad cerebral en el área y banda frecuencial correctas.
Asimismo, también ha comenzado el reclutamiento de la población del estudio, que estará formada por al menos 20 personas mayores de 60 años. Para ello se cuenta con la colaboración de la fundación ASPAYM, que promociona la participación en el estudio en su centro de día.
Plan de trabajo hasta el final del proyecto
Referencias
Bullmore, Ed and Olaf Sporns. 2009. “Complex Brain Networks: Graph Theoretical Analysis of Structural and Functional Systems.” Nature Reviews Neuroscience 10(3):186.
Cappelletti, Marinella, Hwee Ling Lee, Elliot D. Freeman, and Cathy J. Price. 2009. “The Role of Right and Left Parietal Lobes in the Conceptual Processing of Numbers Marinella.” Journal of Cognitive Neuroscience 22(2):331–46.
Enriquez-Geppert, Stefanie, René J. Huster, Christian Figge, and Christoph S. Herrmann. 2014. “Self-
Regulation of Frontal-Midline Theta Facilitates Memory Updating and Mental Set Shifting.” Frontiers in Behavioral Neuroscience 8:1–13.
Enriquez-Geppert, Stefanie, René J. Huster, and Christoph S. Herrmann. 2017. “EEG-Neurofeedback as a Tool to Modulate Cognition and Behavior: A Review Tutorial.” Frontiers in Human Neuroscience 11(February):1–19.
Fodor, Jerry A. 1983. The Modularity of Mind. MIT press.
Gomez-Pilar, Javier, Rebeca Corralejo, Luis F. Nicolas-Alonso, Daniel Álvarez, and Roberto Hornero. 2016. “Neurofeedback Training with a Motor Imagery-Based BCI: Neurocognitive Improvements and EEG Changes in the Elderly.” Medical and Biological Engineering and Computing 54(11):1655–66.
Hsueh, Jen Jui, Tzu Shan Chen, Jia Jin Chen, and Fu Zen Shaw. 2016. “Neurofeedback Training of EEG Alpha
Rhythm Enhances Episodic and Working Memory.” Human Brain Mapping 37(7):2662–75.
McIntosh, Anthony Randal. 1999. “Mapping Cognition to the Brain through Neural Interactions.” Memory 7(5–6):523–48.
Ros, Tomas, Abele Michela, Anne Bellman, Philippe Vuadens, Arnaud Saj, and Patrik Vuilleumier. 2017.
“Increased Alpha-Rhythm Dynamic Range Promotes Recovery from Visuospatial Neglect: A Neurofeedback Study.” Neural Plasticity 2017:1–9.
Scharnowski, Frank, Chloe Hutton, Oliver Josephs, Nikolaus Weiskopf, and Geraint Rees. 2012. “Improving
Visual Perception through Neurofeedback.” Journal of Neuroscience 32(49):17830–41.
Vernon, David, Tobias Egner, Nick Cooper, Theresa Compton, Claire Neilands, Amna Sheri, and John
Gruzelier. 2003. “The Effect of Training Distinct Neurofeedback Protocols on Aspects of Cognitive Performance.” International Journal of Psychophysiology 47(1):75–85.
Wolpaw, Jonathan and Elizabeth Winter Wolpaw. 2012. Brain-Computer Interfaces: Principles and Practice.
OUP USA.
Zoefel, Benedikt, René J. Huster, and Christoph S. Herrmann. 2011. “Neurofeedback Training of the Upper
Alpha Frequency Band in EEG Improves Cognitive Performance.” NeuroImage 54(2):1427–31.
