Clasificadores de inteligencia artificial para detectar deterioro cognitivo en adultos mayores en reposo, por medio de técnicas fractales.

Abstract

El Deterioro Cognitivo Leve (DCL) es un síndrome caracterizado por la pérdida de memoria relacionada con la edad, que puede manifestarse a través de problemas de memoria, lenguaje o capacidad de juicio. Aunque México experimenta un aumento anual de casos, aún carece de estudios biológicos sistematizados como los realizados en otros países como Estados Unidos, Canadá y Argentina. En este contexto, la Electroencefalografía (EEG) emerge como una alternativa viable, dado su costo relativamente bajo en comparación con otros métodos como biomarcadores, Tomografía por Emisión de Positrones (TEP) o Resonancia Magnética (RM). El análisis de la actividad cerebral mediante el Electroencefalograma (EEG) se ha relacionado con diversas patologías. Al emplear técnicas fractales en la evaluación de estas ondas cerebrales, se vislumbra la posibilidad de obtener resultados prometedores para la detección del DCL. Con el propósito de lograr un diagnóstico temprano y preciso, resulta crucial adoptar nuevas tecnologías, como las técnicas fractales, en combinación con clasificadores de Inteligencia Artificial (IA). En este contexto, la IA desempeña un papel esencial, permitiendo predicciones a partir de datos y aprendizaje automático. Los clasificadores, tales como árboles de decisión, bosques aleatorios y redes neuronales, son algoritmos que asignan información a clases. Estos se emplean para prever etiquetas de instancias y se están convirtiendo en herramientas cada vez más utilizadas en el análisis de imágenes médicas. Este estudio se centró en la aplicación de técnicas fractales a los datos obtenidos del EEG en adultos mayores del grupo control y aquellos con DCL en estado de reposo. La comparación se llevó a cabo mediante la selección y entrenamiento de un clasificador de IA, con el objetivo de aportar una nueva perspectiva a esta área de investigación.