Metodología para el análisis de señales EEG por mapeo de regiones cerebrales para la salud mental

Abstract

Resumen Mientras que las bioseñales EEG proveen un nivel de entendimiento respecto a la actividad cerebral, métodos computacionales de Ingeniería de Software e Inteligencia Artificial pueden contribuir al desarrollo de un amplio espectro de soluciones. Esta investigación aborda la dificultad para la obtención de datos en el monitoreo de la actividad cerebral al momento de un ataque de pánico, en conjunto con la carencia metodologías y modelos enfocados a trastornos mentales, particularmente ansiedad, lo cual puede contribuir al desarrollo de soluciones basadas en el nivel de ansiedad del individuo y condición en general, por tanto, optimizando procesos basados en datos médicos; se propone un enfoque integral de Ciencia de Datos e Ingeniería de Software como contribución al desarrollo de soluciones orientadas a datos y la obtención parcial de resultados listos para su implementación, ello dentro del alcance metodológico de Lean UX y sus MVPs para la validación y verificación transversal de la transparencia de los datos de historia clínica de personas con ansiedad, haciendo uso de un dispositivo para la lectura de bioseñales EEG, y priorizando la identificación de directrices que permitan el análisis de los datos monitoreados y factores de correlación en personas con ansiedad e historia de ataques de pánico, cimentando la optimización de procesos para especialistas de la salud mental y las sesiones que sostienen con los pacientes. La propuesta introducida en estas páginas yace en una metodología holística cuyos ejes centrales de Lean UX y la Metodología de Ciencia de Datos de IBM sustentan el diseño experimental de un modelo subsecuente a la propuesta metodológica, proveyendo la base para la instrumentación y recolección de datos de usuarios objetivo mediante un análisis preliminar; a través de técnicas algorítmicas de clasificación y agrupación que fueron analizadas y comparadas con base a su apego a los requerimientos y restricciones del proyecto de investigación; variables de control fueron identificadas para la mejora en la calidad de los datos, acentuando los resultados obtenidos mediante la comparación entre las técnicas algorítmicas de clusterización con K-Means, y árboles de decisiones con ID3 y J48. Palabras Clave: Ciencia de Datos, Lean UX, Diseño Metodológico, Bioseñales EEG, Ansiedad.

Abstract While EEG signals provide insight into brain activity, computational methods from software engineering and artificial intelligence can contribute to the development of a wide range of solutions. This research addresses the difficulty of data acquisition regarding the monitoring of brain activity at the time of a panic attack, coupled with the lack of methodologies and models oriented to mental disorders particularly anxiety, which could contribute to the development of solutions based in the level of anxiety of the user and overall condition, therefore optimizing the processes; an approach encompassing data science and software engineering is proposed to contribute with the development of data-driven solutions and partial acquisition of results ready to be deployed within the means of the Lean UX Methodology MVPs to cross validate the data transparency of clinical history of people with anxiety making use of an EEG device, thus prioritizing the identification of guidelines that allow the analysis of monitored data and correlating factors in people with anxiety and history of panic attacks, paving the way for the health specialist to optimize processes in the sessions held with people that have had anxiety or has anxiety. The proposal introduced in these pages covers an experimental design of a model based on a holistic methodology with the core principles of Lean UX and the IBM Data Science Methodology. To provide the basis for the instrumentation and recollect data from the target users a preliminary analysis was performed, through algorithmic techniques for classification and clustering that were analyzed and compared in regard to their optimality for the project requirements and constraints; control variables were identified to improve the data quality, hence highlighting the results obtained via comparison between K-Means Clustering and ID3/J48 decision trees. Keywords: Data Science, Lean UX, Methodology Design, EEG Biosignals, and Anxiety.