Un gran acercamiento del big data a la neurociencia promete mejorar significativamente un enfoque de la neurociencia basado en el big data promete mejorar significativamente nuestra comprensión de la relación entre la actividad cerebral y el rendimiento.
Hasta la fecha, ha habido relativamente pocos intentos de usar este enfoque dentro del campo emergente de la neurotecnología.
En este campo, los pocos intentos de meta-análisis (análisis a través de múltiples estudios) combinan sólo los resultados de los estudios individuales en lugar de los datos en bruto. Un nuevo estudio es uno de los primeros en combinar datos a través de un conjunto diverso de experimentos para identificar patrones de actividad cerebral que son comunes a todas las tareas y personas.
El Ejército americano esta interesado en particular en, cómo el estado cognitivo de los soldados puede afectar a su rendimiento durante una misión. Si se puede entender el cerebro, se puede predecir e incluso mejorar el rendimiento cognitivo.
Los investigadores del U.S. Army Combat Capabilities Development Command’s Army Research Laboratory se asociaron con la Universidad de Texas en San Antonio e Intheon Labs para desarrollar un mega análisis de datos de imágenes cerebrales, en este caso electroencefalografía, o EEG.
En el documento de dos partes, agregan los datos brutos de 17 estudios individuales, reunidos en seis lugares diferentes, en un único marco analítico, y sus conclusiones se publican en una serie de dos documentos en la revista NeuroImage (véase Enlaces relacionados más abajo). Los estudios individuales incluidos en este análisis abarcan un conjunto diverso de tareas como la conducción simulada y la búsqueda visual.
«La gran mayoría de los estudios neurocientíficos en humanos emplean un número muy reducido de participantes en tareas muy específicas», dijo el Dr. Jonathan Touryan, científico del Ejército y coautor del artículo. «Esto limita la capacidad de generalizar los resultados de cualquier estudio a una población más amplia y a un mayor rango de actividades».
El megaanálisis del EEG es extremadamente difícil debido a los muchos tipos de sistemas de hardware (propiedades y configuración de los electrodos), la diversidad de tareas, la forma en que se anotan los diferentes conjuntos de datos y la variabilidad intrínseca entre los individuos y dentro de un individuo a lo largo del tiempo, dijo Touryan.
Estas fuentes de variabilidad hacen difícil encontrar relaciones robustas entre el cerebro y el comportamiento. El megaanálisis busca abordar esto agregando grandes y heterogéneos conjuntos de datos para identificar características universales que vinculan la actividad neuronal, el estado cognitivo y el desempeño de las tareas.
El megaanálisis del EEG es extremadamente desafiante debido a los muchos tipos de sistemas de hardware (propiedades y configuración de los electrodos), la diversidad de tareas, la forma en que se anotan los diferentes conjuntos de datos y la variabilidad intrínseca entre los individuos y dentro de un individuo a lo largo del tiempo, dijo Touryan.
Las neurotecnologías de la próxima generación requerirán una comprensión profunda de esta relación, para mitigar los déficits o aumentar el rendimiento de los operadores humanos. En última instancia, estas neurotecnologías permitirán a los sistemas autónomos comprender mejor al soldado y facilitarán las comunicaciones en las operaciones multidominio, dijo.
Para combinar los datos en bruto de la colección de estudios, los investigadores desarrollaron los Hierarchical Event Descriptors (HED tags) – una novedosa ontología de etiquetado que captura la amplia gama de eventos experimentales que se encuentran en diversos conjuntos de datos. Este sistema de etiquetas HED fue adoptado recientemente en el estándar internacional Brain Imaging Data Structure, uno de los formatos más comunes para organizar y analizar los datos del cerebro, dijo Touryan.
El equipo de investigación también desarrolló una cadena de procesamiento completamente automatizada para realizar análisis a gran escala de sus datos de series de tiempo de alta dimensión, lo que equivale a más de 1.000 sesiones de grabación.
Muchos de estos datos fueron recopilados durante los últimos 10 años a través de la U.S. Army’s Cognition and Neuroergonomics Collaborative Technology Alliance y ahora están disponibles en un repositorio en línea para la comunidad científica. El Ejército emplea estos datos para desarrollar sistemas adaptativos de autonomía humana tanto para los vehículos de combate de la próxima generación como para los Soldier Lethality Cross-Functional Teams.
Fte. U.S. Army CCDC Army Research Laboratory Public Affairs
Sé el primero en comentar