Conclusiones del Paquete de Trabajo sobre Sueño (4)

Socios:

Bitbrain, Instituto Investigación Sanitaria de Aragón, Itainnova.

Reto inicial:

• Desarrollar tecnología textil wearable y una inteligencia artificial capaz de analizar la actividad cerebral durante el sueño para identificar de forma temprana el deterioro cognitivo leve (DCL) y la demencia.
• Realizar intervenciones de neuroestimulación durante el sueño para actuar sobre pacientes con deterioro cognitivo leve y demencia.

Potenciales beneficiarios:

Personas mayores sanas o con quejas subjetivas de memoria, así como aquellas personas con diferentes grados de deterioro cognitivo y demencia.

Tecnologías empleadas:

• Hardware: dispositivo EEG Ikon Sleep de Bitbrain
• Plataforma software e IA para sueño.

Beneficios obtenidos o potenciales de la aplicación:

Beneficios/impacto potencial:

• Detección temprana de deterioro cognitivo leve (DCL) y la demencia.
• Desarrollo de intervenciones personalizadas sobre pacientes con deterioro cognitivo leve y demencia.

Beneficios/impacto logrado:

• Automatización del proceso de detección de fases de sueño.
• Publicación del Open EEG Sleep Dataset.

Descripción del desarrollo:

Los trastornos del sueño son precipitadores de otras patologías. Entre ellas, son especialmente relevantes las relacionadas con el deterioro cognitivo y la demencia, como la enfermedad de Alzheimer o el Parkinson.

En este paquete de trabajo se ha trabajado en dos estudios de investigación, Hogar y Nana, para los que se ha utilizado una plataforma tecnológica desarrollada por Bitbrain que integra hardware, software con inteligencia artificial y servicios en la nube que permiten realizar el procesamiento automático del EEG.

En el estudio Hogar, el objetivo es validar un instrumento para cuantificar la función cognitiva de manera objetiva y automatizada mediante EEG en el domicilio, diferenciando a las personas con deterioro cognitivo leve (DCL) y demencia de aquellas sin alteraciones. La investigación incluye evaluación neuropsicológica, medición de EEG en laboratorio y en casa, y obtención de marcadores biológicos. Este estudio ha proporcionado una caracterización muy completa del estado cognitivo de la cohorte estudiada, lo que nos ha permitido profundizar en el estudio de los cambios cerebrales asociados al deterioro cognitivo.

El Estudio Nana busca mejorar la cognición durante el sueño mediante estimulación auditiva para fomentar ondas lentas y la consolidación de memoria. Se ha desarrollado una plataforma de IA para realizar la estimulación en bucle cerrado, validada en personas con y sin DCL de tipo amnésico.

Gracias a la inteligencia artificial, se ha logrado automatizar el proceso de detección de fases de sueño con algoritmos que utilizan redes neuronales. La polisomnografía, un estudio común en la medicina del sueño, representa la arquitectura de las fases del sueño mediante hipnogramas, que generalmente se obtienen mediante análisis manual. Se trata de una actividad muy costosa en tiempo dado que requiere el análisis de la señal EEG grabada durante la noche, así como de un personal altamente especializado para su realización.

Los registros obtenidos se han publicado abiertamente y se pueden encontrar en la página web de Bitbrain. El Open EEG Sleep Dataset contiene datos de 128 noches de grabaciones simultáneas de un sistema PSG y la banda EEG wearable Bitbrain Ikon Sleep, con los que se alcanzó una coherencia superior al 85% respecto a las etiquetas de los expertos.

El módulo PT4 Sueño ha desarrollado inteligencia artificial para detectar y tratar el deterioro cognitivo leve (DCL) y la demencia, basada en la monitorización y estimulación cerebral durante el sueño, y utilizando la tecnología textil desarrollada en Bitbrain. Mediante los estudios Hogar y Nana, se ha logrado automatizar la detección de fases de sueño, validar herramientas de medición EEG en entornos domésticos y explorar intervenciones de neuroestimulación para mejorar la cognición durante el sueño.