Investigación de la dinámica de redes cerebrales durante la terapia de observación de acciones mediante algortimos de detección de comunidades multicapa

Abstract

La Terapia de Observación de la Acción (AOT) ha despertado en los últimos años un gran interés en el ámbito de la neurociencia y la neurorrehabilitación. Esta técnica se fundamenta en la activación del sistema de neuronas espejo, que se activa tanto al ejecutar un movimiento como al observarlo. Gracias a esta propiedad, la AOT permite estimular redes motoras sin necesidad de realizar un movimiento físico, lo que la convierte en una estrategia especialmente relevante en pacientes con limitaciones motoras. La literatura científica ha mostrado que la AOT favorece procesos de aprendizaje motor y plasticidad cerebral, planteándose como una estrategia complementaria a la fisioterapia convencional. Sin embargo, todavía existe una necesidad de comprender con mayor precisión cómo esta terapia modula la conectividad funcional del cerebro, especialmente desde una perspectiva dinámica y con medidas que vayan más allá de los análisis estáticos tradicionales. El presente Trabajo de Fin de Grado tiene como hipótesis que la AOT induce reorganizaciones dinámicas en las redes cerebrales, que pueden observarse a través de cambios en su estructura modular a lo largo del tiempo. Por ello, el objetivo principal es caracterizar estas reorganizaciones mediante registros de electroencefalografía (EEG) de 46 sujetos sanos durante la observación de vídeos de diferentes acciones, analizados con métricas de conectividad y algoritmos de detección de comunidades. El EEG constituye una herramienta idónea debido a su alta resolución temporal, que permite capturar variaciones rápidas en la actividad cerebral, y a su facilidad de aplicación no invasiva. La conectividad funcional se estimó mediante el índice weighted Phase Lag Index (wPLI), una métrica basada en el desfase de fase que reduce la influencia del volumen conductor y resulta adecuada para el análisis de señales EEG. A continuación, se aplicó un enfoque de ventanas deslizantes para construir matrices dinámicas de conectividad a lo largo del tiempo. Estas matrices se analizaron utilizando el algoritmo GenLouvain en un marco multicapa, lo que permitió detectar comunidades funcionales y estudiar su evolución. Se calcularon métricas como el número y la dimensión de las comunidades, la matriz de consenso y el índice Normalized Mutual Information (NMI) para evaluar la estabilidad y reorganización modular. Asimismo, se exploró la influencia de parámetros como el acoplamiento temporal (𝜔�) en la detección de comunidades. Los resultados obtenidos demuestran que la AOT induce reconfiguraciones modulares alrededor del inicio de los estímulos, con diferencias claras entre bandas de frecuencia. En la banda alfa, se observaron reorganizaciones iniciales seguidas de una tendencia a recuperar la estabilidad, lo que sugiere un mecanismo de ajuste funcional tras el estímulo. En la banda beta, en cambio, las redes mostraron una fragmentación más acusada y una dinámica más variable, lo que apunta a un mayor involucramiento de procesos motores y de control cognitivo. Además, se comprobó que la elección del parámetro 𝜔� modula de forma significativa la estabilidad de las comunidades, confirmando la necesidad de una selección cuidadosa para interpretar la dinámica funcional. En conjunto, este trabajo aporta evidencia de que la AOT genera reorganizaciones dinámicas en la conectividad cerebral que pueden captarse mediante EEG. Más allá de los análisis estáticos, el uso de métricas de modularidad multicapa ofrece una aproximación robusta para estudiar la evolución temporal de las redes cerebrales. Estos hallazgos refuerzan la idea de que la AOT no solo activa las áreas motoras, sino que también reorganiza de manera dinámica la arquitectura funcional del cerebro, abriendo nuevas vías para su aplicación clínica en el ámbito de la neurorrehabilitación.