🧬 biología

All Roads Lead to Rome: Resting-State Criticality as a Neurophysiological Marker of Brain-Computer Interface (BCI) Performance in People with Amyotrophic Lateral Sclerosis (ALS) and Healthy Participants

Este estudio propone el marco B-ARC, demostrando que los marcadores de EEG en estado de reposo de la criticidad cerebral —específicamente la dinámica de avalanchas neuronales, la pendiente espectral y la complejidad de Lempel-Ziv— se correlacionan con el desempeño posterior en BCI en personas con ELA y participantes sanos, lo que sugiere que la aptitud para BCI se maximiza cuando la actividad cerebral se aproxima a un óptimo crítico desde un régimen subcrítico (sano) o supercrítico (ELA).

Autores originales: Tomko Settgast, Oren Shriki, Georg Northoff, Federico Zilio, Seyyed Bahram Borgheai, Yalda Shahriari, Andrea Kübler

Publicado 2026-09-29

📖 6 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Tomko Settgast, Oren Shriki, Georg Northoff, Federico Zilio, Seyyed Bahram Borgheai, Yalda Shahriari, Andrea Kübler

Artículo original bajo licencia CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ⚕️ Esta es una explicación generada por IA de un preprint que no ha sido revisado por pares. No es consejo médico. No tome decisiones de salud basándose en este contenido. Leer descargo de responsabilidad completo

El cerebro humano es una vasta red de miles de millones de células, que se activan y comunican constantemente para crear nuestros pensamientos, movimientos y conciencia. Durante décadas, los científicos se han preguntado si existe un "punto ideal" específico donde esta actividad eléctrica opera con mayor eficiencia. Esta idea, conocida como la hipótesis del cerebro crítico, sugiere que el cerebro funciona mejor cuando equilibra dos extremos: un estado de orden rígido, donde la actividad es demasiado predecible y lenta, y un estado de caos aleatorio, donde las señales son demasiado salvajes para formar pensamientos coherentes. En este punto medio crítico, se cree que el cerebro es más sensible a la nueva información y capaz del procesamiento más complejo. Este equilibrio no es solo una curiosidad teórica; puede ser la clave para comprender cómo funciona la conciencia y cómo podemos comunicarnos con personas que han perdido la capacidad de moverse o hablar.

Para las personas con esclerosis lateral amiotrófica, o ELA, una enfermedad progresiva que destruye las neuronas motoras, el cuerpo se apaga gradualmente. En los casos más graves, una persona puede entrar en un estado llamado síndrome de cautiverio completo, donde está totalmente despierta y consciente, pero no puede mover ni un solo músculo, ni siquiera los ojos. Para estos individuos, las interfaces cerebro-computadora ofrecen un salvavidas. Estos dispositivos leen las señales eléctricas del cuero cabelludo y las traducen en comandos, permitiendo que una persona escriba o seleccione letras sin moverse. Sin embargo, esta tecnología suele fallar. A veces la persona simplemente está demasiado cansada, o quizás su cerebro no está en el estado adecuado para enviar señales claras. Los investigadores han sospechado durante mucho tiempo que el ritmo interno del cerebro fluctúa, creando breves "ventanas de conciencia" donde la comunicación es posible, pero carecían de una forma fiable de detectar estos momentos antes de intentar la comunicación.

Un nuevo estudio se propuso encontrar una manera de predecir cuándo una persona con ELA sería capaz de usar una interfaz cerebro-computadora con éxito. Los investigadores, trabajando con dos grupos de personas —un grupo de adultos sanos y otro de personas con ELA que estaban parcial o completamente en estado de cautiverio— midieron la actividad cerebral en reposo antes de pedirles que usaran el dispositivo. No buscaron pensamientos o comandos específicos. En su lugar, examinaron el ruido eléctrico espontáneo y bruto del cerebro para ver si seguía los patrones de ese "punto ideal" teórico entre el orden y el caos. Analizaron cómo se propagaban las señales eléctricas por el cerebro, qué tan complejos eran los patrones y cómo se distribuía la energía de las señales a través de diferentes velocidades.

Los resultados revelaron una diferencia sorprendente entre los dos grupos, pero ambos apuntaban al mismo destino. Para los participantes sanos, un mejor desempeño en la interfaz cerebro-computadora estaba vinculado a una actividad cerebral que se movía hacia ese punto medio crítico desde un estado de relativa estabilidad. Sus cerebros estaban ligeramente más ordenados que el punto ideal, y a medida que se desplazaban hacia el centro, su capacidad para controlar el dispositivo mejoraba. Sin embargo, las personas con ELA mostraron el patrón exactamente opuesto. Su actividad cerebral en reposo parecía estar en un estado de ligera sobreexcitación, una condición donde las señales son demasiado activas y caóticas. Para ellos, un mejor desempeño ocurría cuando su actividad cerebral se alejaba de ese estado caótico y regresaba hacia el punto medio crítico.

Este hallazgo sugiere que la capacidad del cerebro para interactuar con la tecnología depende de qué tan cerca esté de ese punto óptimo de criticidad, independientemente de de qué lado de la línea comience. Los investigadores proponen un marco de trabajo donde ambos grupos están tratando de alcanzar el mismo pico de rendimiento, pero se acercan desde direcciones opuestas. Los participantes sanos están escalando desde un lado estable y ordenado, mientras que las personas con ELA están descendiendo desde un lado hiperactivo y caótico. Cuando el cerebro está demasiado lejos de este centro, la comunicación falla. Cuando está cerca del centro, tiene éxito.

El estudio también analizó la naturaleza específica de las señales cerebrales. En las personas con ELA, los investigadores encontraron que la actividad eléctrica del cerebro tendía a ser más caótica y menos organizada que en las personas sanas, un signo de la hiperexcitabilidad que se observa con frecuencia en la enfermedad. Cuando la actividad cerebral de estos pacientes se volvía ligeramente más organizada y menos caótica, su desempeño en la tarea de deletreo mejoraba. Por el contrario, los participantes sanos desempeñaban mejor cuando su actividad cerebral se volvía ligeramente menos organizada y más compleja. Esta relación invertida confirma que los dos grupos partían de líneas de base fisiológicas diferentes. Las personas con ELA no eran simplemente "peores" en la tarea; sus cerebros operaban bajo condiciones diferentes que requerían un tipo de ajuste distinto para alcanzar el mismo nivel de control.

Es importante destacar que los investigadores no encontraron un único número mágico que garantizara el éxito. En su lugar, encontraron patrones consistentes a través de múltiples sesiones y diferentes individuos. El estudio involucró a un número pequeño de participantes, por lo que los hallazgos aún no son una regla definitiva para cada persona con ELA. Sin embargo, la consistencia de los resultados en dos grupos distintos de personas sugiere que la relación es real. Los datos indican que el estado del cerebro en reposo es un predictor poderoso de qué tan bien una persona podrá usar una interfaz cerebro-computadora más tarde.

Este descubrimiento ofrece una nueva herramienta potencial para médicos e investigadores. En lugar de adivinar cuándo una persona en estado de cautiverio podría ser capaz de comunicarse, podrían potencialmente monitorear la actividad cerebral en reposo para identificar esas fugaces ventanas de oportunidad. Si el cerebro se desplaza hacia el extremo caótico, podría ser una señal para esperar. Si se mueve hacia el centro, podría ser el momento adecuado para intentarlo. El estudio aún no proporciona una cura o un método garantizado para restaurar la comunicación, pero proporciona un mapa más claro del paisaje cerebral. Muestra que el camino hacia la comunicación no es una línea recta para todos; para algunos, requiere calmar una tormenta, y para otros, requiere agitar la olla. En ambos casos, el objetivo es el mismo: encontrar el equilibrio donde la mente está más lista para hablar.

Resumen Técnico: La criticidad en estado de reposo como marcador neurofisiológico del rendimiento de la BCI en participantes con ELA y sanos

Planteamiento del problema
Las interfaces cerebro-computadora (BCI) ofrecen una vía de comunicación potencial para personas con Esclerosis Lateral Amiotrófica (ELA), particularmente aquellas en el Estado de Bloqueo Completo (CLIS) que han perdido todo control motor voluntario. Sin embargo, el uso exitoso a largo plazo de las BCI no invasivas basadas en EEG sigue siendo raro e inconsistente. Investigaciones previas sugieren que las fluctuaciones en el estado de conciencia, denominadas "Ventanas de Conciencia" (WoC), pueden explicar estos fallos. Si bien se ha utilizado el EEG en estado de reposo para predecir el rendimiento de la BCI, estudios anteriores se han centrado mayoritariamente en participantes sanos o en diferencias de rasgos específicos, arrojando a menudo resultados contradictorios cuando se aplican a poblaciones con ELA. Específicamente, el trabajo previo de Settgast et al. (2023) y Settgast y Kübler (2024) reveló una discrepancia sorprendente: en una sola persona en estado de bloqueo (pLIS-ALS), pendientes espectrales más pronunciadas y una menor complejidad se correlacionaban con un mejor rendimiento de la BCI, mientras que los participantes sanos mostraban el patrón inverso (pendientes más planas y mayor complejidad correlacionadas con un mejor rendimiento). El problema central abordado por este estudio es reconciliar estos patrones opuestos y determinar si los marcadores neurofisiológicos de la "criticidad" cerebral en estado de reposo pueden servir como predictores fiables de la aptitud para la BCI en personas con ELA (pALS) y participantes sanos.

Metodología
Este estudio exploratorio analizó dos conjuntos de datos independientes utilizando un marco basado en la Hipótesis del Cerebro Crítico, la cual postula que el cerebro opera cerca de un punto de transición crítica entre el orden y el desorden para un procesamiento de información óptimo.

Conjuntos de datos:
- Dataset 1: Un estudio de caso longitudinal de un varón pLIS-ALS (55 años al inicio, diagnosticado en 2010, en LIS desde 2015) utilizando una BCI basada en tacto P300. El análisis incluyó 10 sesiones de 1–2 minutos de registros de EEG en estado de reposo con ojos abiertos (12 canales) tomados antes del uso de la BCI.
- Dataset 2: Datos longitudinales de 5 personas con ELA (pALS) y sesiones únicas de 6 participantes sanos. Estos participantes se sometieron a una tarea de deletreo por copia mediante BCI visual P300. Se registró EEG en estado de reposo (16 canales, 5 minutos, ojos abiertos) antes de la tarea.
Marcadores neurofisiológicos: El estudio extrajo un conjunto exhaustivo de marcadores de criticidad del EEG en estado de reposo, incluyendo:
- Dinámica de avalanchas neuronales: Parámetro de ramificación ( $\sigma$ ), y exponentes de la ley de potencia para el tamaño de la avalancha ( $\alpha$ ) y la duración ( $\tau$ ).
- Criticidad multiescala: Pendientes e interceptos de $\sigma$ y $\alpha$ a través de diversas escalas temporales.
- Propiedades espectrales: Exponente de la ley de potencia (PLE), exponente de la pendiente espectral (spSlopeExp) derivado mediante FOOOF, y el desfase de la pendiente espectral.
- Complejidad: Complejidad de Lempel-Ziv (LZC) y su coeficiente de variación (CV).
- Potencia Delta: Potencia absoluta y relativa en la banda de frecuencia delta (1–4 Hz) como una aproximación al ralentizamiento crítico.
Análisis estadístico: Dada la pequeña muestra y la naturaleza exploratoria, los autores priorizaron los tamaños del efecto y los intervalos de confianza sobre los valores p. Se utilizaron correlaciones de rango de Spearman no paramétricas para las asociaciones a nivel de sujeto único y de grupo. Se emplearon correlaciones de medidas repetidas (rmCorr) para el grupo pALS del Dataset 2 para tener en cuenta la variabilidad intra-sujeto. Las diferencias de grupo se evaluaron mediante pruebas de Wilcoxon rank-sum. No se aplicaron correcciones para pruebas múltiples.

Resultados clave
El estudio identificó relaciones consistentes, aunque invertidas, entre los marcadores de criticidad en estado de reposo y el subsiguiente rendimiento de la BCI a través de las dos poblaciones:

Personas con ELA (pALS): Tanto en el caso único de pLIS-ALS (Dataset 1) como en el grupo pALS (Dataset 2), un mejor rendimiento de la BCI se asoció con:
- Pendientes espectrales más pronunciadas (valores absolutos más altos de PLE y spSlopeExp).
- Menor complejidad de Lempel-Ziv (LZC).
- Exponentes de distribución de tamaño de avalancha más negativos ( $\alpha$ ), lo que indica una menor probabilidad de grandes avalanchas neuronales.
- Mayor potencia delta absoluta y relativa.
- Parámetros de ramificación ( $\sigma$ ) más bajos.
  Esencialmente, el rendimiento mejoraba a medida que la dinámica en estado de reposo parecía alejarse de un régimen supercrítico (caracterizado por alta complejidad y pendientes planas) hacia un estado crítico.
Participantes sanos: En contraste, los participantes sanos en el Dataset 2 mostraron un patrón invertido:
- Un mejor rendimiento de la BCI se asoció con distribuciones de tamaño de avalancha más planas ( $\alpha$ menos negativo) y distribuciones de duración ( $\tau$ ) más planas.
- El rendimiento se correlacionó con una menor variabilidad en la LZC.
  Esto sugiere que los participantes sanos se aproximaban al óptimo crítico desde un régimen subcrítico, donde el aumento de la complejidad y las pendientes más planas (moviéndose hacia la criticidad) mejoraban el rendimiento.
Comparaciones de grupo: Aunque las comparaciones estadísticas directas entre los controles sanos y los pALS no alcanzaron la significación (probablemente debido al limitado poder estadístico), los análisis de tamaño del efecto indicaron tendencias consistentes con la hipótesis: los pALS exhibían parámetros de ramificación ( $\sigma$ ) más altos y pendientes espectrales más planas en comparación con los participantes sanos, lo que sugiere un estado basal de supercriticidad (hiperexcitabilidad cortical).

Contribuciones clave

Replicación y extensión: El estudio replicó con éxito los hallazgos de Settgast et al. (2023) en una cohorte independiente más amplia de pALS y extendió el análisis para incluir a participantes sanos, confirmando que la relación entre la criticidad en estado de reposo y el rendimiento de la BCI es robusta pero dependiente de la población.
Métricas de criticidad integrales: A diferencia de estudios previos centrados en una sola métrica, este trabajo integró la dinámica de avalanchas neuronales, la criticidad multiescala, la pendiente espectral y la complejidad para proporcionar una visión multifacética de la criticidad cerebral en el contexto de la BCI.
El marco B-ARC: Los autores proponen el marco B-ARC (BCI-Aptitude through Resting-State Criticality). Este modelo postula una relación en forma de U invertida entre la proximidad a la criticidad y el rendimiento de la BCI. Sugiere que tanto los pALS como los participantes sanos funcionan mejor cuando su actividad cerebral en estado de reposo está cerca del punto crítico, pero se aproximan a este óptimo desde direcciones opuestas: los participantes sanos desde un régimen subcrítico y los pALS desde un régimen presuntamente supercrítico.

Significado y afirmaciones
El artículo afirma proporcionar la primera evidencia de correlaciones consistentes entre la dinámica cerebral en estado de reposo (cuantificada mediante marcadores de criticidad) y el subsiguiente rendimiento de la BCI específicamente en personas con ELA a través de múltiples conjuntos de datos. Los autores argumentan que estos hallazgos respaldan la hipótesis de que los pALS exhiben una dinámica cerebral ligeramente supercrítica, probablemente debido a la hiperexcitabilidad cortical y la pérdida de regulación inhibitoria características de la enfermedad.

La importancia del marco B-ARC radica en su potencial para:

Predecir la aptitud para la BCI: Ofrecer predictores en estado de reposo para identificar qué individuos o sesiones es probable que generen una comunicación exitosa mediante BCI.
Detectar Ventanas de Conciencia (WoC): Proporcionar una base neurofisiológica para identificar las WoC en CLIS, donde la proximidad de la brain a la criticidad puede fluctuar.
Reconciliar datos contradictorios: Explicar las correlaciones previamente observadas y contradictorias entre los marcadores de criticidad y el rendimiento de la BCI en poblaciones sanas vs. ALS, enmarcando esto como movimientos hacia un óptimo crítico común desde diferentes estados basales.

Los autores mantienen la modestia respecto a sus afirmaciones, reconociendo los pequeños tamaños de muestra, la falta de significación estadística en las comparaciones de grupo y la necesidad de futuras replicaciones. Enfatizan que, si bien los hallazgos sugieren un mecanismo para el éxito de la BCI, aún no constituyen una herramienta de diagnóstico clínico, sino un paso fundamental hacia la comprensión de los prerrequisitos neurofisiológicos para la comunicación mediante BCI en casos de deterioro motor severo.

Más como este