Cross-Dataset Generalization of Quantitative EEG Spectral Biomarkers for Alzheimer’s Disease: A Pre-registered Two-Cohort External Validation and What Does Not Transfer

Resumen Técnico: Generalización entre Conjuntos de Datos de Biomarcadores Espectrales de EEG Cuantitativo para la Enfermedad de Alzheimer

Planteamiento del Problema
La investigación actual de aprendizaje automático sobre biomarcadores de EEG cuantitativo (qEEG) para la Enfermedad de Alzheimer (EA) se basa predominantemente en configuraciones de adquisición única. Aunque estos estudios suelen reportar una alta precisión, con frecuencia no abordan una pregunta fundamental: ¿siguen siendo válidos estos marcadores cuando el equipo de registro o el montaje de los electrodos cambia? La mayoría de los esquemas de validación existentes filtran información de los sujetos (por ejemplo, validación cruzada por época), inflando las métricas de rendimiento. La verdadera validación externa —entrenar un modelo en una configuración de adquisición y probarlo en otra— es poco común en la IA médica (menos del 4% de los estudios). Este estudio aborda la brecha de "generalización de configuración cruzada" identificada en evaluaciones previas, investigando específicamente si las características espectrales derivadas de un conjunto de datos pueden separar de forma robusta a los participantes con EA de los cognitivamente normales (CN) en un conjunto de datos completamente independiente registrado con hardware diferente.

Metodología
El estudio empleó un diseño pre-registrado para asegurar el rigor analítico, fijando el conjunto de características, el modelo, el esquema de validación y los criterios de interpretación antes del análisis de datos.

• Conjuntos de Datos: Se utilizaron dos cohortes independientes, públicas y de estado de reposo (ojos cerrados) de EEG:
  • AHEPA: 65 participantes (36 EA, 29 CN) registrados con un sistema Nihon Kohden 2100 con un montaje de 19 canales 10–20 (referencia Cz).
  • Meghdadi: 81 participantes (26 EA, 55 CN) registrados con un sistema Advanced Brain Monitoring con un montaje de 19 canales 10–20. El conjunto de datos Meghdadi fue filtrado para incluir solo la condición de ojos cerrados y un estrato de control emparejado por edad para minimizar la varianza demográfica.
• Extracción de Características: Se computaron tres características espectrales invariantes de escala para cada uno de los 19 canales comunes, lo que generó 133 características por sujeto:
  1. Relación Theta/Alfa (TAR): La relación entre la potencia de theta (3–7 Hz) y la de alfa (8–13 Hz).
  2. Potencia de Banda Relativa: Potencia normalizada a través de las bandas $\delta$, $\theta$, $\alpha$, $\beta$ y $\gamma$.
  3. Frecuencia Pico de Alfa.
     Nota: Los valores de densidad espectral de potencia (PSD) del conjunto de datos Meghdadi (almacenados en log10) se linealizaron ($10^x$) antes del cálculo de la relación para asegurar la comparabilidad con AHEPA.
• Modelo y Validación:
  • Clasificador: Regresión logística (primario) y SVM lineal (verificación de robustez).
  • Validación Interna: Validación cruzada de dejar un sujeto fuera (Leave-One-Subject-Out, LOSO) dentro de cada conjunto de datos para evitar la fuga de sujetos.
  • Validación Externa: Aprendizaje por transferencia en ambas direcciones (AHEPA $\to$ Meghdadi y Meghdadi $\to$ AHEPA).
  • Control Estadístico: Se realizó una prueba de hipótesis nula de permutación (100 permutaciones para interna, 500 para externa) para verificar que los resultados observados no fueran artefactos del azar o de la fuga de datos. Se calcularon intervalos de confianza de Bootstrap del 95% para todas las estimaciones de AUC.

Resultados Clave
El estudio reveló una asimetría marcada en la generalización entre conjuntos de datos:

1. Validez Interna (Intra-cohorte): Ambos conjuntos de datos separaron con éxito la EA de los CN bajo una estricta validación LOSO.

   • AHEPA: 0.785 de Precisión, 0.802 de AUC.
   • Meghdadi: 0.753 de Precisión, 0.799 de AUC.
   • Las nulidades de permutación confirmaron que estos resultados fueron significativamente superiores al azar (0% de las permutaciones igualaron los valores observados de AHEPA).

2. Validez Externa (Cruzada entre cohortes): El rendimiento fue frágil y altamente dependiente de la dirección.

   • Meghdadi $\to$ AHEPA: El modelo entrenado en Meghdadi logró un 0.728 de AUC moderado en AHEPA, indicando una transferencia exitosa en esta dirección.
   • AHEPA $\to$ Meghdadi: El modelo entrenado en AHEPA colapsó en el conjunto de datos Meghdadi, alcanzando un 0.328 de AUC. Esto es significativamente inferior al azar (el 99.2% de las permutaciones de los modelos nulos arrojaron resultados iguales o mejores), lo que indica que el clasificador estaba clasificando erróneamente a los grupos.

3. Diagnóstico de Fallo:

   • Se descartó que el desequilibrio de clases y los errores de escala fueran las causas primarias.
   • El fallo se atribuyó a un desplazamiento de dominio en la escala absoluta de las características, el cual está ligado a configuraciones específicas de dispositivos y montajes.
   • Ablación de Características: Cuando se probaron las características individuales de forma aislada durante la transferencia entre conjuntos de datos, la Relación Theta/Alfa (TAR) fue la única característica que mantuvo la robustez. Mientras que las potencias de banda absoluta y relativa fallaron en generalizarse (provocando la inversión de las probabilidades de clase en la dirección AHEPA $\to$ Meghdadi), el TAR preservó el ordenamiento correcto de los sujetos (0.516 de AUC en la dirección débil, 0.724 en la fuerte).

Significación y Reivindicaciones
El artículo afirma proporcionar una "declaración medida" sobre los límites de la generalización de los biomarcadores de qEEG, en lugar de un nuevo benchmark de alta precisión. Sus principales contribuciones son:

• Evidencia Empírica de Asimetría: Demuestra que un modelo entrenado en una configuración de adquisición específica puede rendir significativamente peor que el azar al aplicarse a otra, desafiando la suposición de que los marcadores de qEEG son universalmente portables.
• Identificación de Características Robustas: El estudio aísla la Relación Theta/Alfa (TAR) como el marcador más reproducible a través de diferentes configuraciones de adquisición. Debido a que el TAR es una relación invariante de unidades, es menos susceptible a los cambios de escala absoluta causados por diferentes hardware y montajes en comparación con las medidas de potencia absoluta o relativa.
• Rigor Metodológico: Al adherirse a un protocolo pre-registrado con una estricta validación a nivel de sujeto y pruebas de permutación, el estudio ofrece un caso reproducible de validación externa en neurodiagnósticos.
• Recomendación Práctica: Para la investigación que busca desarrollar biomarcadores de EEG independientes del montaje, el autor sugiere favorecer las medidas de ratio o relativas (específicamente el TAR) sobre las características de potencia absoluta para mitigar los desplazamientos de dominio específicos de la adquisición.

El autor establece explícitamente que el "titular" es una no-generalización verificada en una dirección, enmarcando esta observación negativa como un paso honesto y necesario hacia la comprensión de los límites de las herramientas de diagnóstico de qEEG actuales.