sEEGnal: an automated EEG preprocessing pipeline evaluated against expert-driven preprocessing

O artigo apresenta o sEEGnal, um pipeline de pré-processamento de EEG totalmente automatizado e modular que, ao ser avaliado contra a abordagem de especialistas, demonstrou desempenho comparável, maior consistência e estabilidade, oferecendo uma solução escalável e baseada em BIDS para pesquisas e aplicações em larga escala.

O essencial

Imagine que o cérebro humano é como uma orquestra gigante tocando uma sinfonia complexa. Os cientistas usam um equipamento chamado EEG (eletroencefalograma) para "ouvir" essa música. Eles colocam vários microfones (eletrodos) no couro cabeludo para captar cada nota.

O problema é que, na vida real, a gravação nunca fica perfeita. Às vezes, um músico tossiu (piscar de olhos), o microfone caiu (movimento do corpo), ou alguém bateu na mesa (ruído elétrico). Essas interferências são chamadas de artefatos.

Antes de poder estudar a música do cérebro, os cientistas precisam limpar a gravação, removendo esses ruídos. Até agora, fazer isso era como ter um editor de áudio humano trabalhando manualmente em cada gravação. Era lento, cansativo e dependia do humor do editor: um podia ser mais rigoroso, outro mais relaxado.

É aqui que entra o sEEGnal.

O que é o sEEGnal?

O sEEGnal é um robô editor de áudio totalmente automático. Os autores criaram um programa de computador inteligente que faz o trabalho de limpeza dos dados do cérebro sozinho, sem precisar de um humano apertando botões o dia todo.

Pense nele como um filtro de café superinteligente:

1. Padronização: Ele organiza os grãos de café (os dados) em uma embalagem perfeita (padrão BIDS), para que qualquer pessoa no mundo saiba exatamente o que tem dentro.
2. Detecção de "Grãos Podres": Ele identifica quais microfones (eletrodos) estão estragados ou mal colocados e os ignora, assim como você tiraria um grão de café queimado antes de moer.
3. Limpeza de Ruído: Ele usa uma técnica avançada (chamada ICA) para separar a música do cérebro do barulho da rua. Ele sabe a diferença entre um "piscar de olho" (ruído) e uma "onda cerebral" (música) e remove apenas o que é ruído.

Como eles testaram se o robô era bom?

Os cientistas não confiaram apenas na palavra do robô. Eles fizeram um desafio de chefes:

• Pegaram gravações reais de cérebros humanos.
• Deixaram um time de especialistas humanos (os "chefes" da área) limpar os dados manualmente.
• Deixaram o sEEGnal (o robô) limpar os mesmos dados.
• Depois, compararam os resultados.

O veredito? O robô foi tão bom quanto os humanos.

• Qualidade: A música final (os dados limpos) soava quase idêntica, seja limpa pelo robô ou pelo humano.
• Consistência: O robô nunca fica cansado, nunca tem um "dia ruim" e nunca esquece de checar algo. Enquanto os humanos variavam um pouco no que limpavam, o robô era sempre perfeito e consistente.
• Velocidade e Memória: O robô foi mais eficiente, gastando menos energia do computador e sendo mais rápido em grandes quantidades de dados.

Por que isso é importante?

Imagine que você quer estudar a música do cérebro de milhares de pessoas para entender doenças como Alzheimer ou ansiedade.

• Sem o robô: Você precisaria de uma equipe gigante de especialistas trabalhando por anos para limpar todos os dados. Seria caro e lento.
• Com o sEEGnal: Você pode processar milhares de gravações em pouco tempo, com a mesma qualidade de um especialista, e de forma gratuita (o código é aberto para todos).

Em resumo

O sEEGnal é como ter um assistente pessoal infalível para os cientistas do cérebro. Ele não substitui o conhecimento humano, mas libera os especialistas para focarem no que realmente importa: entender a música do cérebro, enquanto o robô cuida da limpeza pesada. É um passo gigante para tornar a pesquisa médica mais rápida, barata e confiável para todos.

Resumo técnico

1. Problema e Contexto

A pré-processamento de Eletroencefalografia (EEG) é uma etapa crítica, mas demorada, que frequentemente depende de pipelines semi-automáticos supervisionados por especialistas humanos. Essa abordagem apresenta desafios significativos para a análise de grandes conjuntos de dados:

• Escalabilidade: O processo manual é proibitivamente demorado para grandes volumes de dados.
• Reprodutibilidade: Os resultados variam dependendo do especialista que realiza a análise (viés inter-observador).
• Barreira Técnica: A dependência de frameworks de programação (principalmente MATLAB e Python) limita o uso a pesquisadores com habilidades de codificação.
• Falta de Padronização: Muitas soluções automatizadas existentes priorizam ou a padronização ou a detecção de artefatos, mas raramente integram ambas em um único framework interpretável.

O objetivo do trabalho é desenvolver e validar uma solução totalmente automatizada que seja comparável à qualidade de um especialista humano, garantindo consistência e eficiência computacional.

2. Metodologia: O Pipeline sEEGnal

O sEEGnal é um pipeline modular, de código aberto (Python 3.12.10, baseado no MNE-Python), projetado para ser totalmente automatizado e configurável via arquivos JSON. Ele é composto por três módulos principais:

A. Padronização (Standardisation)

• Baseado na extensão EEG do padrão BIDS (Brain Imaging Data Structure).
• Garante que os dados sejam estruturados, interoperáveis e reprodutíveis, facilitando o compartilhamento e a análise em estudos multicêntricos.

B. Detecção de Canais Ruins (Bad Channel Detection)

Identifica eletrodos com sinais não confiáveis devido a problemas técnicos (não fisiológicos). Utiliza critérios baseados em:

• Alta Impedância: Limiar configurável (padrão: 200 kΩ).
• Amplitude Impossível: Desvio padrão fora de limites fisiológicos (1 µV a 500 µV).
• Espectro de Potência: Detecção de anomalias na faixa de 45-55 Hz (ruído de rede).
• Pontes de Gel (Gel Bridges): Identifica pares de canais adjacentes (< 5 cm) com correlação > 0,999 (sinal idêntico devido a contato elétrico indesejado).
• Alta Variância de Amplitude: Canais com desvio padrão 10 vezes maior que a média.
• Fluxo: Os dados passam por um pré-processamento mínimo (filtro, downsampling, notch) e decomposição em Componentes Independentes (ICs) via algoritmo SOBI e classificação com ICLabel antes da aplicação dos critérios.

C. Detecção de Artefatos (Artifact Detection)

Identifica e marca a duração de artefatos (início e fim) em quatro categorias:

1. Relacionados aos Olhos (EOG): Detecção de piscadas e movimentos oculares (1-5 Hz) comparando canais frontais com canais de "fundo".
2. Relacionados a Músculos (EMG): Reconstrução de séries temporais a partir de ICs classificados como "músculo" pelo ICLabel, filtrando frequências altas (110-145 Hz).
3. Relacionados a Sensores (Saltos/Impedância): Detecção de mudanças abruptas de amplitude (0,5-5 Hz) que indicam instabilidade mecânica ou elétrica.
4. Outros: Transientes de alta amplitude (> 500 µV) incompatíveis com processos neurofisiológicos.

• Estratégia de Duas Etapas: O pipeline executa uma primeira detecção de artefatos de músculo e sensor (que podem dominar a decomposição ICA), remove esses segmentos, recalcula os ICs e, em seguida, executa a detecção completa incluindo artefatos oculares.

3. Avaliação e Experimentos

O desempenho do sEEGnal foi comparado ao pré-processamento manual realizado por especialistas em EEG em dois níveis:

1. Metadados de Pré-processamento: Tempo de execução, uso de memória, número de canais ruins, duração dos artefatos e componentes rejeitados.
2. Medidas Derivadas do EEG: Espectro de Potência (densidade espectral) e Conectividade Funcional (Valor de Travamento de Fase - PLV).

Conjuntos de Dados Utilizados:

• LEMON: Dados públicos (20 sujeitos, 100 gravações, olhos abertos/fechados).
• AI-Mind: Dados privados (20 sujeitos, 20 gravações, população com comprometimento cognitivo leve).
• Test-Retest: Subconjunto do AI-Mind (20 sujeitos, 4 gravações por sujeito na mesma sessão) para avaliar a consistência intra-sessão.

4. Resultados Principais

Metadados e Eficiência

• Tempo e Memória: O sEEGnal demonstrou tempos de processamento comparáveis aos especialistas, mas com menor variabilidade (desvio padrão menor) e menor consumo de memória.
• Detecção de Canais e Artefatos: Não houve diferença estatisticamente significativa no número de canais ruins ou artefatos detectados entre o sEEGnal e os especialistas.
• Padrão Espacial: A distribuição espacial dos canais ruins identificados pelo sEEGnal (predominantemente frontais e temporais) foi consistente com a dos especialistas.
• Tipos de Artefatos: Houve diferenças na classificação: o sEEGnal identificou proporcionalmente mais artefatos oculares e musculares, enquanto os especialistas classificaram mais "saltos eletrônicos" e "outros".

Medidas Neurofisiológicas

• Espectro de Potência: O sEEGnal produziu espectros altamente semelhantes aos dos especialistas. A diferença normalizada (NRMSE) foi inferior a 8% em todos os dados analisados. As maiores discrepâncias ocorreram na banda Delta (canais frontais) e Gamma.
• Conectividade Funcional (PLV): Houve boa concordância geral, embora com maiores desvios que no espectro de potência (NRMSE < 17%), o que é esperado dado que a conectividade é mais sensível a decisões de pré-processamento. As maiores diferenças foram observadas na banda Delta e Gamma em canais frontais.
• Consistência (Test-Retest): O pipeline demonstrou alta estabilidade em gravações repetidas na mesma sessão, com NRMSE < 4,5% para potência e < 9% para conectividade, superando a variabilidade humana.

5. Contribuições e Significância

• Automação Robusta: O sEEGnal oferece uma alternativa viável e totalmente automatizada ao pré-processamento manual, eliminando a fadiga e o viés humano.
• Validação Multi-nível: É um dos primeiros estudos a validar um pipeline automatizado não apenas por metadados, mas também preservando medidas neurofisiológicas downstream (potência e conectividade).
• Reprodutibilidade e Padronização: A adoção do padrão BIDS e a natureza de código aberto facilitam a colaboração científica e a reprodutibilidade em larga escala.
• Generalização: O pipeline foi testado com sucesso em dados de diferentes fabricantes (Brain Products e ANT Neuro), taxas de amostragem e configurações de cap, indicando forte capacidade de generalização.
• Acesso: Sendo de código aberto, democratiza o acesso a pipelines de alta qualidade para pesquisadores sem profundo conhecimento de programação.

Conclusão

O estudo conclui que o sEEGnal é uma solução robusta, escalável e reprodutível para o pré-processamento de EEG. Ele atinge um desempenho comparável ao de especialistas humanos, preservando a integridade das medidas neurofisiológicas chave, enquanto oferece maior consistência e eficiência computacional, sendo ideal para estudos de grande escala e aplicações clínicas futuras.