LAS TÉCNICAS DE NEUROIMAGEN EN LA EVALUACIÓN NEUROPSICOLÓGICA: EL QUÉ, EL CÓMO Y EL CUÁNDO

Anna Basora Marimon 40

Los trastornos neuropsicológicos plantean desafíos significativos en el ámbito del diagnóstico, tratamiento y comprensión de los mecanismos subyacentes (Cainelli & Bisiacchi, 2022). La utilización de técnicas avanzadas de neuroimagen ha mejorado considerablemente nuestra capacidad para evaluar y comprender estas condiciones (Camprodon & Stern, 2013). Es importante tener en cuenta que no todas las técnicas son igualmente apropiadas para evaluar todos los trastornos, y las mediciones obtenidas a través de cada una de ellas pueden ser interpretadas de múltiples formas. En este trabajo, se presentarán las técnicas más ampliamente utilizadas en la evaluación, diagnóstico e investigación de los trastornos neuropsicológicos, con el objetivo de proporcionar orientación en la toma de decisiones clínicas y ofrecer una visión más clara sobre la selección adecuada de técnicas.

A continuación, se presentan las técnicas de neuroimagen que permiten medir la actividad cerebral:

La electroencefalografía (EEG) es una técnica no invasiva que mide la actividad eléctrica del cerebro. Esta técnica tiene una buena resolución temporal pero mala resolución espacial, por lo que es adecuada si el objetivo es medir la velocidad en la que el cerebro procesa cierta información (Müller-Putz, 2020). La EEG ha demostrado ser valiosa en la evaluación de diversos procesos cognitivos y en la identificación de patrones anormales de ondas cerebrales asociados con trastornos como la epilepsia, el trastorno por déficit de atención e hiperactividad (TDAH), los trastornos del sueño, entre otros (Noachtar & Rémi, 2009; Slater et al., 2022; Zangani et al., 2020).

La resonancia magnética funcional (fMRI) es una herramienta que mide los cambios en la oxigenación sanguínea para detectar la actividad cerebral. A diferencia de la EEG, esta técnica tiene una pobre resolución temporal pero una alta resolución espacial, lo que la hace idónea para aquellos casos en los que se quiere identificar la localización cerebral de cierta función o alteración cognitiva (Buxton, 2013). En el contexto de los trastornos psicológicos y neuropsicológicos, la fMRI ha contribuido a identificar patrones anormales de conectividad funcional y comprender los mecanismos neurales subyacentes a condiciones como la esquizofrenia, la depresión y el trastorno del espectro autista (TEA) (Dichter, 2022; Gong, et al., 2020; Zhao et al., 2023).

La espectroscopia cercana al infrarrojo funcional (fNIRS) es una técnica de imagen óptica no invasiva que, al igual que la fMRI, mide los cambios en la oxigenación sanguínea para evaluar la actividad cerebral (Noah et al., 2015). La diferencia con la fMRI reside en que la fNIRS no tiene tan buena resolución espacial y es menos profunda, pero puede ser utilizada en población infantil, puede ser transportada con facilidad para la realización de estudios en ambientes naturales y es más económica (Scarapicchia et al., 2017).

40 Neuropsicóloga reconocida por sus estudios en aprendizaje y procesamiento del lenguaje. Licenciada en Psicología por la Universidad de Barcelona, Máster en Neurociencias por la Universidad de Barcelona y Doctorado en Biomedicina por la Universidad Pompeu Fabra. Ha realizado estancias en investigación en la Universidad de Harvard. Profesora de la Universidad de Monterrey, México. anna.basora@udem.edu

Por otro lado, se encuentran las técnicas que miden la estructura cerebral y permiten la identificación de anomalías morfológicas:

La resonancia magnética (MRI) se utiliza ampliamente para la detección de irregularidades morfológicas asociadas a trastornos neuropsicológicos (Balafar et al., 2010). Al generar imágenes detalladas del cerebro, la MRI permite detectar cambios anatómicos y lesiones que ayudan en el diagnóstico de condiciones como la enfermedad de Alzheimer y las lesiones cerebrales traumáticas (Asken et al., 2021; Folego et al, 2020). Además, técnicas de MRI como la morfometría basada en voxel (VBM) y el análisis del grosor cortical proporciona medidas cuantitativas de alteraciones estructurales (Serra-Blasco et al., 2021).

La imagen de tensor de difusión (DTI) es una técnica basada en la MRI que mide la difusión de las moléculas de agua en el tejido cerebral, lo que proporciona información sobre la microestructura de la materia blanca del cerebro (Agarwal et al., 2023). DTI ha sido fundamental en la investigación de alteraciones en la conectividad y la integridad de la materia blanca en diversos trastornos neuropsicológicos (Kocevar, 2019; Zhou et al., 2023). Al examinar la integridad de los tractos de materia blanca, DTI puede ayudar a identificar las vías neurales afectadas por la patología.

Para finalizar se presenta la técnica de seguimiento de movimientos oculares (SMO), la cual no se considera de neuroimagen pero ha resultado ser de mucha utilidad para el estudio de las funciones cognitivas, especialmente en población infantil. El SMO o Eye tracking es una técnica que registra y analiza los movimientos oculares, específicamente mide el rastreo ocular, el tiempo de fijación y la dilatación pupilar (Carter & Luke, 2020). Ha demostrado ser valiosa en el estudio del lenguaje en infantes prelingüísticos (de 0 a 2 años) así como en la evaluación del déficit de atención y deterioro en la cognición social en trastornos como el TDAH y el TEA (Aryadoust & Ang, 2021; Bacon et al., 2020; Lev et al., 2021).

En conclusión, la integración de técnicas avanzadas como el EEG, fMRI, fNIRS, MRI, DTI y SMO ha revolucionado la evaluación y comprensión del funcionamiento cerebral y los trastornos neuropsicológicos (Walsh et al., 2021). Estas técnicas brindan información valiosa sobre los mecanismos neurales subyacentes, ayudan en el diagnóstico y facilitan el desarrollo de intervenciones dirigidas. El avance continuo de estas tecnologías junto con el avance de la inteligencia artificial, realidad virtual y realidad aumentada promete revolucionar el campo de la neuropsicología.

Referencias

Agarwal, S., Al Khalifah, H., Zaca, D., & Pillai, J. J. (2023). fMRI and DTI: Review of complementary techniques. Functional Neuroradiology: Principles and Clinical Applications, 1025-1060.

Aryadoust, V., & Ang, B. H. (2021). Exploring the frontiers of eye tracking research in language studies: a novel co-citation scientometric review. Computer Assisted Language Learning, 34(7), 898-933.

Asken, B. M., & Rabinovici, G. D. (2021). Identifying degenerative effects of repetitive head trauma with neuroimaging: A clinically-oriented review. Acta neuropathologica communications, 9(1), 1-17.

Bacon, E. C., Moore, A., Lee, Q., Carter Barnes, C., Courchesne, E., & Pierce, K. (2020). Identifying prognostic markers in autism spectrum disorder using eye tracking. Autism, 24(3), 658-669.

Balafar, M. A., Ramli, A. R., Saripan, M. I., & Mashohor, S. (2010). Review of brain MRI image segmentation methods. Artificial Intelligence Review, 33, 261-274.

Buxton, R. B. (2013). The physics of functional magnetic resonance imaging (fMRI). Reports on Progress in Physics, 76(9), 096601.

Cainelli, E., & Bisiacchi, P. (2022). Neurodevelopmental disorders: Past, present, and future. Children, 10(1), 31.

Camprodon, J. A., & Stern, T. A. (2013). Selecting neuroimaging techniques: a review for the clinician. The primary care companion for CNS disorders, 15(4), 26837.

Carter, B. T., & Luke, S. G. (2020). Best practices in eye tracking research. International Journal of Psychophysiology, 155, 49-62.

Dichter, G. S. (2022). Functional magnetic resonance imaging of autism spectrum disorders. Dialogues in Clinical Neuroscience, 14(3), 319–351. https://doi.org/10.31887/DCNS.2012.14.3/gdichter

Folego, G., Weiler, M., Casseb, R. F., Pires, R., & Rocha, A. (2020). Alzheimer's disease detection through whole-brain 3D-CNN MRI. Frontiers in Bioengineering and Biotechnology, 8, 534592.

Gong, J., Wang, J., Luo, X., Chen, G., Huang, H., Huang, R. Huang, L., & Wang, Y. (2020). Abnormalities of intrinsic regional brain activity in first-episode and chronic schizophrenia: a meta-analysis of resting-state functional MRI. Journal of Psychiatry and Neuroscience, 45(1), 55-68.

Kocevar, G., Suprano, I., Stamile, C., Hannoun, S., Fourneret, P., Revol, O., Nusbaum, F., & Sappey-Marinier, D. (2019). Brain structural connectivity correlates with fluid intelligence in children: A DTI graph analysis. Intelligence, 72, 67-75.

Lev, A., Braw, Y., Elbaum, T., Wagner, M., & Rassovsky, Y. (2022). Eye tracking during a continuous performance test: Utility for assessing ADHD patients. Journal of Attention Disorders, 26(2), 245-255.

Müller-Putz, G. R. (2020). Electroencephalography. Handbook of Clinical Neurology, 168, 249-262.

Noachtar, S., & Rémi, J. (2009). The role of EEG in epilepsy: a critical review. Epilepsy & Behavior, 15(1), 22-33.

Noah, J. A., Ono, Y., Nomoto, Y., Shimada, S., Tachibana, A., Zhang, X., ... & Hirsch, J. (2015). fMRI validation of fNIRS measurements during a naturalistic task. JoVE Journal of Visualized Experiments, (100), e52116.

Scarapicchia, V., Brown, C., Mayo, C., & Gawryluk, J. R. (2017). Functional magnetic resonance imaging and functional near-infrared spectroscopy: insights from combined recording studies. Frontiers in Human Neuroscience, 11, 419.

Serra-Blasco, M., Radua, J., Soriano-Mas, C., Gómez-Benlloch, A., Porta-Casteràs, D., Carulla-Roig, M., Albajes-Eizagirre, A., Arnone, D., Klauser, P., Canales-Rodríguez, E. J., Hilbert, K., Wise, T., Cheng, Y., Kandilarova, S., Mataix-Cols, D., Vieta, E., Via, E., & Cardoner, N. (2021). Structural brain correlates in major depression, anxiety disorders and post-traumatic stress disorder: A voxel-based morphometry meta-analysis. Neuroscience & Biobehavioral Reviews, 129, 269-281.

Slater, J., Joober, R., Koborsy, B. L., Mitchell, S., Sahlas, E., & Palmer, C. (2022). Can electroencephalography (EEG) identify ADHD subtypes? A systematic review. Neuroscience & Biobehavioral Reviews, 104752.