¿Qué información contiene una señal?
Explorar cómo una medición fisiológica puede transformarse desde una señal aparentemente compleja en variables interpretables.
01
Visión general
Este proyecto reúne pequeños experimentos orientados a explorar cómo pueden utilizarse los datos para comprender mejor diferentes aspectos de la salud cerebral.
El objetivo no es construir inicialmente grandes modelos predictivos, sino desarrollar una comprensión progresiva de los datos: cómo se obtienen, cómo se representan, qué información contienen y cuáles son sus limitaciones.
A medida que avance mi formación en Ingeniería Biomédica, el proyecto incorporará técnicas más complejas de análisis de señales, estadística, programación y modelado computacional.
02
Motivación
La práctica neuropsicológica genera continuamente información: puntuaciones cognitivas, observaciones clínicas, evolución longitudinal y datos sobre funcionamiento cotidiano.
La Ingeniería Biomédica amplía este espacio incorporando otras fuentes de información, como señales fisiológicas, sensores, neuroimagen y datos digitales.
Me interesa especialmente comprender cómo pueden relacionarse estas diferentes fuentes de datos sin perder el contexto clínico que permite interpretarlas.
03
Preguntas
¿Cómo cambia una variable con el tiempo?
Analizar datos longitudinales y representar trayectorias individuales de cambio.
¿Cómo representamos múltiples dimensiones?
Investigar formas de visualizar simultáneamente información cognitiva, funcional, fisiológica y contextual.
¿Cuándo un patrón es realmente significativo?
Diferenciar asociaciones visualmente atractivas de patrones que cuentan con suficiente respaldo estadístico y científico.
04
Tipos de datos
Datos cognitivos
Puntuaciones, tiempos de respuesta, errores y otras variables procedentes de tareas cognitivas y neuropsicológicas.
Señales fisiológicas
Datos procedentes de ECG, EEG, EMG, frecuencia cardíaca y otros sistemas de adquisición biomédica.
Datos longitudinales
Mediciones repetidas que permiten observar cambios a lo largo del tiempo y estudiar trayectorias individuales.
Neuroimagen
Exploración futura de datasets de imagen cerebral y de las herramientas necesarias para procesarlos y visualizarlos.
Datos funcionales
Información relacionada con actividad cotidiana, autonomía y funcionamiento en contextos reales.
05
Métodos
Los métodos utilizados evolucionarán junto con mi formación técnica.
Python
Programación orientada al análisis científico, procesamiento de datos y automatización de pequeños experimentos.
Estadística
Análisis descriptivo e inferencial para comprender distribuciones, asociaciones, variabilidad e incertidumbre.
Visualización de datos
Representaciones diseñadas para facilitar la comprensión de patrones sin ocultar variabilidad o incertidumbre.
Procesamiento de señales
Exploración progresiva de filtrado, transformación, extracción de características y análisis de señales biomédicas.
Modelado
Desarrollo gradual de modelos matemáticos y computacionales aplicados a problemas relacionados con la salud cerebral.
06
Experimentos
Esta sección crecerá progresivamente con pequeños proyectos reproducibles.
Planificado
Visualización de cambio cognitivo
Desarrollo de representaciones para mostrar la evolución de diferentes dominios cognitivos a través de evaluaciones sucesivas.
Planificado
Análisis de una señal fisiológica
Adquisición o utilización de una señal biomédica para explorar su estructura, ruido, filtrado y características principales.
Planificado
Exploración de un dataset abierto
Análisis reproducible de un conjunto público de datos relacionado con neurociencia o salud cerebral.
Futuro
Neuroimagen
Primeros experimentos de visualización y análisis de datasets públicos de imagen cerebral.
07
Principios
Reproducibilidad
Los análisis deberían poder comprenderse, repetirse y revisarse.
Interpretabilidad
Un modelo complejo no es necesariamente mejor si resulta imposible comprender qué información está utilizando.
Contexto
Los datos biomédicos adquieren significado cuando se interpretan dentro de un contexto biológico y clínico.
Incertidumbre
La variabilidad y las limitaciones de los datos deben permanecer visibles en lugar de ocultarse tras resultados aparentemente precisos.
Privacidad
Los experimentos utilizarán datos simulados, anonimizados o procedentes de datasets públicos adecuados. No se publicará información identificable de pacientes.
08
Desarrollo futuro
Este proyecto evolucionará desde pequeños ejercicios de análisis y visualización hacia problemas progresivamente más complejos.
Entre las futuras líneas de trabajo se encuentran el análisis de señales fisiológicas, datos longitudinales, neuroimagen y modelos computacionales aplicados a salud cerebral.
A largo plazo, me interesa especialmente explorar cómo integrar diferentes modalidades de información para estudiar el cambio cognitivo y neurológico manteniendo la interpretabilidad de los resultados.