Programa del congreso

El ictus constituye una de las principales causas de mortalidad y discapacidad en adultos, siendo prioritaria la investigación de terapias eficaces que favorezcan la recuperación neurológica. Para ello, se utilizan modelos de ictus en roedores como paso previo a la traslación al paciente. Para analizar los resultados de estas terapias experimentales se utilizan pruebas funcionales y de comportamiento que permiten analizar del déficit provocado por el ictus. Sin embargo, estas pruebas están sujetas a la subjetividad del evaluador, lo que limita la reproducibilidad y la comparación entre estudios. Por ello, se presenta un sistema automatizado para la evaluación objetiva del comportamiento en roedores mediante el análisis de interacciones con objetos y con otros individuos en un entorno controlado. Se desarrolló un sistema automatizado para la evaluación funcional en modelos murinos de ictus, centrado en el análisis objetivo del comportamiento. El enfoque propuesto permite cuantificar las interacciones de los roedores con objetos y con otros individuos mediante el procesamiento de vídeos en un entorno controlado. Utilizando técnicas de visión por computador y aprendizaje profundo, se extrajeron métricas relevantes de interacción y exploración asociadas al deterioro neurológico. Los resultados mostraron una correlación clara entre las métricas extraídas y el grado de afectación neurológica, demostrando la utilidad del sistema propuesto como herramienta de evaluación funcional estandarizada y objetiva. Esta automatización contribuye a reducir la variabilidad entre experimentos y mejorar la fiabilidad en la investigación preclínica del ictus.

Motivación: La conectividad funcional por resonancia magnética en estado de reposo (rsfMRc) representa un enfoque prometedor para identificar marcadores neurales estables de rasgos psicológicos. Sin embargo, la estabilidad temporal de estas mediciones y su asociación con constructos conductuales permanece insuficientemente caracterizada. Métodos: Treinta y cuatro hombres jóvenes sanos completaron tres sesiones de rsfMRc: dos sesiones separadas por una hora el mismo día y una tercera sesión 30 días después. Los participantes también respondieron cuestionarios conductuales. Resultados: La confiabilidad general de rsfMRc fue moderada (ICCs promedio = 0.557). Las regiones de la Red de Saliencia, especialmente el giro supramarginal, y las áreas parietales laterales de la Red por Defecto mostraron mayor estabilidad (ICCs >0.600). Los análisis matriciales revelaron alta consistencia en las clasificaciones de conectividad (W de Kendall = 0.798). Las 23 regiones cerebrales temporalmente estables se asociaron con diferencias individuales en rasgos de agresión, reflejando sustratos neurales específicos más que compartidos. Conclusiones: La confiabilidad de rsfMRc varía considerablemente entre redes cerebrales. Las regiones de las redes de Saliencia y Red por Defecto demuestran mayor estabilidad temporal, sugiriendo su potencial como biomarcadores confiables de rasgos psicológicos como la agresión.

The brain-age delta, defined as the difference between an individual’s chronological age and the brain age estimated using structural neuroimaging, has been proposed as a marker of biological brain aging. In the context of Alzheimer’s disease (AD), this paradigm has been recently validated against biomarkers of AD pathology and neurodegeneration in non-demented indi-viduals. Moreover, it has also been shown to mediate the relationship be-tween modifiable risk factors and longitudinal cognitive function in mid-dle-aged cognitively unimpaired individuals. Nevertheless, the brain-age delta compresses a rich neuroanatomical heterogeneity – biological, envi-ronmental - in a single objective measurement. Generative deep learning models, such as variational autoencoders (VAE), can learn abstract repre-sentations from neuroimaging data. Using the EPAD and ALFA+ cohorts, we trained several VAE architectures, and utilized their latent spaces to characterize brain aging patterns associated with modifiable risk factors and biomarkers of AD and neurodegeneration. A cognitively “resilient” and a “vulnerable” subtype were found. Moreover, supervised regression models to estimate the brain-age delta were included in the VAE architectures, achieving similar accuracy to previously validated machine learning meth-ods. Therefore, we obtained a complete picture of brain aging, serving as a first step towards tailored interventions for the prevention of cognitive de-cline and dementia.

Age-related macular degeneration (AMD) is the main cause of legal blindness in elderly populations of developed countries. Its neovascular form, the most aggressive, requires frequent OCT monitoring and repeated anti-VEGF injections, creating high workload and variability in clinical decisions. We present STEP-AMD, an AI-powered clinical decision support system (CDSS) designed to assist in the follow-up of neovascular AMD patients. The system integrates OCT analysis with clinical data stored in a relational database and automatically generates structured PDF reports. These longitudinal reports summarize fluid biomarkers, visual acuity, treatment dates, and predicted therapy response, providing specialists with a comprehensive overview for personalized treatment planning. The system was developed and deployed at Hospital General Universitario Gregorio Marañón using a dataset of 503 OCT studies from 190 patients to train segmentation and prediction models. In a proof-of-concept study with two retina specialists evaluating 17 patients (21 eyes), STEP-AMD reduced average decision-making time by 39\%, improved inter-rater agreement (Cohen’s kappa from 0.42 to 0.71), and increased diagnostic accuracy on average from 0.42 to 0.56. Clinicians rated the AI-generated reports highly in usability and usefulness. These results highlight the potential of STEP-AMD to standardize follow-up, reduce workload, and improve efficiency in AMD management.

Este estudio investiga la capacidad de modelos de clasificación de aprendizaje automático para predecir si un paciente con traumatismo craneoencefálico logrará salir del estado de confusión traumático en los primeros seis meses de rehabilitación. Se entrenaron modelos de clasificación con variables demográficas y clínicas, entre los que destaca el rendimiento del modelo Random Forest, que alcanzó una precisión del 75.76% y un área bajo la curva ROC de 0.81. A diferencia de investigaciones previas centradas en desenlaces más inmediatos y globales (como la supervivencia) o en el uso de la duración del estado confusional traumático como variable predictora de otros resultados, este trabajo se enfoca directamente en predecir la resolución de este estado como desenlace principal. Los predictores más relevantes fueron la cronicidad y la edad, seguidos de variables neuroconductuales y funcionales. Los resultados sugieren que es viable anticipar este desenlace complejo con una precisión clínicamente útil, lo que podría contribuir a una mejor planificación terapéutica y a una comunicación más informada con familias y equipos clínicos.

La médula espinal cumple un rol central en la transmisión y procesamiento de señales sensoriales, y es frecuentemente afectada por patologías cuyo origen funcional no siempre se correlaciona con alteraciones estructurales visibles. Esta limitación diagnóstica ha motivado el desarrollo de nuevas herramientas como la espectroscopia funcional de infrarrojo cercano (fNIRS), una técnica no invasiva e indolora que permite evaluar la respuesta neurovascular periespinal (RNV) mediante el registro de cambios en la hemoglobina oxigenada inducidos por estimulación eléctrica de nervios periféricos. Estudios recientes han demostrado la utilidad de esta técnica en distintos niveles espinales, caracterizando parámetros clave de la RNV como tiempo de ascenso, amplitud y duración. En este contexto, ha surgido la hipótesis de que existiría un período refractario neurovascular que aún no ha sido bien descrito, pero que podría ofrecer información clave sobre la dinámica de la médula espinal. En este trabajo se presentan los primeros resultados obtenidos, utilizando protocolos experimentales diseñados para identificar y caracterizar dicho período refractario. La adquisición y análisis de las señales fNIRS se realizaron aplicando técnicas de procesamiento validadas previamente. Los hallazgos preliminares permiten observar una atenuación de la respuesta ante estímulos sucesivos cercanos, lo que apoya la existencia de un período refractario funcional. Esta investigación representa un avance en la caracterización fisiológica de la médula espinal y refuerza el potencial clínico de la fNIRS como herramienta de diagnóstico funcional en afecciones como dolor neuropático o enfermedades neurodegenerativas, donde las alteraciones estructurales pueden estar ausentes o ser inespecíficas.