La fatiga es uno de los factores de riesgo más peligrosos al conducir un vehículo. Según la Dirección General de Tráfico (DGT), entre el 20 y el 30% de los siniestros en la carretera están relacionados con ella, de forma directa o indirecta. De modo que anticiparse a este problema podría reducir ostensiblemente la accidentabilidad. Y en ese sentido lleva mucho tiempo trabajando la vallisoletana Beatriz Pascual, una ingeniera biomédica que acaba de recibir el segundo galardón en los Premios de Automoción y Movilidad de Castilla y León, en la categoría de Talento Joven.

Su trabajo fin de máster se centra en el análisis de la actividad eléctrica del cerebro, con técnicas de inteligencia artificial, para detectar síntomas de fatiga que permitan enviar señales de alerta para prevenir accidentes. Para ello, se colocan unos electrodos en el cuero cabelludo que registran las oscilaciones eléctricas generadas por la actividad cerebral, lo que permita analizar las distintas bandas de frecuencia, como delta, theta, alfa, beta y gamma, cada una de las cuales está relacionada con diferentes estados mentales.

Se trata, en definitiva, de medir la carga cognitiva del cerebro en tiempo real, un indicador clave para definir la capacidad de procesar la información. Una herramienta que podría tener aplicaciones en otros campos, como el laboral. «Por ejemplo, el manejo de maquinaria pesada, el control del tráfico aéreo o intervenciones quirúrgicas de larga duración, en definitiva, en actividades que requieren mucha concentración, donde cometer un error puede tener consecuencias muy graves», asegura Pascual.

Metodología

Para poder medir la carga cognitiva, esta ingeniera utilizó una base de datos elaborada con pruebas realizadas a 24 personas cognitivamente sanas. Primero se midió su actividad cerebral en estado de reposo y después, en varias pruebas que iban incrementando la carga cognitiva a la que estaban sometidas. Tras este trabajo, Pascual comprobó que el análisis de las bandas theta y alfa mostró diferencias «estadísticamente significativas» a medida que aumentaba la demanda cognitiva. Es decir, que estos indicadores se posicionaron como posibles biomarcadores cerebrales para medir la carga mental. «Después también estudié cómo se modificaban las conexiones funcionales entre regiones cerebrales y comprobé que durante la realización de las tareas cognitivas aumentaban, principalmente entre la región frontal y la parietal y la frontal y la occipital», explica. El último paso fue «entrenar» un modelo basado en inteligencia artificial para que fuera capaz de detectar la carga cognitiva de una persona al introducir una señal encefalográfica sin ningún tipo de procesamiento.

Aplicabilidad

Aunque los resultados que obtuvo Pascual son muy prometedores, uno de los obstáculos que tiene el proyecto para llegar a implementarse de forma masiva es su aplicabilidad. La colocación de 16 electrodos y la aplicación del gel conductor, imprescindible para conseguir una señal de calidad, no siempre es posible en ciertos entornos laborales. «Hay investigaciones para poder utilizar cascos sin gel, pero, a día de hoy, la calidad de la señal que se obtiene es peor», asevera Pascual. La ingeniera también sugiere que la monitorización podría reducirse a un solo electrodo, toda vez que los principales biomarcadores de la carga cognitiva están en la región frontal. «La posibilidad de reducir el sistema a un único electrodo hace que esta solución sea económica y de fácil implementación, aunque aún son necesarias más investigaciones para asegurar una mayor portabilidad y comodidad», señala. «También se podría intentar investigar utilizando otras señales, por ejemplo, la variabilidad del pulso o el nivel de sudoración, o incluso la tasa de parpadeos con gafas o sistemas diferentes para complementar o intentar sustituir a la señal», finaliza.