CFSPMNet: Red Mamba de Parches Espaciales Guiada por Fourier entre Sujetos para la Decodificación de Imágenes Motoras con EEG en Pacientes con Accidente Cerebrovascular

El desarrollo de interfaces cerebro-computadora (BCI) para la rehabilitación de pacientes con accidente cerebrovascular representa uno de los frentes más prometedores de la inteligencia artificial aplicada a la salud. La decodificación de imágenes motoras a partir de señales de electroencefalografía (EEG) permite capturar la intención de movimiento del paciente, incluso cuando la ejecución física está comprometida. Sin embargo, la variabilidad neurofisiológica entre individuos, agravada por la reorganización patológica que ocurre tras un ictus, dificulta que los modelos entrenados en un grupo de pacientes funcionen de manera fiable en otros nuevos. Para superar esta barrera, las técnicas de adaptación entre sujetos se han convertido en un área de investigación clave. Un enfoque innovador consiste en modelar la actividad EEG como una secuencia de estados neuronales latentes, reorganizando la información en el dominio de la frecuencia para capturar patrones invariantes que trasciendan las diferencias individuales. Este tipo de arquitectura, que combina mecanismos de espacio de estados con alineación de prototipos compartidos y privados, permite refinar las etiquetas pseudo de los pacientes objetivo, filtrando aquellas predicciones que, aunque estadísticamente confiables, son fisiológicamente inconsistentes. El resultado es una mejora significativa en la precisión de la decodificación, como demuestran los experimentos en conjuntos de datos reales de pacientes con ictus, donde se alcanzan tasas de acierto superiores al 68% y 73% en diferentes cohortes. Esta línea de investigación conecta directamente con las capacidades que ofrece Q2BSTUDIO, una empresa especializada en el desarrollo de aplicaciones a medida y software a medida para sectores que requieren soluciones avanzadas de análisis de datos y modelado predictivo. La implementación de redes neuronales complejas como las descritas exige una infraestructura robusta de servicios cloud aws y azure, así como la integración de herramientas de inteligencia artificial y ia para empresas que permitan escalar desde la investigación hasta la práctica clínica. Por ejemplo, la inteligencia artificial para empresas que desarrollamos en Q2BSTUDIO puede aplicarse para construir modelos que aprendan de la variabilidad fisiológica y mejoren la personalización de terapias. Además, el uso de agentes IA para monitorizar en tiempo real la calidad de las señales EEG, combinado con paneles de power bi para visualizar la evolución del paciente, forma parte de las soluciones de servicios inteligencia de negocio que ofrecemos. La seguridad de estos sistemas, que manejan datos sensibles de salud, se garantiza mediante prácticas de ciberseguridad que protegen tanto el flujo de información como los modelos desplegados. En definitiva, la convergencia entre la investigación en neurotecnología y el desarrollo de software a medida permite abordar desafíos reales de rehabilitación, transformando conceptos complejos de procesamiento de señales en herramientas clínicamente viables.