Inteligencia Artificial en la Caracterización del Desempeño de Working Memory y las Emociones

Este proyecto de investigación se centra en abordar el vacío de conocimiento existente sobre la caracterización y predicción del desempeño de la Memoria de Trabajo (WM), especialmente utilizando tareas de retro-atención (retro-cue). La WM es fundamental para el aprendizaje y el razonamiento, pero su capacidad varía significativamente entre sujetos y a lo largo del tiempo. El objetivo principal es aplicar algoritmos de inteligencia artificial para analizar datos electrofisiológicos y conductuales, buscando patrones que permitan predecir el desempeño individual en tareas de WM. La metodología incluye una fase de revisión bibliográfica exhaustiva, seguida de una fase experimental donde se probarán diversos algoritmos de IA (preprocesamiento, extracción de características, clasificación/regresión) en datos de WM obtenidos de tareas con retro-cue. Se evaluará la eficiencia de los modelos predictivos utilizando métricas estándar como Sensibilidad, Especificidad, Precisión, F-Measure y el Área Bajo la Curva ROC (AUC). Los resultados esperados buscan aportar evidencia científica para el uso potencial de la WM como biomarcador en Interfaces Cerebro-Computador (BCI), mejorando la precisión de estos sistemas.<br/><br/><b>Objetivo</b>: <br/>Analizar las metodologías de inteligencia artificial mediante la implementación de algoritmos para caracterizar y predecir el desempeño de la memoria de trabajo (WM), explorando el efecto de las señales de retro-atención (retro-cue).<br/><br/><b>Líneas de investigación</b>: <br/>Telemática aplicada a la medicina