Estudio de las características de la actividad cerebral que permiten la predicción del desempeño de working memory aplicado a la toma de decisiones (Fase 3)

Este proyecto de investigación, en su tercera fase, se centra en el análisis de la dinámica cerebral y señales fisiológicas para predecir el desempeño de la memoria de trabajo (WM) durante procesos de toma de decisiones. Ante la dificultad de gestionar la variabilidad inter e intra sujeto en entornos reales, el equipo propone un enfoque transdisciplinario que integra técnicas de inteligencia artificial, neuroergonomía y redes de sensores corporales (BSN). El estudio utiliza datos de EEG, ECG y sensores inerciales para caracterizar la actividad neuronal y fisiológica, buscando optimizar la usabilidad y precisión de los modelos predictivos. La investigación aborda la necesidad de monitoreo continuo en actividades cotidianas, superando desafíos técnicos como el ruido en las señales y la naturaleza no estacionaria de la actividad cerebral. A través de un diseño experimental, el proyecto evalúa algoritmos de aprendizaje automático para identificar patrones relevantes en la toma de decisiones acertadas frente a fallos. Los resultados esperados incluyen la publicación de artículos científicos, el desarrollo de metodologías de análisis de datos y la creación de un laboratorio especializado en la adquisición y tratamiento de señales fisiológicas, beneficiando áreas como la salud, la educación y la seguridad.<br/><br/><b>Objetivo</b>: <br/>Estudiar las características de las señales fisiológicas (EEG, ECG, sensores inerciales) para mejorar la predicción del desempeño de la memoria de trabajo en la toma de decisiones. El proyecto busca desarrollar algoritmos eficientes que manejen la variabilidad inter e intra sujeto en entornos reales.<br/><br/><b>Líneas de investigación</b>: <br/>Telecomunicaciones y tecnologías de la información<br/>Telemática aplicada a la medicina