ES2199994T3 - Metodo y sistema de analisis del biopotencial del cerebro. - Google Patents

Abstract

SE MUESTRA UN SISTEMA, QUE INCLUYE EL USO DE UN MICROCOMPUTADOR (18), UN DISPOSITIVO DE ENTRADA DEL USUARIO (32), UNA VISUALIZACION DE GRAFICOS (20), UN DISPOSITIVO DE SALIDA EN SOPORTE GRAFICO (22), UN METODO PARA DETERMINAR INDICADORES SEGUN INDICE DIAGNOSTICO DE UN FENOMENO CEREBRAL SELECCIONADO QUE OBTIENE (19) SEÑALES EEG UNIPOLARES DE UNA SOLA VEZ, Y UN SISTEMA DE ANALISIS (12) DE ZONAS DE INTERES EN LOS DOS HEMISFERIOS IZQUIERDO Y DERECHO DEL CEREBRO DE UN SUJETO (15). EL SISTEMA UTILIZA AMPLIFICADORES ESCASAMENTE RUIDOSOS Y ALTO RENDIMIENTO PARA MAXIMIZAR EL ESPECTRO DINAMICO DE LOS ELEMENTOS DE LAS ONDAS DE BAJA ENERGIA DE LAS SEÑALES. LA FILTRACION DEL PASO DE BANDA SE UTILIZA PARA REDUCIR EL RUIDO Y PARA EVITAR INTERFERENCIAS. EL SISTEMA APLICADO NORMALMENTE UTILIZA TECNICAS DE PROCESAMIENTO DE LA SEÑAL DIGITAL (DSP) PARA DIGITALIZAR, PARA FILTRAR EL PASO DE ONDAS DE BAJA ENERGIA (100 HZ), Y PARA DIEZMAR LAS SEÑALES. ES ENTONCES CUANDO SE PRODUCE EL PROCESAMIENTO DE LA POTENCIA ESPECTRAL, BI-ESPECTRAL Y DE NIVELES SUPERIORES.

Description

Método y sistema de análisis del biopotencial del cerebro.

Antecedentes de la invención

La presente invención se refiere a un sistema y un método de análisis del biopotencial cerebral de alta resolución en tiempo real, y más particularmente a un sistema y un método de diagnóstico del biopotencial basado en ordenador para determinar cuantitativamente de manera no invasiva, los fenómenos cerebrales que pueden ser averiguados mediante el análisis de las propiedades de la actividad eléctrica cerebral.

A pesar de la considerable dedicación en tiempo y esfuerzo, los actuales procedimientos para la evaluación cuantitativa y no invasiva de la actividad eléctrica cerebral, presentada en forma de onda electroencefalográfica, o electroencefalograma (EEG), no han tenido éxito en cuanto a la extracción total de toda la información presente en esta forma de onda compleja, Sigue existiendo una gran necesidad de una tecnología de perfilación neurológica precisa, sensible, fiable, y práctica. En particular, las técnicas de comprobación de EEG intraoperativas contemporáneas no han sido adoptadas ampliamente debido a sus limitaciones inherentes. Iguales limitaciones se aplican en la unidad de cuidados intensivos, en la que un método de uso fácil y sencillo de evaluación del estado del cerebro podría ser de gran valor para el facultativo de dicha unidad.

Un cierto número de dispositivos conocidos en la técnica anterior son capaces de seguir cuantitativamente la actividad cerebral. Las técnicas que requieren el uso de EEG analógica clásica convencional se limitan a los análisis en el dominio del tiempo, y requieren una considerable instrucción para una interpretación adecuada. Además, dado que la resolución del ojo humano a velocidades estándar de trazado del EEG es limitada, mucha de la estructura fina del EEG es invisible. Por tanto, la evaluación visual del EEG se caracteriza más como un arte, que como una ciencia.

El uso del análisis de frecuencia (espectro de potencia) de la EEG en los años 1960 introdujo la noción de cierto tratamiento básico de la señal antes de la inspección, y condujo a la aplicación de análisis de frecuencia de la EEG a varios problemas de comprobación cerebral. En los últimos 25 años se han publicado más de 100 documentos en la literatura médica que describe las aplicaciones de los análisis espectrales de potencia con fines tales como evaluación de la profundidad de la anestesia y de la isquemia cerebral bajo varias condiciones intraoperativas. La patente de EE.UU. nº 4.557.270, concedida a John, describe también el uso del análisis de espectro de potencia para evaluar la perfusión cerebral durante cirugía a corazón abierto. Sin embargo, varios estudios recientes han demostrado muchas deficiencias en el uso del análisis espectral de potencia para comprobar la perfusión cerebral y para determinar el resultado neurológico postoperativo. Además, ni el análisis del espectro de potencia ni cualquier otra técnica de comprobación, han demostrado ser fiables, por el hecho de que las normas de comprobación de la anestesia de la Escuela Médica Harvard no incluyen tipo alguno de comprobación neurológica intraoperativa debido, en cualquier caso, a la complejidad de interpretar los datos de en bruto del EEG, y la poca fiabilidad de los sistemas automatizados existentes que utilizan el espectro de potencia o técnicas analíticas en el dominio del tiempo.

La descarga de miles de células activas bioeléctricamente en el cerebro, organizada en centros neurales interactivos mayores, contribuye a la formación de una señal eléctrica con un espectro de frecuencia ancha, que es rica en armónicos y de dinámica extremadamente compleja. Embebida en esa señal está la información relativa al contenido de frecuencia, no linealidades, y relaciones de fase que surgen de los patrones de disparo neuronal complejos que tienen lugar. Dichos patrones de disparo cambian constantemente, lo que hace que las propiedades estadísticas de la señal del EEG sean altamente no estacionarias. Debido a la complejidad de la señal del EEG, modalidades de análisis en tiempo y frecuencia convencionales no han sido capaces de definir totalmente su comportamiento. Esta puede ser una de las razones del éxito limitado de tales procedimientos.

En la transformada de Fourier de la función de autocorrelación de segundo orden (el espectro de potencia), se han representado procedimientos como suma lineal de componentes de onda de forma senoidal no correlacionados estadísticamente. Procedimientos contemporáneos para comprobar el EEG por medio del espectro de potencia han suprimido así información relativa a relaciones no lineales y de interfrecuencia de fase, y son de utilidad limitada en la representación de la estructura dinámica de los EEG.

Debido a que el EEG es altamente dinámico y no lineal, las relaciones de fase dentro del EEG son los elementos que más probablemente portan información de diagnóstico relativa a la función cerebral. La transformada de Fourier de la función de autocorrelación de tercer orden, o autobiespectro, es un procedimiento analítico que cuantifica la desviación de las relaciones de normalidad, cuadráticas de no linealidad y de fase de interfrecuencia dentro de una señal. La transformada de Fourier de la función de correlación de cruce de tercer orden, o biespectro cruzado, es un procedimiento analítico que proporciona información similar para dos señales. Se pueden generalizar estas técnicas por definición de la transformada de Fourier de la función de correlación de auto/cruce de orden enésimo, o el espectro de auto/cruce de orden n-1, como un procedimiento analítico que contiene información relativa a la desviación de la normalidad, así como no linealidades del orden n-1 y relaciones de fase de interfrecuencia en una señal. El espectro de auto/cruce más allá del biespectro, será citado como espectro de orden más alto.

\newpage

Las técnicas de análisis autobiespectral han sido aplicadas a la señal del EEG para demostrar las propiedades biespectrales básicas del EEG convencional. Estos estudios han sido llevados a cabo para investigar las diferencias entre los estados despierto y dormido. Análisis autobioespectrales y análisis espectrales de potencia se han utilizado también en un intento por mostrar que los EEGs de parejas monocigóticas son de estructura similar. Las patentes de EE.UU. núms. 4.907.597 y 5.010.891, concedidas a Chamoun, describen el uso del análisis biespectrales de ato/cruce del EEG para evaluar fenómenos cerebrales tales como cuantificar la profundidad y adecuación de la anestesia, respuestas dolorosas inducidas por tensiones quirúrgicas, isquemia cerebral, consciencia, grado de intoxicación, procesos cognitivos en curso, y relaciones de fase dinámica interhemisféricas.

El documento WO 9307804 describe por primera vez el uso de un autoanálisis espectral de orden más alto o de cruce de orden más alto para diagnóstico neurológico o comprobación de los fenómenos cerebrales antes descritos.

La presente solicitud describe nuevos métodos para derivar un índice de diagnóstico de los datos espectrales.

Un problema común en el análisis de los datos generados por cualquiera de las técnicas espectrales antes expuestas es el hecho de que la distribución de frecuencia del EEG puede cambiar bruscamente bajo condiciones fisiológicas relativamente estables. Tales cambios conducirán a cambios en el espectro de potencia, biespectro, y espectro de orden más alto, a las frecuencias correspondientes. Por ejemplo, cuando son administrados agentes anestésicos hipnóticos en concentraciones baja y media, hay un aumento sustancial en la actividad del EEG en la banda de frecuencia de 12 a 18 Hz, Dosis altas de los mismos agentes conducirán a una reducción repentina de la actividad en la banda de 12 a 18 Hz, y un aumento en la actividad en la banda de 0,5 a 3,5 Hz, seguida por una repentina supresión en concentraciones extremadamente altas. Un análisis basado en la frecuencia, que utilice la banda de frecuencia de 12 a 18 Hz para seguir la profundidad anestésica durante la administración de un agente hipnótico, proporcionará una valoración engañosa de la profundidad del paciente cuando se produzca el desplazamiento en la actividad de frecuencia alta a baja. Dichas transiciones son aún más complicadas cuando se utilice una mezcla de agentes anestésicos.

Por tanto, un objeto principal de la presente invención es proporcionar un sistema y un método electroencefalográfico de alta resolución, no invasivo, capaz de reconocer y comprobar los fenómenos físicos reflejados en las propiedades de la actividad eléctrica cerebral.

Otro objeto de la presente invención es proporcionar un sistema y un método electroencefalográfico no invasivo, capaz de determinar y comprobar la profundidad y adecuación de la anestesia, isquemia cerebral, hipoxia cerebral, niveles de consciencia/hipnosis, grado de intoxicación, respuestas potenciales evocadas alteradas, y procesos cognitivos normales o anormales, incluyendo sin limitarse a ello, la identificación de pacientes con la enfermedad de Alzheimer, y demencias relacionadas con el VIH.

Sumario de la invención

De acuerdo con ello, el sistema y método de la presente invención utiliza un sistema de electrodo y amplificador adecuados para obtener 19 señales de EEG unipolares procedentes de zonas de interés de ambos hemisferios, izquierdo y derecho, del cerebro de un paciente. El sistema utiliza amplificadores de ganancia alta y ruido bajo para maximizar el margen dinámico de los componentes de onda de baja energía de las señales. Es utilizada filtración de paso de banda para reducir el ruido y evitar el conjunto de señales espurias. El sistema aplica las técnicas de tratamiento de señal digital utilizadas comúnmente (DSP) para digitalizar, filtrar en paso bajo (100 Hz), y decimalizar las señales. Luego es ejecutado el tratamiento de potencia espectral, biespectral, y espectral de orden más alto. En una realización preferida, el sistema divide los 63 segundos más recientes de los datos del EEG digitalizados procedentes de cada conductor en 60 intervalos de 4 segundos, cada uno con tres segundos de solape con el intervalo anterior. Para un juego seleccionado de conductores derivados, el sistema produce variables de potencia autoespectrales, autobiespectrales, y autoespectrales de orden más alto, mediante el uso del procedimiento basado en la transformada rápida de Fourier (FFT) o en un procedimiento paramétrico. Cualquier par de conductores puede ser combinado para calcular las variables de espectro de potencia de cruce, biespectro de cruce, y de espectro de cruce de orden más alto.

El resultado del tratamiento autoespectral de la potencia es una formación unidimensional que representa la potencia en cada frecuencia dentro de una forma de onda de EEG procedente de un conductor sencillo. De igual modo, el tratamiento espectral de cruce de potencia proporcionará un conjunto unidimensional que representa el producto de la energía de cada una de las frecuencias en dos formas de onda. El resultado del tratamiento autobiespectral y autoespectral de orden más alto, es un juego de conjuntos que representan la potencia dinámica y el acoplamiento de fase entre todas las posibles combinaciones de frecuencias dentro de una forma de onda. El tratamiento de cruce biespectral y de cruce espectral de orden más alto proporciona un juego de conjuntos que representan la potencia dinámica y el acoplamiento de fase entre todas las posibles combinaciones de frecuencias procedentes de dos formas de onda. Para análisis biespectral de auto/cruce, pueden ser generados cuatro tipos de conjuntos; de bicoherencia de auto/cruce, densidad biespectral de auto/cruce, producto triple real de auto/cruce, y bifase de auto/cruce. El mismo tipo de conjuntos puede ser generado para tratamiento espectral de auto/cruce de orden más alto.

Los valores de los conjuntos espectrales de potencia de auto/cruce, biespectrales de auto/cruce, y espectrales de auto/cruce de orden más alto, cambian con intervenciones diferentes de estados de enfermedad. Por tanto, estos valores son utilizados para crear un criterio de diagnóstico. Los conjuntos espectrales, biespectrales, y espectrales de orden más alto de potencia, son utilizadas para crear un índice de diagnóstico de valor sencillo, clínicamente útil. Es de esperar que este índice represente con precisión la determinación particular del diagnóstico en cuestión. El sistema utiliza estos índices como figura de diagnóstico, importante para la valoración de la profundidad y adecuación de la anestesia, isquemia cerebral, hipoxia cerebral, niveles de consciencia/hipnosis, grado de intoxicación, respuestas potenciales evocadas alteradas, y procesos cognitivos normales y anormales, incluyendo sin limitarse a ello, la enfermedad de Alzheimer y las demencias relacionadas con el VIH. Este procedimiento hace posible para cualquier operador interpretar significativamente la salida del dispositivo de diagnóstico. En esta realización, la valoración/determinación de la profundidad y adecuación de la anestesia, incluye sin limitarse a ello, la valoración/determinación del nivel de analgesia (capacidad de respuesta a la estimulación intraoperativa dolorosa), así como el nivel de hipnosis/consciencia.

En situaciones en las que se precisa una comprobación continua, pueden ser presentados índices de manera continua sobre un terminal de vídeo, lo que permite así al operador evaluar interactivamente zonas de interés. Con fines de mantenimiento de un registro, los valores de los índices y de otras variables pertinentes pueden ser enviados a un dispositivo de salida de copia impresa, o almacenados en un dispositivo de almacenamiento.

Estos y otros objetos y características de la invención se expondrán con más detalle en la descripción detallada que sigue y figuras que se acompañan.

Breve descripción de las figuras

La fig. 1 es una vista esquemática del sistema de la presente invención para detectar los fenómenos cerebrales de manera no invasiva.

La fig. 2 es una vista esquemática de un sistema de adquisición y análisis de datos de EEG de 19 canales, utilizado en el sistema de la fig. 1.

La fig. 3 es una vista esquemática del microordenador utilizado para presentar el espectro y biespectro de potencia del EEG, y el espectro de orden más alto, en el sistema de la fig. 1.

La fig. 4 es una vista esquemática de las operaciones de tratamiento ejecutadas por el sistema de la fig. 1.

La fig. 5 es una tabla del flujo de acciones de las operaciones del módulo monitor mostrado en la fig. 4.

Las figs. 6a a 6c son vistas de representaciones de muestras de índices de diagnóstico generadas por el sistema de la fig. 1.

La fig. 7 es una tabla de flujo de acciones de las operaciones del módulo de adquisición y manejo de datos en bruto del EEG, del sistema mostrado en la fig. 4.

La fig. 8 es una tabla de flujo de acciones de un método basado en el dominio de frecuencia, para producir autobiespectro, biespectro de cruce, autoespectro de potencia, y espectro de potencia de cruce, en el sistema de la fig. 1.

La fig. 9 es una tabla del flujo de acciones del método de base paramétrica para producir autobiespectro, biespectro de cruce, autoespectro de potencia, o espectro de potencia de cruce, en el sistema de la fig. 1.

La fig. 10(a) es un gráfico que muestra un conjunto de densidad biespectral generado por el sistema de la fig. 1.

La fig. 10(b) es un gráfico que muestra un conjunto bifásico generado por el sistema de la fig. 1.

La fig. 10(c) es un gráfico que muestra una conjunto de bicoherencia generado por el sistema de la fig. 1.

La fig. 10(d) es un gráfico que muestra un conjunto de la raíz cuadrada de producto real triple, generado por el sistema de la fig. 1.

La fig. 11 es una tabla de flujo de acciones de las operaciones del módulo de derivación de índice de diagnóstico mostrado en la fig. 4.

Descripción detallada de las realizaciones preferidas

Con referencia a la fig. 1, el aparato de la presente invención incluye un sistema 12 de adquisición de datos y análisis de un EEG de 19 canales, conectado a un microordenador 18.

Los conductores del EEG están conectados a la cabeza 14 de un paciente mediante un juego de electrodos superficiales 13. Se prefiere el sistema internacional de electrodos 10/20. Las señales del EEG son detectadas por los electrodos, y son transmitidas sobre un cable 16 de paciente al sistema 12 de adquisición y análisis de datos del EEG.

\newpage

El sistema 12 de adquisición y análisis de datos filtra y amplifica las formas de onda del EEG. Técnicas de tratamiento de señal digital (DSP) utilizadas comúnmente, son aplicadas para digitalizar, filtrar en paso bajo (100 Hz), y decimalizar las señales. Pueden ser ejecutados entonces tratamientos de potencia espectral, biespectral, y espectral de orden más alto.

El sistema 12 genera todas los conjuntos de espectro, biespectro, y espectro de orden más alto de potencia. Estos conjuntos son utilizados luego con conjuntos de coeficientes predeterminados clínicamente para producir índices de diagnóstico. Estos índices son enviados al ordenador principal 18, y son presentados en el visualizador 20 de gráficos. Se dispone también de salida impresa del índice de diagnóstico sobre el dispositivo de salida 22 de copia impresa, que está conectado al microordenador 18. El operador coopera con los componentes de adquisición y análisis del sistema por medio de un dispositivo 24 de entrada del usuario, con reintroducción de datos sobre el visualizador 20 de gráficos.

El canal 19 del sistema 12 de adquisición y análisis de datos se muestra con gran detalle en la fig. 2. El potencial superficial del EEG, detectado por los electrodos superficiales 13 montados sobre la cabeza 14 del paciente, pasa a través de un circuito 30 de protección electroquirúrgica, un circuito 32 de protección desfibrilador, y un circuito 36 amplificador/filtrador, antes de ser pasado al convertidor 38 multicanal de analógico a digital.

El circuito 30 de protección electroquirúrgica incluye un filtro de radiofrecuencia (rf), que limita la corriente de rf a través de los conductores 16 del paciente a menos de 100 microamperios, y protege así a dicho paciente 15 contra quemaduras de rf, y protege a los amplificadores 36 contra daños resultantes de la tensión de entrada que exceda al máximo absoluto especificado por el fabricante. Este circuito puede ser un circuito LC, que consiste en un inductor genérico conectado en serie a un condensador genérico que luego es conectado a tierra.

El circuito de protección 32 desfibrilador limita la tensión a los amplificadores 36 a un nivel de seguridad, cuando un desfibrilador es aplicado al paciente 15 y es descargado. Este circuito puede consistir en una resistencia genérica conectada en serie al camino de la señal, a una lámpara de luz de neón, u otro dispositivo supresor de sobretensiones transitorias, que es conectado luego a tierra.

El circuito 36 amplificador/filtrador es controlado por el microordenador 18 para niveles de ganancia y filtración, que pueden ser ajustados por el operador. Ajustes preferidos de ganancia y filtración se exponen más adelante. Esta sección de circuito consiste en tres etapas. La primera es una etapa de preamplificación, que puede ser montada con el uso de una amplia variedad de preamplificadores de alta impedancia, tales como los vendidos por National Semiconductor, Sunnyvale, CA. La segunda es una etapa compuesta por filtros programables, que permitirán que un corte de paso de banda ajustable sea seleccionado en cualquier momento dentro del margen de 0,1 Hz a 4 KHz. Los filtros pueden ser diseñados utilizando componentes de Frequency Devices, Haverhill, MA. La tercera etapa está compuesta de amplificadores programables, que pueden ser montados a partir de amplificadores operativos usados en conjunción con un convertidor multiplicador de analógico a digital (D/A). Ambos componentes pueden ser adquiridos en National Semiconductor. El multiplicador D/A es utilizado para fijar la ganancia en los niveles adecuados requeridos por el microordenador 18.

El preamplificador de alta impedancia de cada canal saturará la tensión de suministro positiva o negativa, si la entrada del preamplificador no está terminada. Esto conducirá a un valor positivo grande o un valor negativo grande en la salida de la sección 36 de amplificador/filtro. Dichos valores serán utilizados para identificar fallos de conductor.

La salida de todos los 19 canales del amplificador/filtro 36 es enviada al convertidor 38 multicanal de A/D, que es controlado por un procesador de entrada 44 para ajustes de régimen de muestreo. Las señales analógicas con convertidas en formato de datos digitales, adecuados para su entrada en el procesador de entrada 44. Los convertidores de A/D vendidos por Analog Devices, Norwood, MA., pueden ser utilizados para tal fin.

El convertidor 38 multicanal de A/D está acoplado ópticamente al procesador de entrada 44 por un aislador óptico 40. Todas las líneas de control a dicho convertidor 38 de A/D están asiladas también ópticamente por el aislador óptico 42. Cualquier aislador óptico puede ser utilizado para ese fin.

Todas las líneas de potencia de CC conectadas a los amplificadores 36 y convertidor 38 de A/D están aisladas también de la línea de potencia de CA con un convertidor 43 CC/CC, para proporcionar un aislamiento completo al paciente con respecto a tierra. Para esta finalidad pueden ser utilizados convertidores de CC/CC adquiribles en Burr Brown.

Las instrucciones básicas para controlar el funcionamiento de un procesador de entrada 44 están almacenadas en una memoria sólo de lectura (ROM) 46. La memoria de acceso aleatorio (RAM) 48 es utilizada como una memoria intermedia para datos, y una parte de la RAM 48 puede ser utilizada también como memoria de programa, cuando un programa de control está siendo descargado del microordenador 18. El procesador 44 de entrada tiene un colector 50 para comunicar con la RAM 48 y la ROM 46, y un colector separado 55 para comunicar con el microordenador 18.

La arquitectura de la memoria del procesador de cálculo es similar a la del procesador de entrada. Las instrucciones básicas para la operación de control del procesador de cálculo 52 son almacenadas en una memoria sólo de lectura (ROM) 54. La memoria de acceso aleatorio (RAM) 56 es utilizada como memoria intermedia para datos, y una parte de la RAM 56 puede ser utilizada también como memoria de programa, cuando un programa de control esté siendo descargado del microordenador 18. El procesador 52 de cálculo tiene un colector 58 para comunicar con la RAM 56 y la ROM 54, y utiliza el colector 56 para comunicar con el microordenador 18.

El convertidor 38 de A/D adquiere los datos a alta velocidad, y la filtración es hecha por el procesador 44 de entrada, para excluir las frecuencia fuera de la zona de interés. El procesador de entrada decimaliza simultáneamente el régimen de muestreo de los datos de entrada, a un régimen de muestreo inferior. El procesador de entrada 44 transfiere la corriente de datos filtrados y decimalizados al microordenador 18, para visualización de las señales de entrada en bruto a través del colector 55 de datos y las memorias intermedias 60, hacia el colector 40 de datos del microordenador. El procesador 44 de entrada transfiere también los datos al procesador de cálculo 52, para el cálculo de las características del espectro de potencia y espectro de orden superior de las señales de entrada, a través de la interfaz 51 de comunicación en serie. El procesador de cálculo 52 calcula las características del espectro de potencia y espectro de orden más alto de los datos de entrada, y produce unos índices de diagnóstico a partir de dichos datos. El procesador de entrada puede ser un procesador DSP de finalidad general, tal como el ADSP-2101 vendido por Analog Devices, Norwood, MA. El procesador de cálculo es un procesador DSP de coma flotante en la realización preferida, tal como el TMS320C30 vendido por Texas Instruments, Dallas, TX.

El microordenador principal 18 de la fig. 1 se muestra con gran detalle en la fig. 3. Todo el sistema del microordenador marcha bajo el control de un microprocesador 62, con la memoria del programa almacenada en la ROM 64. La RAM 66 es utilizada para almacenamiento de datos intermedios. El dispositivo de almacenamiento 84 puede ser un disco Winchester o un bloque grande de RAM, o cualquier otro medio de almacenamiento. Se utiliza para el almacenamiento de información clínica y puede ser utilizado para el archivo de datos del paciente.

En una realización preferida, el microordenador 18 contiene un coprocesador matemático 70, que está conectado directamente al microprocesador 62. El coprocesador matemático 70 es utilizado para cálculos escalares y gráficos. Un controlador 72 de gráficos, que trabaja bajo el control del programa del microprocesador 62, acciona un visualizador 20 de gráficos. Una puerta 74 de interfaz proporciona la conexión desde el colector 40 del microordenador al dispositivo 24 de interfaz del usuario. Dicho dispositivo 24 puede ser un teclado, un dispositivo de puntero, o cualquier combinación de estos dispositivos similares. La puerta de interfaz 74 puede proporcionar también una conexión entre el microordenador y un dispositivo de estimulación de potencial evocado externo. Esta conexión permitirá al microordenador disparar un estímulo, o identificar fácilmente el comienzo de un estímulo disparado independientemente.

El control de operador de todo el procedimiento de adquisición, análisis, y presentación, es controlado por el dispositivo 24 de interfaz del usuario, con reintroducción sobre el visualizador 20 de gráficos. El colector 40 de datos puede ser utilizado para enviar datos de control al sistema 12 de adquisición de datos de 19 canales (por ejemplo, filtración, ganancia, régimen de muestreo, comienzo/fin de la adquisición, ejecución de autodiagnósticos), y para recibir datos de EEG procedentes del sistema, así como para la descarga de datos del programa hacia el sistema. Hay dispuesta una puerta 78 en serie o paralelo, para accionar un dispositivo 22 de salida de copia impresa, para imprimir los índices de diagnóstico deseados.

Con referencia ahora a la fig. 4, en ella se muestra un esquema de bloques de las operaciones del sistema y el método de la presente invención. Como antes se ha dicho, el sistema y método de la presente invención calculan la fase dinámica y las relaciones de densidad de las señales del EEG procedentes de un número preseleccionado de conductores. Luego son generados unos índices de diagnóstico de valor sencillo procedentes de los conjuntos de datos mediante el uso de conjuntos de coeficientes predeterminados clínicamente. Los resultados son índices cuantitativos útiles para analizar la actividad eléctrica cerebral, referida, por ejemplo, a la evaluación de la profundidad y adecuación de la anestesia, isquemia cerebral, hipoxia cerebral, nivel de consciencia/hipnosis, grado de intoxicación cerebral, respuestas potenciales evocadas alteradas, o procedimientos cognitivos normales o anormales que incluyen, sin limitarse a ello, la enfermedad de Alzheimer y la demencias relacionadas con el VIH. En esta realización, la valoración/determinación de la profundidad y adecuación de la anestesia incluye, sin limitarse a ello, la valoración/determinación del nivel de analgesia (capacidad de respuesta a la estimulación operativa dolorosa), así como el nivel de hipnosis/consciencia.

El módulo monitor 402 maneja las operaciones generales del sistema mediante la integración de datos e información del procedimiento procedente del módulo 404 de interfaz del usuario, módulo 406 de adquisición y manejo de datos en bruto del EEG, módulo 408 de tratamiento espectral, biespectral, y de orden espectral más alto de potencia, y el módulo 410 de derivación de índice de diagnóstico. Una ilustración detallada del módulo 402 puede ser hallada en la fig. 5.

El operador controla y coopera con el sistema durante el curso de un procedimiento mediante el módulo 404 de interfaz del usuario y manejo del visualizador. Esta cooperación incluye, sin limitarse a ello, la entrada de información relativa al paciente, y tipo de procedimiento de diagnóstico en ejecución, ajustes de adquisición e intervalos de predicción, visualización continua del estado de adquisición, integridad del intervalo de predicción, e índices de diagnóstico correspondientes a zonas examinadas por cada electrodo, y peticiones para imprimir y archivar los resultados en el dispositivo de almacenamiento. El módulo 404 coopera directamente con el módulo monitor 402. Las operaciones manejadas por el módulo 404 pueden ser conseguidas con una configuración técnica adquirible comercialmente, tal como Microsoft Windows.

El módulo 406 de adquisición y manejo de datos en bruto del EEG maneja todo el tratamiento y comprobación de datos en bruto del EEG antes del análisis del espectro, biespectro y espectro de orden más alto de potencia. Esto incluye, sin limitarse a ello, la adquisición continua de datos del EEG y la verificación de su integridad, preparación de todos los datos de EEG unipolares para tratamiento de auto/cruce de potencia espectral, biespectral, y espectral de orden más alto. El módulo 406 coopera directamente con el módulo monitor 402. Una descripción más detallada del módulo 406 se expone más adelante referido a la fig. 7.

El módulo 408 de tratamiento de potencia espectral, biespectral, y espectral de orden más alto controla la generación de todas los conjuntos de datos para la distribución de potencia, relaciones de fase dinámicas, y acoplamiento de potencia dentro del EEG. Esta información puede ser obtenida por cálculo del auto/cruce de potencia espectral, biespectral, y espectral de orden más alto, con el uso de un procedimiento de base paramétrica o basado en FFT. Las tareas ejecutadas por este módulo incluyen sin limitarse a ello, la transformada de Fourier y la generación del espectro de potencia, la generación de densidad biespectral y densidad de orden más alto de auto/cruce, la generación de biocoherencia y de coherencia de orden más alto de auto/cruce, la generación de producto real biespectral y de producto real de orden más alto de auto/cruce, y la generación de bifase y de fase de orden más alto de auto/cruce. El módulo 408 coopera directamente con el módulo monitor 402. Una descripción más detallada del módulo 408 se expone más adelante referida a las figs. 8 y 9.

El módulo 410 de derivación de índice de diagnóstico genera los valores de datos utilizados en el procedimiento de diagnóstico. La tarea incluye, sin limitarse a ello, la clasificación de valores en la banda de frecuencia de interés por cada una de los conjuntos espectrales, biespectrales, o espectrales de orden más alto de potencia; la división de cada uno de los conjuntos clasificados en tramos (que incluyen uno o más valores) que representan partes del histograma de distribución de los datos clasificados (es decir, parte superior 0-5%, parte superior 5-10%, así como parte inferior 5%, etc.); la suma de los valores de cada tramo para crear una variable de número sencillo; creación de un índice de diagnóstico por multiplicación de los valores clasificados resultantes de los conjuntos espectrales, biespectrales, y espectrales de orden más alto de potencia mediante coeficientes predeterminados clínicamente; y suma de todas las variables que han sido multiplicadas por un coeficiente, para crear un índice de diagnóstico final. Los valores en las bandas de frecuencia de interés pueden ser reducidos también a un número único con el uso de métodos estadísticos descriptivos comunes, tales como el cálculo de la media y la desviación típica, u otros valores sencillos predeterminados tales como el mínimo o el máximo, o cualquier otro procedimiento para combinar o generar un valor único a partir de los valores del tramo. Uno o más de dichos valores por cada tramo puede ser multiplicado entonces por coeficientes predeterminados clínicamente, y añadidos a otras variables que han sido multiplicadas por un coeficiente para crear un índice de diagnóstico final. El módulo 410 coopera directamente con el módulo monitor 402. Una descripción más detallada del módulo 410 se expone más adelante referida a la fig. 11.

En la fig. 5 se muestra un esquema del funcionamiento del módulo monitor 402. En la operación de inicialización 502, los conjuntos de datos son llenados con las señales digitalizadas en bruto del EEG de los 63 segundos más recientes, y los datos espectrales, biespectrales, y espectrales de orden más alto de potencia por cada conductor son inicializados en cero. Los archivos de datos requeridos para almacenamiento, y los archivos que contienen bases de datos requeridos para el cálculo de los índices de diagnóstico, son también abiertos en la operación de inicialización 502.

En la operación 504, el sistema solicita la información procedente del usuario requerida para comenzar el procedimiento de adquisición y diagnóstico, a través del módulo de interfaz 404 del usuario. La información solicitada incluye la estadística descriptiva del paciente (sexo, edad, síntomas clínicos, etc.), tipo de procedimiento de diagnóstico a llevar a cabo, conductores utilizados para el autoanálisis espectral, biespectral, y espectral de orden más alto de potencia, así como los conductores que han de ser utilizados para el análisis de cruce de potencia espectral, biespectral, y espectral de orden más alto.

En su modalidad de funcionamiento por omisión, el sistema comprueba continuamente la profundidad y adecuación de la anestesia con el uso de la base datos autobiespectrales por omisión. La filtración de paso de banda por omisión es ejecutada rebasando el margen de 0,5 a 100 Hz, y el régimen de muestreo por omisión se establece en 256 muestras por segundo, la ganancia por omisión se fija en 5000 por cada conductor. La siguiente exposición y descripción de las realizaciones preferidas resaltarán el tratamiento autobiespectral ejecutado sobre los EEGs a partir de lugares de electrodo específicos que mejor proporcionan información de la profundidad de la anestesia. Otros métodos de actuación serán descritos más en general.

De acuerdo con el sistema internacional de electrodos 10/20, las 19 señales del EEG que pueden ser adquiridas con el uso del sistema son: Fp1, Fp2, F7, F3, Fz, F4, F8, T3, C3, Cz, C4, T4, T5, P3, Pz, P4, T6, O1, y O2 (A1 o A2 como referencia).

Para ejecutar un autoanálisis de potencia espectral, biespectral, o espectral de orden más alto, se requiere una señal. Esta señal puede ser medida directamente de cualquiera de los electrodos anteriores, o puede ser sintetizada por combinación lineal de señales procedentes de dos o más conductores de EEG. Por ejemplo, dos señales analógicas pueden ser restadas entre sí con el uso de un amplificador diferencial, para proporcionar una tercera señal. La misma operación puede ser ejecutada sobre las dos señales digitalizadas utilizando sustracción numérica. Los datos autoespectrales de potencia proporcionarán información relativa a la distribución de potencia dentro de la señal; los datos autobiespectrales proporcionarán información relativa a la desviación de la normalidad, de las no linealidades cuadráticas y las relaciones de fase de interfrecuencia dentro de la señal; y finalmente, los datos espectrales de orden más alto proporcionarán información relativa a la desviación de la normalidad, las no linealidades de orden más alto, y las relaciones de fase de interfrecuencia dentro de la señal. Dicho procedimiento determinará si la señal está hecha de componentes de onda independientes, o si ciertas frecuencias son simplemente armónicos de fundamentos interactivos no lineales. Los fenómenos cerebrales que alteran la estructura de la frecuencia no lineal en el emplazamiento comprobado por el electrodo son mejor cuantificados por los procedimientos de tipo autobiespectral y espectral de orden más alto.

Para la ejecución de los análisis de potencia de cruce espectral, biespectral, y espectral de orden más alto, se requieren dos señales. Las dos señales pueden ser medidas directamente de cualquiera de los electrodos anteriores, o las dos señales pueden ser sintetizadas por combinación lineal de dos o más conductores del EEG, como antes se ha descrito. Los datos de potencia de cruce espectral proporcionarán información relativa a la desviación de las relaciones de normalidad, no linealidades cuadráticas, y relaciones de fase de interfrecuencia entre las dos señales. Finalmente, los datos de cruce espectral de orden más alto proporcionarán información relativa a la desviación de no linealidades de orden más alto normales, y de las relaciones de fase de interfrecuencia entre las dos señales. Dicho tratamiento determinará si las frecuencias de señal "X" son independientes o son armónicos de fundamentos presentes en la señal "Y". Esto proporciona una mejor caracterización de las relaciones entre dos señales originadas en zonas separadas de la corteza. Los fenómenos cerebrales que alteran las relaciones de frecuencia no lineal entre las diversas zonas de la corteza son mejor cuantificadas mediante los procedimientos de cruce biespectral, y de cruce espectral de orden más alto.

Dado que los efectos de la anestesia son reflejados mediante cambios más globales en el EEG, la realización preferida utilizará seis señales para ilustrar el funcionamiento del sistema con el uso de análisis autobiespectral para la comprobación de la profundidad de la anestesia. Las seis señales son derivadas de las siguientes colocaciones de electrodo: las señales frontales izquierda y derecha (FL/FR) son derivadas de (Fp1-Cz) y (Fp2-Cz) respectivamente; las señales parietales izquierda y derecha (PL/PR) son derivadas de (P3-Cz) y (P4-Cz) respectivamente; y las señales frenteparietales (FPL/FPR) son derivadas de (Fp1-P3) y (Fp2-P4) respectivamente.

En la operación 506 se adquieren nuevos datos en bruto de EEG de memoria intermedia de un segundo. El sistema ejecuta la detección de señales espurias de la nueva memoria intermedia de un segundo, y actualiza adecuadamente todos los conjuntos de datos. Cualquier transmisión de datos espurios es presentada al operador para solicitar de éste que corrija el problema.

En la operación 508, el sistema calcula los conjuntos autoespectrales y autobiespectrales de potencia para las señales FL, FR, PL, PR, FPL, FAR. Por supuesto que pueden ser utilizadas otras señales para tratamiento de auto/cruce de potencia espectral, biespectral y espectral de orden más alto. Seguidamente serán expuestos con referencia a las figs. 8 y 9, dos procedimientos diferentes de calculo de potencia espectral, biespectral y espectral de orden más alto.

En la operación 510 son calculados los índices de diagnóstico de valor sencillo procedentes de todos los conjuntos generados de auto/cruce de potencia espectral, biespectral, y espectral de orden más alto. Los conjuntos de coeficientes predeterminados clínicamente para el auto/cruce de potencia espectral, biespectral, y espectral de orden más alto, son utilizadas para los cálculos del índice de diagnóstico. La generación de los conjuntos de coeficiente se expone más adelante. El sistema muestra instantáneamente, en la operación 512, todos los índices de diagnóstico calculados para todas las señales que se están analizando. En la operación 514, el sistema comprueba una petición de salida, y si dicha petición no ha sido hecha, el sistema repite las operaciones 508 a 514. En la operación 516 son producidas las impresiones pedidas, y los resultados son almacenados en un dispositivo de almacenamiento con fines de archivo, y todos los archivos son cerrados. En la operación 518, el procedimiento concluye.

En las figs. 6(a) a 6(c) se ilustra una muestra de representación visual condensada generada por el sistema. Las representaciones de la cabeza del paciente se muestran en los gráficos de las figs. 6(a) y 6(b). La primera ilustración, fig, 6(a) está dividida en diecinueve secciones, cada una de las cuales representa la zona comprobada por un electrodo. La segunda ilustración de la fig. 6(c) está dividida en tres secciones horizontales que representan la actividad combinada de los hemisferios izquierdo y derecho, comprobada por un grupo de electrodos en esa zona. La cabeza virtual mostrada en la pantalla puede ser dividida como se precise para un diagnóstico particular o aplicación de comprobación. Por ejemplo, si se está siguiendo un efecto global similar a la profundidad de la anestesia, el índice unificado junto con su tendencia puede ocupar la totalidad de la zona visualizada.

Para la representación de la cabeza en la fig. 6(a), cada sección contiene el valor instantáneo del índice 602 con el uso de los datos del EEG adquiridos con el electrodo de esa zona. Para la representación de la cabeza en la fig. 6(b), cada sección contiene el valor instantáneo del índice calculado 604 con el uso de los datos del EEG adquiridos de varios electrodos en esa zona. Inmediata a cada valor de índice se emplea una flecha de color codificado para mostrar el cambio instantáneo en la dirección del índice. La flecha será verde si la flecha está dentro de los límites aceptables fijados por el operador. La flecha cambiará a amarillo si la flecha se desplaza hacia la zona de aviso. Una barra roja centelleante reemplazará a la flecha si el índice tiene un valor que está fuera de los límites aceptables establecidos para el paciente.

A petición del operador, el valor instantáneo del índice y su tendencia para cada sección puede ser presentado como una vista ampliada 606 para examen más detallado, como se muestra en la fig. 6(c). Esto facilitará el examen del paciente a distancia. Cada sección será cubierta por una gran "X" 608 si falla un electrodo o se detecta una señal espuria, por cada uno de los conductores que contribuyen a los datos requeridos para generar el índice de diagnóstico para esa zona.

Con referencia a la fig. 7 se describirá con gran detalle el módulo 406 de adquisición y manejo de datos en bruto del EEG. En la operación 702, el sistema comprueba si se están adquiriendo nuevos datos por primera vez. Si es así, el sistema de adquisición 12 en la operación 704 es suministrado con información pedida de filtración, ganancia, régimen de muestreo, y selección de terminales. Los ajustes por omisión son paso de banda de 0,5 a 100 Hz para filtración, 5000 para ganancia, 256 muestras por segundo para régimen de muestreo, y son adquiridas señales de las combinaciones de conductores FL, FR, PL, PR, FPL, y FPR. Los ajustes anteriores son muy diferentes cuando el sistema está analizando respuestas del EEG evocadas, en vez de señales del EEG continuas. Los ajustes comunes de ganancia y de filtro para adquirir señales para los diversos potenciales de EEG evocados se describen más adelante.

Los potenciales evocados del EEG son un medio con el cual las áreas sensoriales del cerebro y del sistema nervioso central pueden ser investigadas, por detección de las respuestas en los estímulos sensoriales del EEG. Hay tres métodos comunes. Potenciales evocados visuales de figuras desplazadas (PSVEP) implican una figura visual que es mostrada al paciente y cambiada. Por ejemplo, una luz estroboscópica puede ser centelleada. o un tablero de ajedrez blanco y negro puede ser invertido (blanco por negro y viceversa). Los potenciales evocados audibles del cerebro (BAEP) utilizan un estímulo audible controlado tal como un click producido por un generador de señal. Finalmente, los potenciales evocados somatosensoriales (SEP) emplean otros estímulos fisiológicos o eléctricos (toque o estiramiento de un músculo). En todos los métodos potenciales evocados son colocados electrodos cerca de los centros apropiados del cerebro (es decir, sobre las cortezas visuales en el caso de potenciales evocados visuales), y los EEGs son registrados durante un cierto período de tiempo que comienza con la administración del estímulo. Dicho estímulo se repite muchas veces, y los registros resultantes son promediados (tradicionalmente en el dominio del tiempo), de modo que se eliminen todas las partes de la señal del EEG excepto las debidas al estímulo. En la presente invención, se promedian una serie de conjuntos de potencia espectrales, biespectrales, y espectrales de orden más alto, producidos desde el EEG de respuestas evocadas.

Por cada método potencial evocado son utilizados diferentes ajustes de filtro y de ganancia. Por ejemplo, un margen de ajuste de ganancia común para potenciales evocados visuales de desplazamiento de patrón es de 20.000 a 100.000. Un margen de ajuste de filtro común para PSVEPs es de 1 a 3 Hz para el extremo bajo del paso de banda, y de 100 a 300 Hz para el extremo alto. El método y uso de los potenciales evocados se describen con más detalle en "Evoked Potentials in Clinical Medicine", por Chiappa, 1983, cuyas enseñanzas se incorporan aquí como referencia.

En la operación 706, el sistema de adquisición 12 adquiere un valor de un segundo de datos nuevos para todos los conductores pedidos. Alternativamente, la señal procedente de una respuesta potencial evocada completa es adquirida si el sistema está analizando potenciales evocados. El sistema detecta fallos en los conductores durante el ciclo de adquisición en la operación 708, por comprobación de valores positivos o negativos muy grandes. Igualmente, en la operación 708 son utilizados algoritmos disponibles públicamente, para comprobar las señales espurias en cada conductor. En la operación 710, los conductores pueden haber fallado, y aquéllos que producen datos espurios son marcados por el módulo monitor 402.

En la operación 712, el registro de los 4 segundos más recientes por cada una de las señales es asignado a X_{i}(t), siendo X_{i}(t) los registros de series cronológicas individuales proporcionados para tratamiento de potencia autoespectral, autobiespectral, y espectral de orden más alto (en el que, la serie cronológica X_{i}(t), para todos los valores t para un valor i específico, es citada como un registro. En situaciones en las que se requiera tratamiento de potencia de cruce espectral, biespectral, y espectral de orden más alto, el registro de los 4 segundos más recientes procedente de la segunda señal es asignado a Y_{i}(t). En la realización preferida, Y_{i}(t) se establece igual a X_{i}(t) en todos los casos, ya que sólo han de ser ejecutados cálculos de potencia autoespectral, autobiespectral, y autoespectral de orden más alto. El índice i indica el número de registro de 1 a 60. Si los potenciales evocados están siendo analizados, la respuesta de potencial evocado completa más reciente procedente de cada señal es asignada al valor apropiado X_{i}(t) e Y_{i}(t) como antes se ha descrito. El uso de respuestas de potencial evocado como registros individuales permitirá promediar un gran número de ellas en los dominios de potencia espectral, biespectral, y espectral de orden más alto.

En la operación 714, se utiliza un mecanismo de memoria intermedia circular para almacenar los datos en bruto del EEG por cada conductor, así como los conjuntos de potencia de auto/cruce espectrales, biespectrales, y espectrales de orden más alto, para los sesenta registros más recientes de 4 segundos X_{i}(t) e Y_{i}(t) por cada conductor. La memoria intermedia es actualizada por almacenamiento de los datos mas recientes adquiridos y tratados en el emplazamiento de los datos más antiguos. En la operación 716, el funcionamiento del sistema retorna al módulo monitor 402.

Con referencia ahora a la fig. 8, se expondrán los procedimientos basados en el dominio de frecuencia para producir el autoespectro de potencia, autobiespectro, espectro de potencia de cruce, o el biespectro de cruce. En la operación 802, el sistema comprueba si el cálculo que se ha de ejecutar requiere una o dos señales. Típicamente se requiere una serie cronológica para ejecutar análisis autoespectrales, y se precisan dos series cronológicas para ejecutar análisis espectrales cruzados.

En la operación 804, el sistema establece los registros de tiempo de la siguiente manera, con objeto de continuar con un cálculo de potencia espectral o autobiespectral, del conductor unipolar. Dado que estos componentes requieren sólo una señal, el segundo juego de registros Y_{i}(t) se establece igual al primer juego X_{i}(t). En consecuencia, las correspondientes transformadas de Fourier de X_{i}(t) y de Y_{i}(t), respectivamente X_{i}(f) e Y_{i}(f), son también iguales.

X_{i}(t) = Y_{i}(t) \rightarrow X_{i}(f) = Y_{i}(f)

donde i indica el número de registros, que en esta realización va de 1 a 60.

En la operación 806, los registros de tiempo se establecen para análisis de potencia de cruce espectral y biespectral, con el uso de dos señales en serie cronológicas separadas. En consecuencia, las correspondientes transformadas de Fourier no son iguales:

X_{i}(t) \neq Y_{i}(t) \rightarrow X_{i}(f) \neq Y_{i}(f)

donde X_{i}(t) e Y_{i}(t) representan registros de series cronológicas derivadas individualmente procedentes de dos zonas examinadas por dos o más electrodos.

La transformada rápida de Fourier (FFT) X_{i}(f) e Y_{i}(f) de cada uno de los 60 registros clasificados para esa señal, es calculada en la operación 808 con el uso de una rutina estándar IEEE de biblioteca (o cualquier otra rutina adquirible en el mercado). Si se precisa, cada una de las series de registros transformados X_{i}(f) e Y_{i}(f) puede ser normalizada por división del valor de cada frecuencia por las constantes C_{xi} y C_{yi}, respectivamente. Estas constantes son derivadas separadamente por cada registro y cada serie (X o Y). La constante podría ser la potencia total, el pico mayor en el espectro de interés, o alguna otra derivada de X_{i}(f), X_{i}(t), Y_{i}(f), e Y_{i}(t).

En la operación 810, el sistema comprueba si el cálculo a ejecutar es un cálculo de potencia espectral o biespectral.

El sistema calcula en la operación 812 los valores de auto/cruce de densidad de potencia espectral (PD(f)), mediante el uso de las siguientes ecuaciones, en las que PC(f) es el producto complejo medio para una señal o par de señales:

PC(f) = \frac{1}{M} \sum\limits^{M}_{i=1} X_{i}(f) * Y_{i} \ ^{*}(f)

PD(f) = |PC(f)|

donde Y*_{i}(f) es el conjugado complejo de Y_{i}(f) (O < f < f_{S} / 2), y M es el número de registros (60 en la realización preferida. El sistema retorna entonces al conjunto de densidad de auto/cruce de potencia espectral, para comprobar el módulo 402.

Si el sistema está ejecutando un cálculo biespectral en la operación 814, dicho sistema comprueba si el cálculo a ejecutar es un cálculo autobiespectral o biespectral de cruce.

El análisis autobiespectral es un caso especial de análisis de cruce biespectral, y por tanto se aplican reglas de simetría diferentes. En la operación 816, el sistema utiliza las siguientes ecuaciones para determinar qué márgenes de f_{1} y f_{2} han de ser utilizados durante el cálculo autobiespectral.

f_{1} + f_{2} \leq \frac{f_{2}}{2}

donde f_{s} es igual al régimen de muestreo (es decir, el número de muestras por segundo) 256 muestras por segundo en una realización preferida, y

0 \leq f_{2} \leq f_{1}

donde f_{1} y f_{2} (citados también como F_{1} y F_{2}, o Frecuencia 1 y Frecuencia 2) indican los pares de frecuencia sobre los que será llevado a cabo el cálculo biespectral.

En la operación 818 se utilizan las siguientes ecuaciones para determinar el margen de f_{1} y f_{2} para análisis biespectral de cruce:

0 \leq f_{1} + f_{2} \leq \frac{f_{S}}{2}

0 \leq f_{1} \leq \frac{f_{S}}{2}

\frac{-f_{S}}{2} \leq f_{2} \leq \frac{f_{S}}{4}

f_{2} \leq f_{1}

donde todas las variables representan los mismos valores como para el análisis autobiespectral, excepto en que el análisis de cruce biespectral X_{i}(f) e Y_{i}(f) representa la transformada de Fourier de los registros de series cronológicas derivadas individualmente de dos zonas separadas.

En la operación 820, los espectros de potencia P_{xi}(f) y P_{yi}(f) de cada uno de los 60 registros seleccionados para esa señal son calculados mediante elevación al cuadrado de las magnitudes de cada elemento de la transformada de Fourier X_{i}(f) e Y_{i}(f), respectivamente.

El sistema calcula en la operación 822 el producto triple complejo medio con el uso de las siguientes ecuaciones, en las que bc_{i}(f_{1},f_{2}) es un producto triple complejo individual para un registro de 4 segundos, y BC(f_{1},f_{2}) es el producto triple complejo medio para todos los 60 registros:

bc_{i}(f_{1}, f_{2}) = x_{i}(f_{1}) * x_{i}(f_{2}) * Y*_{i} (f_{1} + f_{2})

donde Y*_{i}(f_{1} + f_{2}) es el conjugado complejo de Y_{i}(f_{1} + f_{2}), y

BC(f_{1}, f_{2}) = \frac{1}{M} \sum\limits^{M}_{i=1} bc_{i} (f_{1}, f_{2})

donde M es el número de registros (60 en la realización preferida).

El producto triple real medio es calculado en la operación 824 mediante el uso de las siguientes ecuaciones, en las que br_{i}(f_{1}, f_{2}) es un producto triple real individual para un registro de 4 segundos, y BR(f_{1},f_{2}) es el producto triple real medio para todos los 60 registros:

br_{i} (f_{1}, f_{2}) = P_{xi} (f_{1}) * Px_{i} (f_{2}) * P_{yi} (f_{1} + f_{2})

BR (f_{1}, f_{2}) = \frac{1}{M} \sum\limits^{M}_{i=1} br_{i} (f_{1}, f_{2})

donde M es el número de registros (60 en la realización preferida).

En la operación 826 se calcula el conjunto de valores de auto/cruce de densidad biespectral (BD(f_{1},f_{2})) con el uso de la siguiente ecuación:

BD (f_{1}, f_{2}) = IBC (f_{1}, f_{2}) I

En la operación 828 se calcula el conjunto de las raíces cuadradas de los productos triples reales medios
(SBR(f_{1},f_{2})), con el uso de la siguiente ecuación:

SBR (f_{1}, f_{2}) = [BR(f_{1}, f_{2})]^{1/ 2}

En la operación 830, el sistema calcula el conjunto de los valores de auto/cruce de bifase (\varphi(f_{1},f_{2})) con el uso de la siguiente ecuación:

\varphi(f_{1}, f_{2}) = tan^{-1} [ Im(BC(f_{1}, f_{2})) / Re(BC(f_{1}, f_{2}))]

0 < \varphi < 2\pi (radianes)

En la operación 832, el sistema calcula el conjunto de valores de biocoherencia de auto/cruce (R(f_{1}, f_{2})) con el uso de la siguiente ecuación:

R(f_{1}, f_{2}) = BD(f_{1}, f_{2})/SBR(f_{1}, f_{2})

0 < R < 1

En la operación 834, el sistema retorna el conjunto solicitado de potencia espectral de auto/cruce, o los conjuntos bifásicos de densidad espectral de auto/cruce, raíz cuadrada del producto real triple promediado, biocoherencia, al módulo monitor 402.

Las ecuaciones anteriores basadas en el dominio de frecuencia para calcular los conjuntos de auto/cruce biespectrales pueden ser generalizadas para calcular los conjuntos espectrales de auto cruce de orden más alto. Esto permitirá el cálculo de triespectro, cuadroespectro, etc. Suponiendo que han de ser calculados los conjuntos para un espectro de orden K, pueden ser utilizadas las siguientes ecuaciones;

Producto de orden K complejo promediado:

KC (f_{1}, f_{2}, ...., f_{K-1}) = \frac{1}{M} \sum\limits^{M}_{i=1}

\hskip2cm

x_{i}(f_{1}) * x_{i}(f_{2}) * ....

*X_{i}(f_{K}-1) * Y*_{i}(f_{1}+f_{2}+ ... + f_{K}-1)

donde M es el número de registros (60 en la realización preferida).

Producto de orden K real promediado:

KR (f_{1}, f_{2}, ..., f_{k-1}) = \frac{1}{M} \sum\limits^{M}_{i=1}

\hskip2cm

P_{xi}(f_{1}) * P_{xi}(f_{2}) * ...

* P_{xi}(f_{k-1}) * P_{yi}(f_{1} + f_{2} + ... +f_{k-1})

Densidad espectral de orden K de auto/cruce:

KD(f_{1}, f_{2}, ... f_{K-1}) = |KC (f_{1}, f_{2},...., f_{K-1})|

Coherencia de orden K de auto/cruce

R(f_{1}, f_{2}, ..., f_{k-1}) = KD(f_{1}, f_{2}, ... ,f_{k-1})/[KR(f_{1}, f_{2}, ... ,f_{k-1})]^{1/2}

0 < R < 1

Fase de orden K de auto/cruce

\varphi(f_{1}, f_{2}, ..., f_{k-1}) = tan^{-1} [Im(KC(f_{1}, f_{2}, ..., f_{k-1}))/ Re(KC(f_{1}, f_{2}, ..., f_{k-1}))]

0 < \varphi < 2\pi (radianes)

La fig. 9 ilustra un método de base paramétrica para producir la potencia autoespectral o autobiespectral, espectral de cruce de potencia, o biespectral de cruce. En las operaciones 902, 904, y 906, el sistema establece los registros de serie cronológica de la misma manera que la antes descrita en las operaciones 802, 804, y 806, respectivamente. La potencia espectral de auto/cruce de X_{i}(t) e Y_{i}(t) es estimada en las operaciones 910 y 912. Este método de estimación incluye dos etapas principales, la clasificación de orden de modelo autorregresivo (AR), y el cálculo de la potencia de auto/cruce espectral para X_{i}(t) e Y_{i}(t). En la operación 908, el sistema calcula dos secuencias de autocorrelaciones, {R_{2X}(m)} y {R_{2Y}(m)} con el uso de la siguiente ecuación;

R_{2z}(m) = \frac{1}{M*N} \sum\limits^{M}_{i=1} \sum\limits^{N-|m|}_{t=0}

\hskip1cm

z_{i}(t) z_{i}(t + m)

z = X ó Y, y m = 0,1, ..., L

siendo M el número de registros de cada señal (60 en la realización descrita), y N el número de muestras por registro (1024 en la realización descrita). L es superior al mayor orden posible del filtro AR (50 en la realización descrita).

Los errores de predicción finales FPE_{X}(m) y FPE_{Y}(m) son calculados para todos los órdenes, m = 1, 2, ... L, por ejecución en la operación 910 de la función de recurrencia Levinson sobre cada secuencia de autocorrelación, con objeto de hallar el orden del filtro AR. El orden de los filtro AR puede ser determinado mediante el hallazgo de la localización del mínimo de los errores de predicción finales; FPE_{X}(m) y FPE_{Y}(m) respectivamente, es decir:

FPE_{X} (QX) = min \{FPE_{X}(m)\} \ y \ FPE_{Y}(Q_{Y}) = min\{FPE_{Y}(m)\}

donde Q_{X} y Q_{Y} son los emplazamientos de los valores mínimos para FEP_{X}(m) y FPE_{Y}(m) (respectivamente), y en consecuencia, los órdenes de los filtros AR para el espectro de potencia X_{i}(t) e Y_{i}(t) (respectivamente).

Una vez que los órdenes de los filtros AR para el autoespectro de potencia son conocidos, las secuencias de autocorrelación {R_{2X}(m)} y {R_{2Y}(m)} son introducidas en una recurrencia Levinson con orden Q_{X} y Q_{Y}, respectivamente, en lugar de L. Los coeficientes {c_{iX}, i = 0,1... Q_{X}} y {c_{iY}, i = 0, 1,...,Q_{Y}} obtenidos en la recurrencia, son los coeficientes de los filtros AR para el auoespectro de potencia de X_{i}(t) e Y_{i}(t) respectivamente. Luego, en la operación 912, las funciones de transferencia de los filtros AR para el autoespectro de potencia de X_{i}(t) e Y_{i}(t) son calculados como la raíz cuadrada del error de predicción (\sigma_{z}) dividida por la transformada de Fourier de los coeficientes, es decir:

H_{Pz}(f) = \frac{\sigma_{z}}{1 + \sum\limits^{Q_{z}}_{i=1} c_{iz} e^{-j2\pi fi}},

\hskip1cm

z = X, Y.

Los valores de densidad espectral de auto/cruce de potencia (PD(f)) son la magnitud del producto complejo de
H_{PX}(f) y del conjugado complejo de H_{PY}(f), es decir:

PC(f) = H_{PX}(f) * H*_{PY}(f)

PD(f) = IPC(f)I

Si se precisa, la misma normalización utilizada en la operación 808 puede ser utilizada aquí (en H_{PZ}(f)).

En la operación 914, el sistema comprueba si el cálculo a ejecutar es un cálculo biespectral, y si no es así, el sistema retorna el conjunto de densidad espectral de auto/cruce de potencia pedido al módulo monitor 402.

En las operaciones 916, 918, y 920, el sistema establece las simetrías de la misma manera que antes se ha descrito en las operaciones 814, 816, y 818.

El sistema estima en las operaciones 922, 924, y 926 el biespectro de auto/cruce. El procedimiento de estimación incluye dos etapas principales: la selección del orden y el cálculo biespectral. En la operación 922 son calculadas dos secuencias de momento de tercer orden {R_{3X}(\tau)} y {R_{3Y}(\tau)}, con el uso de la siguiente ecuación:

R_{3z}(\tau) = \frac{1}{M*N} \sum\limits^{M}_{i=1} \ \ \sum\limits^{S_{2}}_{t=s_{1}}

\hskip1cm

z_{i}(t)z^{2}_{i}(t +\tau),

\hskip1cm

z = X, Y, \ \ y

\hskip1cm

\tau=-L,...,L

donde s_{1} = max (1, 1 - \tau), s_{2} = min (N, N - \tau), y L es superior al filtro de AR de mayor orden posible (por ejemplo, 50).

En la operación 924 se forman dos matrices TX y TY como sigue:

15

A partir del supuesto hecho sobre el filtro AR del biespectro, los órdenes O_{X} y O_{Y} de los filtros AR del biespectro de X_{i} (t) e Y_{i} (t) son los rangos de las supermatrices T_{X} y T_{Y}. Por tanto, O_{X} y O_{y} se eligen mediante el uso de descomposiciones de valor singular. Hallados los órdenes, se obtienen los coeficientes de los filtros AR del biespectro, mediante la resolución del siguiente sistema lineal de ecuaciones;

16

donde la asimetría (\betaz) y los coeficientes (b_{1Z}, ... b_{ozZ}) = X o Y, pueden ser obtenidos por resolución del sistema lineal de ecuaciones.

El biespectro de auto/cruce de X_{i}(t) e Y_{i}(t) es calculado en la operación 926 como la raíz cúbica del producto triple de las asimetrías u oblicuidades (\betax \betay \betay)^{1/3} dividido por el producto triple de la transformada de Fourier de los coeficientes de filtro AR (H_{Z}(f)), es decir:

BC(f_{1}, f_{2}) = (\beta x \beta y \beta y)^{1/3}

\hskip2mm

/

\hskip2mm

H_{X}(f_{1})H_{X}(f_{2}) H*_{Y}(f_{1} + f_{2})

H_{z}(f) = 1 + \sum\limits^{O_{Z}}_{i=1} b_{iz} \ \ e^{-j2\pi fi},

\hskip1cm

z = X, Y.

y BR(f_{1}, f_{2}) es el producto real triple para esa misma señal:

BR(f_{1}, f_{2}) = P_{x}(f_{1})*P_{x}(f_{2})*P_{Y}(f_{1}+f_{2})

cuando el autoespectro de potencia de X_{i}(t) e Y_{i}(t), P_{X}(f) y P_{Y}(f) se calculan por elevación al cuadrado de las magnitudes de la función de transferencia de los filtros AR para el autoespectro de potencia de X_{i}(t) a Y_{i}(t), (H_{PX}(f) y H_{PY}(f)) respectivamente. Si se solicita, la misma normalización utilizada en la operación 808 puede ser utilizada aquí. De igual modo, (\betaz )^{1/3}/H_{Z}(f) es dividido por la raíz cuadrada de la suma del cuadrado de su magnitud para cierta banda de frecuencia, su valor de pico mayor, o alguna constante de normalización derivada igualmente.

Después de obtener la potencia espectral y biespectral de auto/cruce, el sistema calcula en la operación 928 el conjunto de densidad biespectral, la bifase, la bicoherencia y la raíz cuadrada del producto real triple medio (RTP), del mismo modo que en las operaciones 826, 828, y 832. En la operación 930, el sistema retorna al módulo monitor 402 los conjuntos pedidos de densidad espectral de auto/cruce de potencia, densidad biespectral, raíz cuadrada del producto real triple, bifase, y bicoherencia.

Las ecuaciones paramétricas anteriores utilizadas para calcular los conjuntos biespectrales de auto/cruce pueden ser generalizadas para comparar formaciones espectrales de auto cruce de orden más alto. Esto permitirá el cálculo del triespectro, cuadroespectro, etc. Suponiendo que los conjuntos para el espectro de orden K han de ser calculadas, pueden ser utilizadas las siguientes ecuaciones:

Espectro de auto/cruce de orden K:

KC(f_{1}, f_{2}, ..., f_{k-1}) = ((\beta x)^{K-1}\beta y)^{1/K}

\hskip2mm

/

\hskip2mm

Hx(f_{1}) Hx(f_{2}) ...H_{X}(f_{K-1}) H*_{Y}(f_{1} + f_{2} +...+ f_{K-1})

Hz (f) = 1 + \sum\limits^{0_{Z}}_{i=1} b_{iz} \ \ e^{-j2\pi fi},

\hskip1cm

Z = X, Y.

Producto real de orden K:

KR (f_{1}, f_{2},..., f_{K-1}) = P_{X}(f_{1})* P_{X}(f_{2})* ... *Px(f_{K- 1})*Py (f_{1} + f_{2} + ... + f_{K-1})

\newpage

Después de obtener el espectro de auto/cruce de orden K, el sistema calcula el conjunto de densidad espectral de auto/cruce de orden K, la fase de auto/cruce de orden K, y la coherencia de auto/cruce de orden K, de igual modo que en el método basado en el dominio de frecuencia.

Con fines de ilustración, las figs. 10(a) a 10(c) son gráficos de muestras de conjuntos autobiespectrales que muestran pares de frecuencia 0 < f_{1} < 30 Hz, y 0 < f_{2} < 15 Hz. En la fig. 10(a) se muestra un conjunto de densidad biespectral en el que el eje Z representa la magnitud en decibelios (dc) de la interacción acoplada entre todos los pares de frecuencia apropiados f_{1} y f_{2}. Ha de hacerse notar que el par de frecuencia (f_{1}, f_{2}) debe adaptarse a la ecuación;

f_{1} + f_{2} \leq \frac{f_{2}}{2}

donde f_{S} es en este caso igual a 60 Hz. En la fig. 10(c) se muestra un conjunto de bicoherencia en el que se presenta la magnitud normalizada en tantos por ciento (%) de la interacción acoplada entre todos los pares de frecuencia apropiados f_{1} y f_{2}. En la fig. 10(b) se muestra una conjunto bifásico en la que el eje Z representa la fase en radianes de la interacción acoplada entre todos los pares de frecuencia apropiados f_{1} y f_{2}. En la fig. 10(d) se muestra un conjunto de la raíz cuadrada del producto triple real, en la que el eje Z representa la magnitud en decibelios (db) de la interacción acoplada entre todos los pares de frecuencia apropiados f_{1} y f_{2}.

Con referencia a la fig. 11 se expondrá ahora una ilustración más detallada del módulo 410 generador de índice de diagnóstico. En la operación 1102, el sistema identifica el tipo de valoración de diagnóstico en curso. En una realización preferida, las cinco opciones posibles son:

1. Profundidad de la anestesia, consciencia/hipnosis, capacidad de respuesta al dolor, y tensión quirúrgica.

2. Isquemia e hipoxia cerebrales.

3. Intoxicación cerebral (alcohol, narcóticos).

4. Evaluación potencial evocada.

5. Evaluación del proceso cognitivo.

En la operación 1104, el sistema obtiene los conjuntos de espectro de potencia de auto/cruce, biespectro, y/o espectro de orden más alto, requeridos para el cálculo del índice de diagnóstico solicitado, con el uso del método de clasificación que se describe más adelante. Los diversas conjuntos que pueden ser utilizados para generar el índice de diagnóstico son: espectro de potencia de auto/cruce, densidad biespectral de auto/cruce, bicoherencia de auto/cruce, producto real biespectral de auto/cruce, densidad espectral de auto/cruce de orden K, coherencia de auto/cruce de orden K, producto real espectral de auto/cruce de orden K, y fase de auto/cruce de orden K.

La clasificación de los conjuntos de auto/cruce de potencia de espectro, biespectro, y espectro de orden más alto, es una característica importante de la presente invención, ya que proporciona un mecanismo para compensar los cambios en la distribución de la energía en estos y en otros espectros. Lo que sigue es una descripción general de cómo es puesta en práctica la característica en una realización preferida.

Basado en una derivada FFT de registros de 4 segundos, como se describe en la realización preferida, pueden ser calculados 120 puntos de datos para un conjunto espectral de potencia que cubre la banda de frecuencia de 0 a 30 Hz (con registros de 4 segundos y un régimen de muestreo de 256 muestras por segundo, la resolución del FFT es de 0,25 Hz, y el margen utilizado tiene una anchura de 30 Hz, por lo que hay 120 = 30 Hz / 0,25 Hz puntos de datos). Cuando los 120 puntos de datos son elegidos en orden descendente, el primer elemento del conjunto elegido corresponderá al valor de espectro de potencia más alto, y el último elemento corresponderá al valor de espectro de potencia menor. Puede ser generado entonces un histograma de distribución de potencia con el uso de el conjunto elegido. El eje X del histograma representará la potencia en dBs, y el eje Y representará el número de puntos en el conjunto elegido que corresponden a un valor particular del eje X de potencia. Si todos los puntos del conjunto elegido se suman juntos, la suma representará la potencia total en el espectro de 0 a 30 Hz. Si un número de puntos adyacentes del conjunto elegido se suman juntos, se obtiene una parte del histograma que representa un porcentaje de la potencia total. Por ejemplo, en una señal de EEG particular, los dos puntos superiores del conjunto elegido representan el 10% superior de la potencia total en el histograma de distribución de potencia. De igual modo, la suma de los 70 puntos inferiores (para la misma señal) en el conjunto elegido proporcionará el 10% inferior de la potencia total en el histograma. En lugar de sumar los puntos del conjunto, valores estadísticos tales como la media o desviación típica de puntos del conjunto, o valores sencillos tales como el medio, mínimo, o máximo de los puntos de dicho conjunto pueden ser calculados y utilizados para crear un índice de diagnóstico. Igualmente, el punto superior en el conjunto elegido será equivalente a calcular el pico o potencia máxima, mientras que el elemento intermedio será equivalente a la potencia media, y el último elemento será la potencia mínima. En una realización se utiliza el valor de pico. En otra realización se utiliza el valor mínimo. En una tercera realización pueden ser utilizados los valores de pico y mínimo. Con este procedimiento, puede ser obtenida cualquier parte del histograma de distribución de potencia por suma de uno o más elementos adyacentes del conjunto elegido (parte superior, el 25% de la potencia total; parte intermedia, el 50% de la potencia total, etc.) (dado que se ha determinado empíricamente la función de transferencia a partir de puntos específicos con respecto al porcentaje de la potencia total). Por clasificación, se pueden seguir zonas de alta actividad y de baja actividad (picos y valles) en el espectro de potencia de 0 a 30 Hz, sin tener que analizar bandas de frecuencia estrechas específicas. Esto es equivalente a representar el espectro de potencia en su función de distribución de ella, y trabajar sobre bandas fijas dentro de esa función de distribución. Esta transformación está dirigida a algunas de las inconsistencias en el comportamiento de la potencia del EEG, observadas cuando son administrados agentes hipnóticos anestésicos. Más en general, el esquema de clasificación antes expuesto transformará cualquier conjunto de espectro de potencia de auto/cruce, biespectro, o espectro de orden más alto de cualquier dimensión y banda de frecuencia, en una función de distribución unidimensional de los valores que contiene. La distribución unidimensional es dividida luego en bandas fijas, que pueden ser combinadas para producir un índice de diagnóstico. Las bandas fijas o secuencia de tramos pueden ser hechas de hasta uno o más puntos, para permitir la evaluación de los cambios en picos y valles específicos, y otras propiedades de la distribución de los datos que se están analizando. Aunque la palabra "clasificación" es utilizada en esta realización preferida, está destinada a cubrir cualquier ordenación por rango de cualquier conjunto espectral de potencia de auto/cruce, biespectral, o espectral de orden más alto, de cualquier dimensión y banda de frecuencia, y el uso de la información de ordenación por rango para extraer uno o más puntos que luego son utilizados para generar uno o más índices de diagnóstico para la valoración de los fenómenos cerebrales de manera compatible con esta realización.

En la operación 1106, son elegidos los conjuntos de referencia de auto/cruce de espectro, biespectro, y espectro de orden más alto de potencia. Los correspondientes conjuntos dependientes son reordenados de acuerdo con la secuencia clasificada del conjunto de referencia. Un conjunto de referencia es aquél cuyos valores son utilizados como primera clasificación clave para un grupo de conjuntos correspondientes que tienen el mismo número de variables y que son de tamaño idéntico al conjunto de referencia. Por ejemplo, si el conjunto de referencia hubiese de tener cuatro elementos y a éstos se les hubiesen dado los índices 1, 2, 3, y 4 antes de la clasificación, y después de la clasificación el nuevo orden de los índices fuese 2, 1, 4, y 3, podría ser utilizada la misma disposición para reordenar cualquier otro conjunto del mismo tamaño (en este caso, por colocación del segundo elemento primero, el primer elemento segundo, etc.). De este modo se puede utilizar la clasificación del conjunto de referencia para redisponer los conjuntos dependientes. En la realización preferida el conjunto de referencia es de densidad autobiespectral y los conjuntos dependientes son de autobicoherencia y la raíz cuadrada del producto real triple medio. La densidad autobiespectral fue clasificada como conjunto de referencia debido a que proporciona información sobre la potencia residual en cada par de frecuencia después de las cancelaciones de fase aleatorias. Por tanto, la clasificación del conjunto de densidad autobiespectral proporciona medios más estables para clasificar los valores de autobicoherencia, de lo que sería la clasificación de los propios conjuntos. Un conjunto diferente puede ser seleccionado para satisfacer otros requerimientos.

En algunas realizaciones, la suma, la media, y la desviación típica de la potencia de auto/cruce espectral, biespectral, y espectral de orden más alto del conjunto de interés, son también calculadas (antes o después de que la clasificación proporcione los mismos resultados, ya que estas estadísticas descriptivas son independientes del orden según rango). Estas variables pueden ser utilizadas también en la generación del índice de diagnóstico. Variables adicionales pueden ser derivadas directamente de formaciones clasificadas y sin clasificar, por toma de la relación sencilla o producto de cualquiera de dos variables clasificadas o descriptivas. Por ejemplo, la relación de la desviación típica con respecto a la media proporcionará el coeficiente de variación. La finalidad es romper los conjuntos clasificadas o no clasificados en tantos descriptores como sea posible.

En la operación 1108, los conjuntos seleccionados de auto/cruce de potencia espectral, biespectral, y espectral de orden más alto, son divididos en tramos, como se describe más adelante. La suma de los puntos de cada tramo para cada conjunto es calculada y almacenada en una variable temporal. Las variables estadísticas descriptivas que son generadas en la operación 1108 pueden ser almacenadas también en localizaciones temporales. En la operación 1110, el conjunto de coeficientes predeterminados clínicamente para el índice de diagnóstico generado es recuperado de la memoria residente (o del dispositivo de almacenamiento). Cada coeficiente en el conjunto de coeficientes predeterminados corresponde a una de las variables generadas en la operación 1108. En la operación 1112, el índice de diagnóstico es producido a partir de la suma de todas las variables multiplicada por sus correspondientes coeficientes en el conjunto de coeficientes predeterminados. Como antes se ha dicho, las variables utilizadas en la producción del índice de diagnóstico puede ser la suma de los puntos en cada tramo, cualquier valor estadístico descriptivo (tal como el valor medio, desviación típica, valor máximo, valor mínimo, etc), generado a partir del valor de los puntos de cada tramo o cualquier valor predeterminado de un conjunto clasificado o sin clasificar, o de un tramo en un conjunto clasificado o sin clasificar. En la operación 1114, el programa retorna al módulo monitor 402.

Los conjuntos de coeficientes clínicos predeterminados antes citados son esenciales para la capacidad del dispositivo para conseguir una eficacia en un diagnóstico clínicamente relevante. Seguidamente se describirá el procedimiento adoptado para generar estos conjuntos de referencia clínica. Dado que un gran número de posibles conjuntos de referencia debe ser generado para acomodar todas las modalidades de diagnóstico del sistema, sólo se expondrá aquí una en detalle. Los demás conjuntos de referencia son generados de modo similar. Con fines de ilustración, seguidamente se describe un método para generar los coeficientes requeridos para seguir la capacidad de respuesta al componente de estimulación por tensión de la profundidad de la anestesia, con el uso de las señales derivadas FL y FR (de la realización preferida).

\newpage

Para determinar qué variables han de ser incorporadas al índice de diagnóstico, así como los valores de los coeficientes clínicos asociados a cada una de esas variables, se precisan datos en bruto así como diagnósticos clínicos en los casos particulares que se describen seguidamente. Para desarrollar un índice que indique la profundidad de la anestesia, las señales de EEG (datos en bruto) y las valoraciones de la respuesta del paciente a los estímulos clínicos (diagnósticos clínicos) fueron recogidos en el caso siguiente, y la valoración está basada en el cambio de la presión sanguínea arterial del paciente. En el otro caso, la valoración es el juicio del cirujano en cuanto a si el paciente tenía una respuesta reflexiva motora. Una vez obtenidos los datos, pueden ser calculados los diversos espectros, y a partir de éstos pueden ser calculadas las variables, como antes se ha descrito. Mediante la combinación de cualquier subjuego particular de estas variables en un modelo de regresión estadística, puede ser determinado un índice de diagnóstico particular. Los coeficientes clínicos que optimizan la capacidad de este índice de diagnóstico particular para predecir la diagnosis clínica real son calculados mediante el procedimiento de regresión, Por combinación de las variables en subjuegos múltiples de ellas, y la ejecución de una regresión estadística sobre cada uno de estos subjuegos, puede ser creada una serie de índices de diagnóstico potencial, y puede ser determinada la capacidad predictiva de cada índice. Mediante la comparación luego de la diagnosis prevista de cada uno de estos índices de diagnóstico con la diagnosis clínica real, puede ser determinado el subjuego de variables que resulte en el índice de diagnóstico que pueda predecir con más precisión el resultado final.

En dos estudios separados, potenciales de EEG fueron registrados de modo continuo procedentes de un grupo de pacientes sometidos a cirugía electiva. El período de registro comenzó aproximadamente cinco minutos antes de la inducción, y duró el tiempo de la operación quirúrgica. Las señales derivadas FL, FR, PL, PR, FPL, y FPR fueron adquiridas con el uso del procedimiento antes descrito.

La finalidad del primer estudio fue determinar si las variables autobiespectrales proporcionaban información sobre la profundidad de la anestesia en la incisión. Fueron estudiados cuarenta pacientes adultos. La anestesia fue inducida con tiopental (hasta 5,0 mg/kg), y la intubación se efectuó después de la administración de sucinilclolina. Se asignaron pacientes al azar para recibir isoflurano al 0,75 MAC (concentración alveolar media), 1,00 MAC, o 1,25 MAC, en el 100% de oxígeno. Se comprobó la concentración de agente endtidal, y después de conseguido un período de estado sostenido fue valorado el movimiento a propósito en respuesta a la incisión en la piel. Cada paciente fue clasificado como "móvil" o "no móvil" en base a su respuesta a la incisión.

La finalidad del segundo estudio fue determinar si las variables autobiespectrales proporcionaban información sobre predicción de respuestas hemodinámicas a la laringoscopia durante la inducción con sufentanil o alfentanil. Fueron estudiados cuarenta pacientes adultos. Dichos pacientes recibieron premedicación con diazepam oral (0,05 a 0,15 mg/kg) y fueron inducidos con tiopental (4,0 a 6,0 mg/kg) y un 60% de óxido nitroso en oxígeno, seguido por vecuronio (0,1 mg/kg). Cada paciente fue luego seleccionado al azar para recibir regímenes de quinta dosis: salina normal, alfentanil 15 mcg/kg o 30 mcg/kg, sufentanil 0,5 mcg/kg o 1,5 mcg/kg. Se efectuó laringoscopia durante 3 minutos después de la administración de las drogas. La presión sanguínea branquial se midió cada minuto con un dispositivo de puño. Los pacientes que presentaban un cambio en la presión arterial media superior al 20% en respuesta a la intubación fueron clasificados como "respondedores", y los que no mostraron dicho cambio en la intubación fueron clasificados como "no respondedores".

Un conjunto de densidad autobiespectral, de autobicoherencia, y de auto raíz cuadrada de producto triple real medio, fueron generados para las señales derivadas FL y FR por cada paciente, con el uso de un período de dos minutos antes del estímulo. La banda de frecuencia para la que fueron calculados los conjuntos biespectrales fue de 0,25 a 30 Hz. Cada conjunto biespectral contenía 3600 puntos de datos.

Los conjuntos resultantes de densidad autobiespectral, de autobicoherencia, y de auto raíz cuadrada de producto triple real medio, fueron clasificados con el uso del conjunto de densidad autobiespectral como conjunto de referencia en la clasificación. Dicha clasificación se hizo con el uso del algoritmo antes descrito.

Se produjeron once variables a partir de cada uno de los conjuntos clasificados, como se describe seguidamente:

Var. 1 - Suma de los 15 puntos mayores en el conjunto clasificado.

Var. 2 - Suma de los puntos dispuestos según rango 16º a 30º en el conjunto clasificado.

Var. 3 - Suma de los puntos dispuestos según rango 31º a 50º en el conjunto clasificado.

Var. 4 - Suma de los puntos dispuestos según rango 51º a 100º en el conjunto clasificado.

Var. 5 - Suma de los puntos dispuestos según rango 101º a 150º en el conjunto clasificado.

Var. 6 - Suma de los puntos dispuestos según rango 151º a 300º en el conjunto clasificado.

Var. 7 - Suma de los puntos dispuestos según rango 301º a 500º en el conjunto clasificado.

Var. 8 - Suma de los puntos dispuestos según rango 501º a 900º en el conjunto clasificado.

Var. 9 - Suma de los puntos dispuestos según rango 801º a 1500º en el conjunto clasificado.

Var. 10 - Suma de los puntos dispuestos según rango 1501º a 2400º en el conjunto clasificado.

Var. 11 - Suma de los puntos dispuestos según rango 1401º a 3600º en el conjunto clasificado.

Fueron calculados los valores de las once variables por cada conjunto. Como resultado, había 33 variables temporales por paciente y por señal.

Los 80 pacientes fueron luego clasificados en dos grupos. El primer grupo contenía todos los pacientes del primer estudio que se movieron en la incisión, y todos los pacientes del segundo estudio que tuvieron un cambio en la presión sanguínea superior al 20% en respuesta a la intubación. En el segundo grupo estaban todos los pacientes del primer estudio que no se movieron en la incisión, y todos los pacientes del segundo estudio que tuvieron una respuesta de la presión sanguínea inferior al 20% en la intubación.

Para producir un juego de coeficientes que proporcionase el índice de diagnóstico más efectivo, se efectuó un análisis discriminante. El índice de diagnóstico (I(c_{0}, c_{1}, ..., c_{33})) para un juego de coeficientes (c_{0}, c_{1}, ... , c_{33}) viene dado por:

I(c_{0}, c_{1}, ..., c_{33}) = c_{0}+(BIS_{A}* c_{1}+ ... + BIS_{K}*c_{11}) + (BIC_{A}* c_{12} + ... + BIC_{K}* c_{22}) + (PS_{A}* c_{23}+ ... + PS_{K}* c_{33})

donde BIS_{A} a BIS_{K} son las once variables temporales clasificadas del conjunto biespectral; BIC_{A} a BIC_{K} son las variables del conjunto de bicoherencia; y PS_{A} a PS_{K} son las variables del conjunto de la raíz cuadrada del producto triple real medio. El análisis discriminante, dados los valores de las variables temporales antes mencionadas y la clasificación de respondedor/no respondedor de cada paciente, producen un juego de coeficientes que proporcionan la mejor separación de respondedores y no respondedores mediante la función I. Los algoritmos de análisis discriminante son adquiribles públicamente. En este caso, los utilizados proceden de la biblioteca de estadística adquirible en IMSL (Houston, Texas). Seguidamente se ilustra una lista de muestras de los coeficientes generados con el uso de la base de datos de 170 pacientes.

	para señales derivadas FL, FR
C_{0}	-4,28
C_{1}	-0,65
C_{2}	+0,57
C_{3}	+1,21
C_{4}	-1,23
C_{5}	+2,63
C_{6}	-3,34
C_{7}	+2,11
C_{8}	+2,74
C_{9}	-3,08
C_{10}	0,0
C_{11}	-0,66
C_{12}	+0,04
C_{13}	-1,86
C_{14}	+0,50
C_{15}	+0,14
C_{16}	-0,30
C_{17}	+0,15
C_{18}	-0,08
C_{19}	-0,11
C_{20}	+0,05
C_{21}	+0,05
C_{22}	-0,02

(Continuación)

	para señales derivadas FL, FR
C_{23}	+0,67
C_{24}	-1,02
C_{25}	0,0
C_{26}	-0,19
C_{27}	-1,27
C_{28}	+1,20
C_{29}	+1,25
C_{30}	-2,15
C_{31}	-2,43
C_{32}	+3,16
C_{33}	+0,64

Para los dos estudios antes expuestos, el índice de diagnóstico fue utilizado para predecir la respuesta al estímulo por cada paciente. Lo que sigue es un sumario de los resultados obtenidos:

-Sensibilidad: predicción de movimiento en la incisión = 96%

-Específicamente: predicción de no movimiento en la incisión = 63%

-Precisión general: predicción de movimiento/no movimiento en la incisión = 83%

-Sensibilidad: predicción > 20% de cambio en la presión sanguínea en la intubación = 100%

-Específicamente: predicción < 20% de cambio en la presión sanguínea en la intubación = 50%

-Precisión general: predicción de cambio en la presión sanguínea en la intubación = 85%.

El ejemplo anterior muestra un procedimiento para obtener un juego de coeficientes para una aplicación de diagnóstico de manera retrospectiva. Pueden ser utilizados otros diversos procedimientos para separar la población clínica que se está estudiando con el uso de un índice de diagnóstico. Dichos procedimientos incluyen, sin limitarse a ello, la regresión lineal, la regresión lineal progresiva, la regresión logística, y la regresión logística progresiva. Por supuesto que con independencia del método que se utilice para calcular retrospectivamente los coeficientes, la actuación del índice final debe ser confirmada en una prueba prospectiva, antes de su uso en el cuidado de un paciente.

El procedimiento analítico antes descrito es utilizado para generar las bases de datos de referencia para la isquemia cerebral, hipoxia cerebral, consciencia/hipnosis, grados de intoxicación, respuestas potenciales evocadas alteradas, y procesos cognitivos normales y anormales, incluyendo sin limitarse a ello, la identificación de pacientes con la enfermedad de Alzheimer y las demencias relacionadas con el VIH.

Además de la cuantificación de la profundidad y adecuación de la anestesia, el sistema y método de la presente invención pueden ser utilizados también para valorar una gran cantidad de fenómenos cerebrales que alteran la estructura de la frecuencia no lineal del EEG, cuantificados por procedimientos biespectrales y espectrales de orden más alto. Dichos fenómenos cerebrales incluyen, sin limitarse a ellos, la isquemia cerebral, hipoxia cerebral, nivel de consciencia/hipnosis, grado de intoxicación cerebral, respuestas potenciales evocadas alteradas, y procesos cognitivos normales y anormales causados por desórdenes neurológicos tales como la enfermedad de Alzheimer o las demencias relacionadas con el VIH.

Aunque las técnicas de análisis de potencia espectral y biespectral han sido aplicadas a la señal del EEG con fines de diagnóstico, como se ha expuesto en los antecedentes, nunca se han utilizado procedimientos espectrales de orden más alto. Además, nunca se han utilizado técnicas de potencia espectral, biespectral, o espectral de orden más alto, en conjunción con el método de clasificación antes descrito. Específicamente, el sistema y método de la presente invención clasifica varias formaciones de auto/cruce de potencia espectral, biespectral, y espectral de orden más alto, divide los conjuntos clasificados en grupos dobles, y suma las variables de cada tramo para calcular una variable, o calcula una variable como valor estadístico derivado de los conjuntos clasificadas o no clasificadas, o de un tramo de dichas formaciones clasificadas o no clasificadas para calcular una variable, o se selecciona un valor predeterminado de cada conjunto clasificado o no clasificado de un tramo dentro del conjunto clasificado o no clasificado para calcular una variable. Cada una de las variables calculadas es multiplicada luego por un coeficiente derivado clínicamente, y son sumadas juntas para generar un índice de diagnóstico. Los conjuntos diferentes que pueden ser utilizadas son: potencia espectral de auto/cruce, densidad biespectral de auto/cruce, bicoherencia de auto/cruce, bifase de auto/cruce, producto triple real medio de auto/cruce, densidad espectral de orden K de auto/cruce, coherencia de orden k de auto/cruce, fase de auto/cruce, y producto real de auto/cruce.

Aunque la invención expuesta se ha descrito con referencia a realizaciones preferidas, los expertos en la técnica podrán apreciar varias posibles alteraciones y modificaciones. Todas dichas alteraciones y modificaciones están destinadas a quedar dentro del alcance de las reivindicaciones adjuntas.

Claims (22)

1. Un método para generar un índice de diagnóstico para cuantificar la presencia o ausencia de fenómenos biopotenciales, cuyo método comprende las operaciones de:

-adquirir (506, 706) señales eléctricas de un cuerpo vivo (15), cuyas señales eléctricas representan los fenómenos biopotenciales;

-generar (508, 712, 812, 826, 912, 926) unos valores espectrales a partir de dichas señales eléctricas adquiridas;

-clasificar (1106) dichos valores espectrales en al menos un tramo predeterminado de gamas de valores espectrales, caracterizado por:

-seleccionar (1108) al menos una variable representativa de los valores espectrales en cada uno de los citados al menos un tramo;

-multiplicar (1112) dicha al menos una variable seleccionada en cada uno de los citados al menos un tramo por un coeficiente predeterminado para obtener un producto de tramo;

-sumar (1112) dichos productos de tramo para obtener (510, 1112) un índice de diagnóstico que representa el grado de presencia o ausencia de los citados fenómenos.

2. El método para generar un índice de diagnóstico de la reivindicación 1, en el que dichos valores espectrales son valores de espectro de potencia.

3. El método para generar un índice de diagnóstico de la reivindicación 1, en el que dichos valores espectrales son valores biespectrales.

4. El método para generar un índice de diagnóstico de la reivindicación 1, en el que dichos valores espectrales son valores espectrales de orden k, siendo k superior a 2.

5. El método para generar el índice de diagnóstico de la reivindicación 1, en el que dicha al menos una variable es la media aritmética de los valores espectrales del citado tramo.

6. El método para generar un índice de diagnóstico de la reivindicación 1, en el que dicha al menos una variable es la mediana de los valores espectrales del citado tramo.

7. El método para generar un índice de diagnóstico de la reivindicación 1, en el que dicha al menos una variable es la desviación típica de los valores espectrales en dicho tramo.

8. El método para generar un índice de diagnóstico de la reivindicación 1, en el que dicha al menos una variable es el valor máximo de los valores espectrales en dicho tramo.

9. El método para generar un índice de diagnóstico de la reivindicación 1, en el que dicha al menos una variable es el valor mínimo de los valores espectrales en dicho tramo.

10. El método para generar un índice de diagnóstico de la reivindicación 1, en el que dicha al menos una variable es un valor posicional preseleccionado de dicho tramo.

11. El método para generar un índice de diagnóstico de la reivindicación 1, en el que dicha al menos una variable es una variable ordenada según un rango especificado.

12. Un sistema para generar un índice de diagnóstico para cuantificar la presencia o ausencia de fenómenos biopotenciales, cuyo sistema comprende:

-medios (13, 16, 406) para adquirir (506, 707) señales eléctricas procedentes de un cuerpo vivo (15), cuyas señales eléctricas representan los fenómenos biopotenciales;

-medios (408) para generar (508, 712, 812, 826, 912, 926) valores espectrales a partir de dichas señales eléctricas adquiridas;

-medios (410) para clasificar (1106) dichos valores espectrales en al menos un tramo predeterminado de gamas de valores espectrales;

-medios (410) para seleccionar (1108) al menos una variable representativa de los valores espectrales en cada uno de los citados al menos un tramo;

-medios (410) para multiplicar (1112) dicha al menos una variable seleccionada en cada uno de los citados al menos un tramo, por un coeficiente predeterminado para obtener un producto de tramo;

-medios (410) para sumar (1112) dichos productos de tramo para obtener (510, 1112) un índice de diagnóstico que represente un grado de presencia o ausencia de dichos fenómenos.

13. El sistema para generar un índice de diagnóstico de la reivindicación 12, en el que dichos valores espectrales son valores de espectro de potencia.

14. El sistema para generar un índice de diagnóstico de la reivindicación 12, en el que dichos valores espectrales son valores biespectrales.

15. El sistema para generar un índice de diagnóstico de la reivindicación 12, en el que dichos valores espectrales son valores de orden k, siendo k superior a 2.

16. El sistema para generar un índice de diagnóstico de la reivindicación 12, en el que dicha al menos una variable es la media aritmética de los valores espectrales en dicho tramo.

17. El sistema para generar un índice de diagnóstico de la reivindicación 12, en el que dicha al menos una variable es la mediana de los valores espectrales en dicho tramo.

18. El sistema para generar un índice de diagnóstico de la reivindicación 12, en el que dicha al menos una variable es la desviación típica de los valores espectrales en dicho tramo.

19. El sistema para generar un índice de diagnóstico de la reivindicación 12, en el que dicha al menos una variable es el valor máximo de los valores espectrales en dicho tramo.

20. El sistema para generar un índice de diagnóstico de la reivindicación 12, en el que dicha al menos una variable es el valor mínimo de los valores espectrales en dicho tramo.

21. El sistema para generar un índice de diagnóstico de la reivindicación 12, en el que dicha al menos una variable es un valor posicional preseleccionado de dicho tramo.

22. El sistema para generar un índice de diagnóstico de la reivindicación 12, en el que dicha al menos una variable es una variable ordenada según un rango especificado.