Video Experimental Relacionado
Updated: Feb 20, 2026
05:19
Author Spotlight: Therapeutic Benefit of Closed-Loop Deep Brain Stimulation in Depression Treatment
Published on: July 7, 2023
3.5K
Discernir entre el trastorno depresivo mayor y la depresión bipolar: dinámicas aberrantes de microestados EEG y
Minxi Huang1, Lei He1, Youjun Huang1
1Department of Psychology, School of Public Health, Southern Medical University, Guangzhou, 510515, China.
Journal of affective disorders
|February 18, 2026
Resumen
Los microestados del electroencefalograma (EEG) revelan distintos patrones de actividad cerebral en el trastorno depresivo mayor (TDM) y la depresión bipolar (DB). Estas diferencias en los microestados del EEG muestran potencial para diagnosticar estos trastornos del estado de ánimo.
Área de la Ciencia:
- Neurociencia
- Psiquiatría
- Neurociencia Computacional
Sus antecedentes:
- El trastorno depresivo mayor (TDM) y la depresión bipolar (DB) comparten características clínicas, lo que complica el diagnóstico y el tratamiento.
- Los microestados del electroencefalograma (EEG) ofrecen información sobre la dinámica de las redes neuronales a gran escala.
- Los microestados del EEG pueden revelar anomalías neuronales en los trastornos del estado de ánimo.
Objetivo del estudio:
- Investigar las diferencias de microestados del EEG entre TDM, DB y controles sanos (HC).
- Evaluar la utilidad de los microestados del EEG en la clasificación de TDM frente a DB, TDM frente a HC y DB frente a HC utilizando aprendizaje automático.
Principales métodos:
- Se analizaron las características de los microestados del EEG en estado de reposo de 210 participantes (78 TDM, 45 DB, 87 HC).
- Se utilizaron modelos de aprendizaje automático para clasificar a los participantes basándose en datos de microestados del EEG.
- Se examinaron las métricas de microestados (por ejemplo, duración, probabilidades de transición).
Principales resultados:
- Los pacientes con TDM presentaron métricas y probabilidades de transición alteradas de los microestados C y D, lo que sugiere una participación específica de la red.
- Los pacientes con DB mostraron una duración prolongada del microestado B, lo que indica una actividad excesiva de la red visual.
- Los modelos de aprendizaje automático lograron un rendimiento de clasificación de moderado a bueno (AUC: 83,4 % TDM frente a DB, 86,0 % TDM frente a HC, 93,3 % DB frente a HC).
Conclusiones:
- Los microestados del EEG muestran potencial como biomarcador diagnóstico para diferenciar el TDM y la DB.
- Los hallazgos proporcionan información preliminar sobre los sustratos neuronales del TDM y la DB.
- La investigación futura puede refinar los métodos para mejorar la clasificación y las intervenciones específicas.
