La actividad eléctrica del cerebro humano se suele introducir a través de un conjunto familiar de categorías. Aprendemos a imaginar la mente como una centralita, alternando entre "estados alfa" de calma, "estados beta" de concentración o "estados theta" de somnolencia. Esta división del electroencefalograma (EEG) en bandas de frecuencia discretas y con nombre propio es una convención histórica que hizo manejable la investigación inicial. Transformó una forma de onda compleja en un conjunto manejable de etiquetas.
Esta visión categórica, sin embargo, es una simplificación que puede oscurecer una realidad más profunda. Las oscilaciones eléctricas del cerebro forman un espectro de actividad único y continuo. Por lo tanto, analizar la función cerebral observando únicamente las bandas predefinidas es similar a juzgar una pintura separándola en cuadrados de colores sin observar cómo se mezclan y transicionan los colores.
¿Qué son las frecuencias cerebrales?
Las frecuencias cerebrales son descripciones de la frecuencia con la que la actividad eléctrica oscila a lo largo del tiempo, expresadas en hercios (Hz), o ciclos por segundo. No representan sustancias separadas ni partes aisladas de la mente.
En cambio, resumen patrones recurrentes en la actividad de grandes grupos de neuronas. Por lo tanto, el término frecuencia cerebral es más útil cuando se asocia con información sobre la ubicación, el momento, la tarea y el método utilizado para registrar la señal.
Los diferentes tipos de frecuencias de ondas cerebrales
Los investigadores suelen dividir la actividad oscilatoria en bandas de frecuencia.
Delta es la banda más lenta de la que se suele hablar y está fuertemente asociada con el sueño profundo sin movimientos oculares rápidos.
La actividad theta se observa con frecuencia durante el sueño y también se ha estudiado en relación con la memoria y la navegación.
La actividad alfa es prominente en algunos estados de vigilia relajada, mientras que la actividad beta se examina comúnmente durante el compromiso mental alerta.
Gamma se refiere a una actividad más rápida, aunque sus límites varían según los estudios y los sistemas de medición.
Estas etiquetas son resúmenes convenientes, no compartimentos biológicos rígidos. Una persona puede mostrar varias bandas a la vez, y la misma banda puede estar implicada en más de un proceso.
Por ejemplo, la actividad alfa no es simplemente una "onda de relajación"; la investigación también la conecta con la atención y la supresión de información distractora. La neurociencia de los ritmos cerebrales enfatiza que la actividad neuronal sincronizada, los circuitos inhibitorios y la comunicación entre regiones contribuyen a los patrones registrados como ondas.
Las bandas de frecuencia también difieren en el grado de confianza con el que pueden interpretarse. Un ritmo visible puede reflejar una mezcla de fuentes neurales, actividad muscular, movimientos oculares o ruido ambiental. Por lo tanto, los investigadores examinan la amplitud, la fase, la distribución espacial y los cambios a lo largo del tiempo en lugar de tratar una etiqueta de banda como un diagnóstico o una lectura directa de los pensamientos de una persona.
Cómo las transformadas de Fourier extraen datos de frecuencia cerebral
Un electrodo de EEG captura una señal de voltaje compleja e irregular que fluctúa a lo largo de milisegundos. Esta señal sin procesar en el dominio del tiempo, una línea irregular que traza el potencial eléctrico del cerebro, no es significativa de inmediato como una "frecuencia". La herramienta matemática central utilizada para extraer información de frecuencia de este aparente caos es la transformada de Fourier.
Este algoritmo funciona descomponiendo la forma de onda compleja en una suma de muchas ondas sinusoidales puras, cada una oscilando a una velocidad diferente. El resultado de este proceso es un espectro de potencia. Este es un gráfico que muestra cuánta potencia, o amplitud al cuadrado, está presente en cada frecuencia continua dentro de la señal.
Imagine el EEG sin procesar como un acorde complejo interpretado por una orquesta. La transformada de Fourier nos permite separar ese sonido y ver exactamente con qué volumen están tocando el violonchelo, el violín y la flauta, mapeando su contribución a través de todas las notas posibles.
Una vez calculado el espectro de potencia continuo, ya no estamos limitados por categorías preetiquetadas, y podemos calcular métricas de resumen continuas que describen la forma de todo el gráfico espectral.
Por ejemplo, la frecuencia mediana es el punto que divide el espectro en dos mitades de igual potencia. El ancho de banda describe qué tan dispersa está la potencia a través de las frecuencias, indicando si la actividad se concentra en un rango estrecho o se distribuye ampliamente.
Estas métricas son dinámicas, lo que permite a los investigadores medir cambios sutiles de un momento a otro en el equilibrio espectral general del cerebro en lugar de simplemente observar saltos arbitrarios de un contenedor categórico a otro.
Explorando el espectro completo de frecuencias cerebrales humanas
Cuando abandonamos los contenedores categóricos, se hace evidente la verdadera escala del espectro de frecuencias del cerebro. Se extiende muy por debajo de la tradicional onda delta de 1 Hz hacia el reino de las fluctuaciones infralentas, ciclos que pueden durar de 10 a 100 segundos (0.01–0.1 Hz). Simultáneamente, llega muy por encima del rango típico de gamma de 40 Hz hasta las oscilaciones rápidas (fast ripples), ráfagas de actividad que se acercan a los 1000 Hz.
La parte de este continuo que podemos "ver" depende fundamentalmente de la herramienta utilizada para mirar. Los macroelectrodos clínicos estándar, del tamaño de una moneda pequeña, toman muestras de la actividad eléctrica de amplias poblaciones de neuronas. Un estudio de Worrell y colaboradores que comparó estos electrodos clínicos con diminutos microhilos, que son lo suficientemente finos como para registrar de conjuntos neuronales submilimétricos, encontró que la distribución de oscilaciones de alta frecuencia registradas con macroelectrodos se concentra en un rango inferior, con una frecuencia promedio de alrededor de 116 Hz.
En contraste, los microhilos registran una distribución mucho más amplia de actividad de alta frecuencia que se extiende hasta el rango completo de oscilaciones rápidas de 1000 Hz, con una frecuencia promedio de oscilación cercana a 143 Hz. Estos hallazgos sugieren que la escala de nuestras mediciones da forma a nuestra percepción del espectro.
Además, los autores sugieren que las fluctuaciones infralentas están lejos de ser ruido de fondo. La fase de estas ondas lentas y ondulantes, su posición exacta en un ciclo desde el pico hasta el valle, se correlaciona de manera robusta con la amplitud de las oscilaciones más rápidas que van de 1 a 40 Hz.
Esto sugiere un acoplamiento jerárquico y continuo a lo largo de todo el espectro de frecuencias, donde los ritmos más lentos actúan como un organizador global, orquestando la excitabilidad y la potencia de los ritmos más rápidos.
Aspecto | Macroelectrodos | Microhilos |
|---|---|---|
Tamaño de la muestra | Amplias poblaciones de neuronas | Conjuntos submilimétricos |
Promedio de alta frecuencia | \~116 Hz | \~143 Hz |
Rango observado | Rango inferior | Hasta 1000 Hz |
Medición de la conciencia en un espectro de frecuencia continuo
Ver la frecuencia cerebral como una métrica continua proporciona una lente sensible para observar transiciones en los estados mentales, particularmente el desvanecimiento y el retorno de la conciencia. El proceso no consiste en pasar de una "banda" a otra, sino en un deslizamiento gradual de toda la distribución espectral.
Durante un estudio de anestesia inducida por propofol, los sujetos perdieron y luego recuperaron gradualmente la capacidad de responder a estímulos auditivos. Los investigadores encontraron que la frecuencia mediana y el ancho de banda del espectro de potencia del EEG frontal seguían con gran precisión la probabilidad de que un sujeto respondiera a estos estímulos.
A medida que la persona caía en la inconsciencia, el centro de la potencia espectral de su cerebro se desplazaba hacia abajo y su distribución cambiaba, todo sin respetar ningún límite predefinido de alfa o beta. La pérdida de conciencia se caracterizó por un aumento de la potencia de muy baja frecuencia (\<1 Hz) y la aparición de un patrón distintivo de oscilación alfa frontal.
Además, la recuperación de la conciencia se predijo no solo por el cambio en la frecuencia mediana, sino por una relación específica, un acoplamiento fase-amplitud, entre ritmos lentos y rápidos. Durante la transición de regreso a la conciencia, la amplitud de las oscilaciones alfa se volvió máxima en el valle del ciclo de ondas lentas. Esta relación precisa y continua predijo el momento de la respuesta conductual, un fenómeno que un análisis estándar de potencia de banda podría pasar por alto fácilmente.
Esto destaca cómo las características espectrales continuas pueden proporcionar una lectura suave y precisa de un estado cognitivo interno.
Predicción de la percepción sensorial con análisis de frecuencias cerebrales
La importancia funcional de ver el espectro como un todo se revela aún más en su extremo más lento. Nuestra capacidad para detectar un estímulo sensorial débil, un pitido silencioso o un toque ligero, no es un rendimiento perfectamente consistente; fluctúa con el tiempo. Este "efecto de racha" en el rendimiento psicofísico humano está directamente relacionado con las continuas fluctuaciones infralentas en la actividad basal del cerebro.
En una tarea de detección somatosensorial, la fase de las fluctuaciones infralentas en curso (0.01–0.1 Hz) predijo fuertemente si un sujeto percibiría un estímulo débil. No fue la amplitud de estas ondas lentas, sino su fase precisa (el momento en su ciclo largo y lento en que llegó el estímulo) lo que determinó la detección. El ritmo más lento del cerebro parecía dictar la apertura o cierre de la puerta a la percepción consciente.
Esta conexión se extiende a la actividad más rápida, revelando una dinámica de red unificada. La misma fase infralenta que predice el rendimiento conductual también controla de manera robusta la amplitud de las oscilaciones neuronales en el rango de 1–40 Hz.
La fase de las fluctuaciones lentas refleja un ciclo de barrido de la excitabilidad cortical global. En una fase, las redes son más excitables, amplificando los ritmos más rápidos y haciendo probable la percepción. En otra fase, están inhibidas.
Esto demuestra además que el espectro de frecuencia continuo refleja un ciclo de excitabilidad unificado de las redes corticales, desde el ritmo fundacional infralento hasta las oscilaciones más rápidas que procesan la información sensorial.
Evaluación de la utilidad clínica de las métricas de EEG continuo
El cambio conceptual de bandas categóricas a análisis espectral continuo conlleva la promesa popular e intuitiva de que métricas como la frecuencia mediana producirán biomarcadores más reproducibles y robustos para afecciones neurológicas y psiquiátricas. La esperanza es que, al evitar la división arbitraria del espectro, podamos eludir la superposición diagnóstica y la variabilidad que plagan el análisis de bandas discretas.
Si bien esta lógica es poderosa, sigue siendo en gran medida una hipótesis no probada a nivel de población. La base de evidencia actual es limitada y mixta.
Estudios primarios individuales, como la investigación sobre la anestesia, demuestran que las métricas continuas pueden rastrear un cambio de estado específico y altamente controlado dentro de los individuos con una fidelidad notable. Sin embargo, la literatura diagnóstica más amplia, dominada por enfoques basados en bandas, es cautelosa en sus conclusiones. Una revisión de 2019 de 184 estudios en estado de reposo encontró que las magnitudes de las diferencias basadas en bandas reportadas son típicamente pequeñas, de entre el 20% y el 30%, y se correlacionan débilmente con las puntuaciones de gravedad de los síntomas.
Debido a que la evidencia rigurosa de comparación directa para las métricas continuas sobre las bandas categóricas es actualmente escasa, cualquier afirmación de utilidad clínica superior o poder diagnóstico debe enmarcarse como un beneficio potencial, una afirmación popular que aún no se ha demostrado de manera robusta.
Aún no sabemos si el cálculo de una frecuencia mediana resolverá los problemas de reproducibilidad que surgen cuando etiquetamos la potencia como "theta" o "alfa". El avance hacia una visión espectral es un replanteamiento conceptual basado en la lógica, pero su traducción clínica exige la misma validación rigurosa a gran escala que ha desafiado al paradigma basado en bandas que busca reemplazar.
Por qué el espectro de frecuencias completo del cerebro es importante para comprender la conciencia
En neurociencia, la actividad eléctrica cerebral se comprende mejor como un espectro continuo que se extiende desde los ciclos infralentos hasta las oscilaciones ultra rápidas, y esta visión unificada revela relaciones que las etiquetas fijas como alfa o beta tienden a ocultar.
Los ritmos más lentos orquestan las oscilaciones más rápidas en un ciclo global de excitabilidad, con cambios espectrales que siguen de cerca la pérdida y recuperación de la conciencia e incluso predicen si se percibirá un estímulo débil. Las medidas continuas, como la frecuencia mediana y el ancho de banda, capturan la forma general de la actividad cerebral, ofreciendo una lectura suave y dinámica de los estados mentales en lugar de una ubicación forzada en contenedores arbitrarios.
Este replanteamiento conlleva una promesa real para mejorar el diagnóstico, pero esa promesa sigue siendo una posibilidad más que una ventaja clínica demostrada. Los estudios controlados muestran una precisión notable en el seguimiento de cambios de estado como la anestesia, mientras que la evidencia a gran escala que compara las métricas continuas con los métodos tradicionales basados en bandas sigue siendo limitada.
El siguiente paso significativo es probar si esta visión más rica y fiel del espectro puede superar a las categorías más antiguas en entornos médicos del mundo real.
Referencias
Worrell, G. A., Gardner, A. B., Stead, S. M., Hu, S., Goerss, S., Cascino, G. J., ... & Litt, B. (2008). High-frequency oscillations in human temporal lobe: simultaneous microwire and clinical macroelectrode recordings. Brain, 131(4), 928-937. https://doi.org/10.1093/brain/awn006
Purdon, P. L., Pierce, E. T., Mukamel, E. A., Prerau, M. J., Walsh, J. L., Wong, K. F. K., ... & Brown, E. N. (2013). Electroencephalogram signatures of loss and recovery of consciousness from propofol. Proceedings of the National Academy of Sciences, 110(12), E1142-E1151. https://doi.org/10.1073/pnas.1221180110
Monto, S., Palva, S., Voipio, J., & Palva, J. M. (2008). Very slow EEG fluctuations predict the dynamics of stimulus detection and oscillation amplitudes in humans. Journal of Neuroscience, 28(33), 8268-8272. https://doi.org/10.1523/JNEUROSCI.1910-08.2008
Newson, J. J., & Thiagarajan, T. C. (2019). EEG frequency bands in psychiatric disorders: a review of resting state studies. Frontiers in human neuroscience, 12, 521. https://doi.org/10.3389/fnhum.2018.00521
Preguntas frecuentes
¿Por qué se considera una simplificación la división tradicional de las ondas cerebrales en bandas discretas (como alfa, beta, theta)?
Las oscilaciones eléctricas del cerebro forman un espectro continuo, no cajas aisladas, y las bandas fijas ocultan cómo se mezclan y transicionan las frecuencias. Una revisión de estudios en estado de reposo mostró que los patrones de potencia dentro de estas bandas se superponen en diferentes afecciones psiquiátricas, lo que sugiere que la división categórica puede ocultar más de lo que revela.
¿Cómo ayuda la transformada de Fourier a analizar la frecuencia cerebral?
Un electrodo de EEG registra una señal de voltaje compleja e irregular a lo largo del tiempo, no una sola frecuencia pura. La transformada de Fourier descompone matemáticamente esta señal en una suma de ondas sinusoidales puras, produciendo un espectro de potencia que muestra cuánta potencia existe en cada frecuencia continua.
¿Cuál es el rango real de las frecuencias cerebrales más allá de las bandas tradicionales?
El espectro de frecuencia se extiende desde las fluctuaciones infralentas, que realizan un ciclo cada 10 a 100 segundos (0.01–0.1 Hz), hasta las oscilaciones rápidas cercanas a 1000 Hz. Este rango supera con creces las categorías típicas de delta de 1 Hz y gamma de 40 Hz.
¿Cómo afecta la herramienta de medición a lo que vemos en la actividad cerebral de alta frecuencia?
Los macroelectrodos clínicos estándar toman muestras de poblaciones amplias y concentran la actividad de alta frecuencia alrededor de un promedio de 116 Hz, mientras que los microhilos que registran de conjuntos más pequeños muestran una distribución más amplia de hasta 1000 Hz, con un promedio más cercano a 143 Hz. Por lo tanto, la escala de medición influye en el rango aparente del espectro.
¿Cómo siguen las métricas espectrales continuas la pérdida y recuperación de la conciencia durante la anestesia?
A medida que un sujeto cae en la inconsciencia, la frecuencia mediana del espectro de potencia del cerebro se desplaza hacia abajo, y la pérdida de conciencia se caracteriza por un aumento de la potencia de muy baja frecuencia y un patrón alfa frontal distintivo. La recuperación se predice mediante un acoplamiento fase-amplitud donde las oscilaciones alfa se vuelven máximas en el valle del ciclo de ondas lentas.
¿Cómo influyen las fluctuaciones cerebrales infralentas en nuestra percepción de estímulos débiles?
La fase de las fluctuaciones infralentas (0.01–0.1 Hz) predice si se detecta un estímulo débil, no su amplitud. Esta fase lenta refleja un ciclo global de excitabilidad cortical, donde se modulan las oscilaciones más rápidas (1–40 Hz), haciendo que la percepción sea más o menos probable en diferentes momentos.
¿Por qué es importante el concepto de acoplamiento fase-amplitud para comprender la conciencia?
El acoplamiento fase-amplitud se refiere a cómo el tiempo (fase) de los ritmos lentos controla la amplitud (fuerza) de los ritmos más rápidos. Durante la recuperación de la anestesia, la relación específica en la que la amplitud alfa alcanza su punto máximo en el valle de las ondas lentas predijo el momento de la respuesta conductual, algo que el análisis estándar de potencia de banda pasaría por alto.
¿Cuál es la principal promesa de utilizar métricas espectrales continuas como la frecuencia mediana y el ancho de banda?
Estas métricas describen la forma general de todo el espectro de potencia, lo que permite a los investigadores realizar un seguimiento de los cambios graduales en la actividad cerebral en lugar de saltos forzados entre bandas predefinidas. Proporcionan una lectura suave y sensible de los estados cognitivos, como se observa en los estudios de anestesia y percepción.
¿Qué es el "ancho de banda" del espectro de potencia y por qué es útil?
El ancho de banda indica qué tan dispersa está la potencia a través de las frecuencias, ya sea que la actividad cerebral se concentre en un rango estrecho o se distribuya ampliamente. Este es un descriptor continuo que, junto con la frecuencia mediana, ayuda a cuantificar la forma dinámica de todo el espectro en lugar de solo las bandas individuales.
Emotiv es un líder en neurotecnología que ayuda a avanzar la investigación en neurociencia mediante herramientas accesibles de EEG y datos cerebrales.
Descargo de responsabilidad médica: La información proporcionada en este sitio web es solo para fines educativos e informativos y no pretende ser un consejo médico o de salud. Este contenido puede contener errores y no debe ser utilizado para tomar decisiones de salud, médicas o de estilo de vida que alteren la vida. Busque siempre el consejo de su médico u otro proveedor de salud calificado para cualquier pregunta que pueda tener con respecto a una afección o tratamiento médico.
Christian Burgos
