Clasificación multimodal EEG–fNIRS como herramienta clínica para el diagnóstico del trastorno bipolar

Por qué importa para la salud mental cotidiana

El trastorno bipolar suele ser difícil de diagnosticar, sobre todo cuando los médicos deben distinguir entre sus principales subtipos. Dado que el diagnóstico actual se basa casi por completo en entrevistas y observación, muchas personas pueden pasar años con tratamientos inadecuados. Este estudio explora si registros cerebrales sencillos y no invasivos —tomados mientras las personas realizan una tarea emocional— podrían ofrecer pistas objetivas sobre quién tiene trastorno bipolar, qué subtipo presenta y quién es sano. Si funciona, este enfoque podría permitir una atención más rápida y personalizada en entornos clínicos habituales.

Mirando los vaivenes del ánimo con luz y electricidad

Los investigadores se centraron en una característica central del trastorno bipolar: la dificultad persistente para manejar las emociones, incluso durante periodos aparentemente estables. Emplearon dos herramientas que pueden utilizarse fuera de grandes hospitales. Una, el EEG, registra la actividad eléctrica cerebral mediante una gorra de electrodos sobre el cuero cabelludo. La otra, la fNIRS, proyecta luz en el infrarrojo cercano a través de la frente para seguir cambios en la oxigenación sanguínea en las partes externas del cerebro. En conjunto, estos métodos capturan señales eléctricas rápidas y respuestas hemodinámicas más lentas en la región frontal, que contribuye al control emocional, la toma de decisiones y el comportamiento social.

Evaluando la distracción emocional en tiempo real

Para sondear el control emocional, el equipo diseñó una tarea visual en la que las personas debían responder únicamente al color del marco que rodeaba una imagen, ignorando si la imagen era agradable, neutra o desagradable. Esta variante de la tarea emocional de Stroop genera un tira y afloja entre las reacciones emocionales y una tarea cognitiva simple. Participaron adultos con trastorno bipolar tipo I, trastorno bipolar tipo II y voluntarios sanos. Mientras realizaban la tarea, los sensores EEG cubrían todo el cuero cabelludo y un conjunto pequeño de emisores y detectores fNIRS registraba los cambios en el flujo sanguíneo sobre la zona frontal izquierda.

Patrones que revelan quién es quién

Primero, los investigadores analizaron el comportamiento. Las personas con trastorno bipolar tardaron más en responder a las imágenes desagradables que a las neutras o agradables, lo que sugiere que las emociones negativas interferían más en su rendimiento. Los voluntarios sanos no mostraron este patrón. A continuación, el equipo examinó las señales cerebrales. Extrajeron ventanas temporales del EEG (desde respuestas visuales rápidas alrededor de una décima de segundo hasta ondas posteriores vinculadas a la emoción y la toma de decisiones) y de la respuesta fNIRS más lenta (capturando cómo subía y bajaba el flujo sanguíneo tras cada imagen). Con estas características, entrenaron modelos de aprendizaje automático para clasificar si una persona era sana o tenía trastorno bipolar y —dentro de los pacientes bipolares— si era tipo I o tipo II.

Combinar señales potencia la capacidad diagnóstica

Cuando utilizaron solo las señales EEG de la gorra de cobertura completa, los modelos ya separaban pacientes de voluntarios sanos y, a menudo, podían diferenciar los dos subtipos bipolares. Pero añadir las características fNIRS mejoró consistentemente estos resultados, especialmente en los problemas más difíciles: distinguir el tipo II de los participantes sanos y diferenciar tipo I de tipo II. Las mediciones basadas en luz aportaron información sobre cómo interactúan los vasos sanguíneos y la actividad neuronal en la zona frontal, captando sutiles diferencias neurovasculares que el EEG por sí solo no detectaba. Incluso cuando los datos EEG se limitaron solo a sensores frontales —imitando un sistema simplificado y más portátil—, la combinación de EEG y fNIRS redujo las clasificaciones erróneas y mantuvo un alto rendimiento.

Hacia un diagnóstico más simple y objetivo

En términos sencillos, este estudio muestra que un conjunto reducido de sensores en la cabeza puede detectar patrones cerebrales fiables que difieren entre personas sanas y pacientes con trastorno bipolar, e incluso entre sus principales subtipos. Al emparejar la actividad eléctrica y los cambios en el flujo sanguíneo, el método refuerza la señal disponible para los clasificadores computacionales, haciendo las distinciones de subtipo más precisas. Aunque hacen falta estudios más amplios, estos hallazgos apuntan a futuras herramientas aptas para la clínica que podrían complementar las entrevistas, ayudar a evitar diagnósticos erróneos y, eventualmente, permitir un tratamiento más temprano y personalizado para quienes están en riesgo de trastorno bipolar.

Cita: Tahir, I., Planat-Chrétien, A., Bertrand, A. et al. Multimodal EEG–fNIRS classification as a clinical tool for bipolar disorder diagnosis. Transl Psychiatry 16, 177 (2026). https://doi.org/10.1038/s41398-026-03858-1

Palabras clave: trastorno bipolar, imagen cerebral, EEG, fNIRS, regulación emocional