O zumbido é classificado como crônico quando persiste por mais de seis meses. Caso tenha uma duração inferior a esse período, é considerado agudo (Henry, 2016). Outra forma de classificação se baseia na descrição do som do zumbido, podendo ser contínuo ou intermitente, pulsátil ou não pulsátil (Henry, 2016). A condição do zumbido crônico está relacionada à sobresincronização neuronal, um fenômeno que afeta não apenas os processos cognitivos, mas também a atenção, as emoções e até mesmo os processos motores (Eggermont & Roberts, 2012). Nos últimos anos, um dos aspectos mais discutidos sobre os pacientes com zumbido é o prejuízo cognitivo, sendo frequentemente reportado um comprometimento da memória de trabalho e dos processos atencionais, como déficits no controle executivo da atenção (Heeren et al., 2014), mudanças atencionais (Hallam et al., 2004) e na atenção seletiva e dividida (Rossiter et al., 2006).

Esse zumbido está relacionado a alterações em um ou mais níveis ao longo do caminho auditivo. Estudos de imagem cerebral identificaram atividades alteradas nas áreas auditivas, incluindo o colículo inferior e o córtex auditivo (Finlayson & Kaltenbach, 2009; Henry & Wilson, 1995; Kaltenbach et al., 2005). O sistema auditivo central parece aumentar sua atividade para compensar a entrada reduzida de estímulos sensoriais da cóclea, muitas vezes resultante de trauma acústico, agentes ototóxicos ou outras causas. Essa hipatividade pode manifestar-se como sons fantasma, hipercusia ou intolerância a sons altos. Além disso, as mudanças relacionadas ao zumbido incluem aumento da sincronia neural e atividade explosiva. Modelos animais corroboram essa explicação, apontando para a reorganização dos mapas tonotópicos e o aumento da atividade neuronal espontânea ou da sincronia no córtex auditivo, origem do zumbido (Eggermont & Roberts, 2012).

A detecção da sobresincronização neuronal, um dos efeitos primários do zumbido, pode ser realizada através da técnica de eletroencefalografia (EEG), que permite monitorar a atividade elétrica do cérebro ao longo do tempo, capturando os diferentes padrões de oscilação em várias frequências (Basar et al., 1999a, 2000; Krause, 2003). As oscilações neurais são tradicionalmente estudadas com base em experimentos relacionados a eventos, nos quais são estimados os potenciais relacionados ao evento e os níveis de (des)sincronização (Krause, 2003). Essas osc

Quais são os avanços recentes nas interfaces cérebro-computador (BCI) e suas aplicações em sistemas assistivos?

O desenvolvimento das tecnologias de neuroimagem, como o fNIRS (near-infrared spectroscopy funcional), tem permitido avanços significativos na comunicação direta com o cérebro humano, sem a necessidade das vias tradicionais do sistema nervoso central, como mãos, olhos, boca ou pernas. Um dos marcos mais importantes desse desenvolvimento foi a criação das Interfaces Cérebro-Computador (BCI, na sigla em inglês), que possibilitam a interação entre o cérebro humano e dispositivos externos.

Existem dois tipos principais de BCIs: as ativas e as passivas. As BCIs ativas envolvem a emissão voluntária de sinais cerebrais para controlar dispositivos externos. Essa modalidade tem sido particularmente útil em sistemas assistivos para pacientes com deficiências motoras graves. Pacientes com dificuldades motoras podem não ser capazes de usar seus membros para realizar tarefas, e dispositivos assistivos ativados por voz, por exemplo, não são eficazes quando o paciente também apresenta dificuldades de comunicação. Porém, esses pacientes podem ainda manter habilidades cognitivas intactas, permitindo o uso de BCIs para controlar dispositivos como cadeiras de rodas, membros protéticos ou braços robóticos. As BCIs ativas têm se mostrado um recurso importante também em neuroreabilitação.

Por outro lado, as BCIs passivas são voltadas para o monitoramento cognitivo. Elas permitem observar a atividade cerebral de usuários saudáveis ou de pacientes com deficiências motoras durante a execução de diversas atividades. Embora ambas as modalidades de BCI exijam um processo de personalização ou treinamento para responder de forma específica às atividades corticais do indivíduo, a configuração do sistema permite que o usuário controle dispositivos periféricos com base nos sinais cerebrais extraídos e processados.

Os sistemas BCI são compostos por um módulo de aquisição de sinais cerebrais, que extrai as informações do cérebro. Esses sinais, no entanto, são frequentemente contaminados por ruídos de diversas fontes, como batimentos cardíacos, respiração e artefatos de movimento durante a coleta de dados. Portanto, é necessário realizar um pré-processamento para remover esses artefatos e ruídos. Após essa etapa, os sinais são processados para extrair características específicas que codificam as intenções do paciente, e esses dados são então traduzidos em comandos para controlar dispositivos externos através de um algoritmo de classificação.

Embora o EEG (eletroencefalograma) tenha sido, historicamente, o método mais utilizado para a aquisição de sinais cerebrais em BCIs, o fNIRS tem ganhado atenção crescente devido às suas vantagens. O fNIRS é menos sensível a artefatos de movimento, o que o torna uma escolha popular para estudos envolvendo populações mais vulneráveis, como bebês e pacientes com movimentos involuntários, além de ser uma alternativa promissora em contextos clínicos e neurocientíficos.

A utilização de BCIs em sistemas assistivos se estende também à reabilitação de pacientes com lesões cerebrais, onde os sinais cerebrais são usados para gerar comandos para controlar dispositivos que ajudam na recuperação funcional. Para isso, são realizados treinamentos nos quais as atividades cerebrais do paciente são mapeadas e ajustadas para controlar a interface com os dispositivos assistivos.

No contexto clínico, a aplicação de BCIs para controle de dispositivos assistivos está particularmente associada a tarefas de imaginação motora e tarefas cognitivas. Nas tarefas de imaginação motora, o paciente imagina o movimento de diferentes partes do corpo sem realizar o movimento fisicamente. As atividades cognitivas, como cálculos mentais ou a execução de tarefas complexas como o teste de Stroop, também geram sinais cerebrais que podem ser utilizados pelos sistemas BCI para controlar dispositivos, como uma cadeira de rodas ou um braço robótico.

O treinamento das BCIs para essas aplicações busca aprender os sinais corticais específicos do paciente, permitindo que a interface se torne funcional na fase de aplicação prática, quando o paciente começa a usar o sistema assistivo em tempo real. É essencial que, durante essa fase de personalização, o BCI aprenda a decodificar corretamente as intenções do paciente para que os dispositivos respondam de maneira precisa às suas necessidades.

Ademais, um aspecto fundamental que deve ser considerado é a compreensão da dor, tanto para pacientes com deficiências motoras quanto para aqueles que utilizam BCIs para reabilitação. A dor é uma experiência sensorial e emocional desagradável associada a danos reais ou potenciais nos tecidos do corpo. A dor pode ser classificada em dor transitória, aguda e crônica. A dor crônica, por exemplo, pode alterar o processamento da informação sensorial no cérebro, o que implica em uma resposta emocional mais intensa. Essa dinâmica pode interferir na forma como o paciente interage com os dispositivos assistivos, já que a percepção de dor pode afetar a atenção, a motivação e a capacidade de controlar de forma eficaz a interface BCI.

O processamento da dor no cérebro não ocorre de forma centralizada em uma única região, mas envolve várias áreas corticais, como o córtex somatossensorial primário, o córtex cingulado anterior, a insula e o córtex pré-frontal. A análise dessas áreas durante a interação com BCIs pode fornecer insights valiosos sobre como as experiências emocionais e sensoriais podem influenciar a eficácia dos sistemas assistivos. É crucial entender como a dor, especialmente a crônica, pode afetar o comportamento do paciente durante a reabilitação, a fim de ajustar os sistemas BCI de forma a otimizar os resultados terapêuticos.

Como as Mudanças Posturais Afetam a Pressão no Ouvido Médio e Monitoramento Não Invasivo da Pressão Intracraniana (ICP) através de Medições Acústicas

Estudos recentes têm mostrado que a pressão no ouvido médio, um indicador importante para monitoramento da pressão intracraniana (ICP), pode ser significativamente influenciada pela posição do corpo. A pressão do ouvido médio foi medida de forma contínua e repetida com os sujeitos inclinados a diferentes ângulos, variando de 45° para −45°. A cada 20 segundos, era solicitado aos participantes que engolissem, o que permitia a equalização da pressão no ouvido médio, devido à abertura da tuba auditiva. Esse protocolo foi repetido para verificar a reprodutibilidade dos resultados, mostrando que a pressão de pico no ouvido médio aumentava quando os participantes estavam inclinados para baixo e diminuía quando voltavam para a posição inicial de 45°.

Entretanto, o mais interessante foi a observação da histerese, ou seja, quando a pressão não seguia o mesmo caminho de volta à posição inicial, sugerindo uma mudança na dinâmica do sistema. Não foi encontrada diferença significativa entre as medições feitas em diferentes orelhas ou sessões, o que implica que a variação da pressão do ouvido médio não depende diretamente da lateralidade (orelha direita ou esquerda), nem da repetição do experimento. A pressão não mostrou alterações significativas durante os últimos 20 segundos, após o período de adaptação, indicando que 60 segundos foram suficientes para que o sistema do ouvido médio se ajustasse à mudança postural. Esse achado é particularmente relevante para futuros estudos que investiguem a variação da ICP induzida por mudanças posturais.

A deglutição, um reflexo importante que afeta a pressão no ouvido médio, também foi observada com grande interesse. Em posições com a cabeça para baixo, a pressão no ouvido médio aumentava, mas logo diminuía após a deglutição, o que indicava uma equalização da pressão devido à abertura da tuba auditiva. Este fenômeno pode ser usado como uma ferramenta útil para avaliar a função da tuba auditiva, uma vez que a mudança da pressão no ouvido médio pode ser correlacionada diretamente com a função dessa estrutura.

Outro estudo, realizado em 2008, investigou as respostas eletrococleográficas da orelha interna às mudanças de ICP induzidas pela postura, mostrando uma resposta imediata quando o ouvido médio estava fechado. Quando o ouvido médio estava ventilado, não houve mudanças significativas. Isso indica que a permeabilidade da tuba auditiva pode influenciar as mudanças de ICP induzidas pela postura, uma vez que ela regula a ventilação da pressão do ouvido médio para a atmosfera.

Recentemente, o uso da timpanometria de banda larga (WBT) tem sido explorado para o monitoramento não invasivo da ICP. Essa técnica utiliza uma faixa de frequências ampla, variando de 0,25 a 3 kHz, em vez de uma frequência única, o que permite uma avaliação mais detalhada da pressão do ouvido médio. Durante experimentos com mudanças posturais (como a inclinação para a posição supina e Trendelenburg), observou-se que a pressão de pico do ouvido médio aumentava com a inclinação para baixo e diminuía quando a posição voltava à vertical.

Em relação à absorção de energia, foi notado que, no intervalo de frequência de 0,25 a 3 kHz, a energia absorbida não variava com as mudanças posturais, o que não ocorreu quando a absorção de energia foi medida em pressão ambiente. A invariância postural da absorção de energia nas pressões de pico do ouvido médio sugere que os efeitos da ICP aumentada pela inclinação eram compensados pela pressão tympanométrica de pico (TPP). Isso levanta uma relação entre ICP e TPP, com a fórmula sugerida de ICP ≈ 15 * TPP, o que poderia ser útil em estudos futuros sobre o monitoramento não invasivo da ICP.

Por fim, outro método promissor para o monitoramento não invasivo da ICP são as emissões otoacústicas (OAE), geradas pelas vibrações das células ciliadas externas na cóclea. Essas emissões são dependentes da ICP, pois as variações de ICP alteram a pressão sobre os ossículos, afetando a transmissão do som no ouvido médio. Existem três tipos principais de OAEs: espontâneas (SOAE), evocados transitórios (TEOAE) e de produto de distorção (DPOAE). Quando a ICP aumenta, a magnitude do DPOAE diminui, e o ângulo de fase aumenta, uma mudança que foi observada em estudos como o de Voss et al. (2006) e Bershad et al. (2014). Estudos com pacientes hidrocefálicos também mostraram que mudanças na ICP de 15 mmHg ou mais resultaram em alterações no DPOAE, sendo esse método útil para detectar variações na ICP.

Além de todos os aspectos técnicos e experimentais descritos, é importante que o leitor compreenda o papel fundamental que as medições não invasivas da ICP desempenham na medicina moderna. O monitoramento da ICP é crucial em diversas condições clínicas, como hidrocefalia, traumatismo craniano e doenças vasculares, onde variações na pressão intracraniana podem ser fatais se não monitoradas adequadamente. A combinação de técnicas como timpanometria e emissões otoacústicas com a análise postural oferece uma abordagem mais acessível e segura, reduzindo a necessidade de procedimentos invasivos, que são muitas vezes complexos e arriscados.

Como a Combinação de Sinais Fisiológicos Pode Melhorar a Reconhecimento de Emoções

O reconhecimento de emoções humanas através de sinais fisiológicos tem sido uma área de crescente interesse na pesquisa científica. Vários tipos de sinais fisiológicos, como a atividade eletrodermal (GSR), eletrocardiograma (ECG), eletromiografia (EMG) e outros, têm sido utilizados para detectar estados emocionais, com diferentes níveis de eficácia dependendo do sinal e da abordagem metodológica. No entanto, a combinação de múltiplos sinais fisiológicos tem mostrado um grande potencial para melhorar a precisão do reconhecimento das emoções, superando as limitações de sinais isolados.

Estudos anteriores já demonstraram que diferentes sinais fisiológicos podem refletir diferentes aspectos das emoções humanas. Por exemplo, o GSR é amplamente utilizado para medir a excitação emocional, já que está diretamente relacionado à atividade do sistema nervoso simpático. O ECG, por sua vez, fornece informações importantes sobre a variabilidade da frequência cardíaca (HRV), que é frequentemente associada à avaliação do sistema nervoso autônomo (SNA) e tem mostrado eficácia na detecção da arousal (excitação) emocional. No entanto, cada sinal por si só tem limitações para classificar a valência e o arousal de forma eficiente, como mostrado em várias investigações.

Um estudo realizado por Bota et al. (2020) utilizou uma abordagem supervisionada para classificar emoções de valência e arousal usando sinais como ECG, atividade eletrodérmica (EDA), RES (blood volume pulse) e outros, e observou que a combinação multimodal de dados fisiológicos pode ser mais eficaz do que usar um único sinal. Os resultados sugerem que a fusão de múltiplos sinais pode captar uma gama mais ampla de respostas emocionais e, consequentemente, melhorar a acurácia da classificação. Outros trabalhos também combinaram sinais de movimentos faciais com EEG e GSR, como o estudo de Cimtay et al. (2020), que mostrou que a fusão dessas modalidades melhora a capacidade de representar e analisar as emoções humanas.

Nosso estudo, ao combinar sinais como EEG, EMG, GSR e RES dos conjuntos de dados DEAP e MAHNOB-HCI, segue a tendência de explorar abordagens multimodais para melhorar a precisão da classificação das emoções. No conjunto de dados DEAP, a combinação de todos esses sinais obteve resultados superiores, com acurácias de 78,6% para valência e 79,9% para arousal. Isso mostra uma melhoria significativa em relação aos resultados obtidos com sinais isolados ou até com combinações de dois sinais. A combinação de sinais também foi testada no conjunto de dados MAHNOB-HCI, com resultados ainda mais promissores: a fusão de EEG, GSR, RES e ECG obteve uma precisão de 76,2% para valência e 78,8% para arousal.

Embora o uso de múltiplos sinais tenha demonstrado superioridade, é importante notar que a combinação de três ou mais sinais também pode levar a um aumento substancial na complexidade computacional, e a questão do overfitting (ajuste excessivo ao modelo) se torna um desafio. No entanto, nossa abordagem de extração de características seguida pela introdução em um sistema de aprendizado aprimorado hiper-reforçado, que minimiza a capacidade computacional necessária, tem mostrado reduzir esse problema de overfitting, tornando o processo mais eficiente e robusto.

Comparando os resultados obtidos com abordagens anteriores, fica claro que a fusão de sinais fisiológicos, especialmente quando todos os sinais são combinados em um sistema de aprendizado aprimorado, pode superar os resultados tradicionais de classificação emocional. Isso sugere que os métodos de aprendizado de máquina podem beneficiar-se substancialmente de uma abordagem multimodal, uma vez que cada sinal pode fornecer uma perspectiva única sobre a emoção que está sendo experimentada.

Além disso, é relevante notar que a acurácia da classificação pode variar dependendo da natureza dos sinais usados. Por exemplo, no conjunto de dados MAHNOB-HCI, o ECG teve os melhores resultados para a escala de arousal, o que confirma a importância da variabilidade da frequência cardíaca na avaliação da excitação emocional. Por outro lado, o GSR apresentou bons resultados para a classificação de valência, mostrando sua eficácia na detecção de estados emocionais mais intensos.

Portanto, a fusão multimodal de sinais fisiológicos, embora poderosa, precisa ser aplicada com cautela, considerando o custo computacional e as potenciais dificuldades de treinamento. A combinação adequada de sinais e a escolha de um sistema de aprendizado eficaz são cruciais para garantir que a classificação das emoções seja não só precisa, mas também eficiente.

A escolha dos sinais também deve considerar o tipo de emoção que se deseja medir, uma vez que diferentes sinais têm diferentes respostas a aspectos da emoção. Assim, a combinação de sinais para diferentes escalas emocionais, como valência e arousal, pode ser mais eficaz do que usar um conjunto fixo de sinais para todas as emoções. A análise e a fusão de múltiplas modalidades, portanto, não são apenas uma solução técnica, mas uma necessidade para capturar a complexidade das emoções humanas.

Como a Política de Remoção Indígena nos EUA Moldou o Destino das Tribos Nativas e Impactou a Região do Missouri
Como as Nanopartículas Derivadas de Membranas Celulares Estão Revolucionando as Terapias Biomédicas?
A Nova Dimensão do Terrorismo: A Ameaça do Ator Isolado