Detección de novedad y codificación predictiva en el sistema auditivo: Impacto clínico en disfunciones auditivas y vestibulares. Revisión de la literatura / Deviance detection and predictive coding in the auditory system: Clinical impact in auditory and vestibular dysfunctions

Una propiedad fundamental de los sistemas sensoriales es su capacidad para detectar estímulos novedosos en el entorno. El sistema nervioso posee neuronas que disminuyen su respuesta a los estímulos sonoros que se repiten a lo largo del tiempo y otras neuronas que aumentan su frecuencia de disparo ante estímulos novedosos, siendo la diferencia entre ambas respuestas conocida como adaptación-específica a estímulos. En las últimas décadas, se ha propuesto que el cerebro establece, continuamente, predicciones de los estímulos novedosos y del entorno basándose en sus experiencias previas y en modelos de representación internos, teoría denominada codificación predictiva. En esta revisión, abordaremos algunos conceptos de la adaptación-específica a estímulos y codificación predictiva, centrándonos principalmente en el sistema auditivo. Por último, propondremos una explicación teórica basada en el marco de la codificación predictiva para algunas disfunciones neuropsiquiátricas, auditivas y vestibulares.

A fundamental property of sensory systems is their ability to detect novel stimuli in the environment. The nervous system possesses neurons that decrease their response to sound stimuli that are repeated over time and other neurons that increase their firing rate to novel stimuli, the difference between the two responses being known as stimulus-specific adaptation. In recent decades, it has been proposed that the brain continuously makes predictions of novel stimuli and the environment based on its previous experiences and internal representational models, a theory called predictive coding. In this review, we will address some concepts of stimulus-specific adaptation and predictive coding, focusing mainly on the auditory system. Finally, we will propose a theoretical explanation based on the predictive coding framework for some neuropsychiatric, auditory, and vestibular dysfunctions.

Potencial de disparidad o Mismatch negativity y P3a en pacientes con esquizofrenia / Mismatch negativity and P3a in patients with Schizophrenia

Resumen Antecedentes: la esquizofrenia es una enfermedad crónica que genera gran discapacidad, para la cual se han reportado biomarcadores potenciales, pero sin suficiente validez clínica. El mismatch negativity (MMN) y el P3a son potenciales relacionados con eventos que han demostrado ser indicadores neurofisiológicos del procesamiento auditivo pre-atencional y potenciales biomarcadores. Objetivo: evaluar el MMN y P3a en pacientes con diagnóstico de esquizofrenia y su relación con variables sociodemográficas y clínicas. Método: estudio cuantitativo transversal de 23 sujetos con esquizofrenia (ESQ) y 22 controles sanos (SN). Las amplitudes promedio y latencias del MMN/P3a para la condición infrecuente en duración y frecuencia fueron obtenidas mediante un paradigma oddball auditivo en un EEG de 32 canales. Resultados: se encontraron diferencias para la condición frecuencia en la amplitud del MMN (p=0.046; CI 95% 0.009; 0.87) y la amplitud del P3a (p=0.042; CI 95% 0.025; 1.24) entre los grupos; la amplitud del MMN fue menor en el grupo ESQ (-0.36 DE 0.51 µV) en comparación con los participantes del grupo de SN (-0.81 DE 0.89 µV), mientras que la amplitud del P3a fue menor en el grupo SN (0.18 DE 0.97 µV) versus el grupo ESQ (0.82 DE 1.05 µV). En relación con las variables sociodemográficas y clínicas, las asociaciones con el P3a fueron moderadas y con el MMN débiles. Conclusiones: la reducción de la amplitud del MMN a la condición frecuencia exhibe mayor utilidad que el P3a como medida de alta estabilidad en pacientes con esquizofrenia, lo que reitera su posible uso como biomarcador.

Abstract Background: schizophrenia is a chronic disease that generates great disability, which currently has potential biomarkers but without sufficient clinical validity. Mismatch negativity (MMN) and P3a are event-related potentials that have been shown to be neurophysiological indicators of pre-attentional auditory processing and potential biomarkers. Objective: to evaluate MMN and P3a in patients with a diagnosis of schizophrenia and their relationship with sociodemographic and clinical variables. Method: a quantitative cross-sectional study of 23 subjects with schizophrenia and 22 healthy controls was performed. The average amplitudes and latencies of the MMN/P3a for the condition infrequent in duration and infrequent in frequency were obtained using an auditory oddball paradigm on a 32-channel EEG. Results: differences were found for the frequency condition in the amplitude of the MMN (p=0.046; 95% CI 0.009; 0.87) and the amplitude of the P3a (p=0.042; 95% CI 0.025; 1.24) between the groups; MMN amplitude was lower in schizophrenia (-0.36 SD 0.51 µV) compared to healthy controls (-0.81 SD 0.89 µV), while P3a amplitude was lower in healthy controls (0.18 SD 0.97 µV) versus the group with schizophrenia (0.82 SD 1.05 µV). In regard to sociodemographic and clinical variables, the associations with P3a were moderate, and showed weak MMN. Conclusions: MMN amplitude reduction to the frequency condition exhibits greater utility than P3a as a measure of high stability in schizophrenia, restating its potential use as a biomarker.

Uso del Análisis por Componentes Independientes en la extracción de artefactos de la respuesta Mismatch Negativity / Use of Independent Component Analysis in the extraction of Artifacts of the Mismatch Negativity Response

Resumen: El Potencial de disparidad es una respuesta cortical elicitada por la detección automática de estímulos con distintas características, permitiendo la exploración de procesos neuropsicológico. Sin embargo el análisis de esta señal se puede dificultar por una baja relación señal a ruido debida a los artefactos presentes en la adquisición de la misma. Diversas publicaciones proponen el uso de implementaciones de la técnica de Separación Ciega de fuentes, como el Análisis por Componentes Independientes (ACI), para preprocesar las señales y eliminar estos artefactos. Sin em bargo, no se ha estudiado cuál de los algoritmos ACI que se encuentran en la literatura será el óptimo para mejorar la calidad del MMN, por lo que en este estudio se propuso determinar si existen diferencias significativas en las respuestas obtenidas al utilizar los algoritmos de FastICA, Infomax y SOBI para eliminar los artefactos típicamente presentes en este tipo de señales. Adicionalmente se dan algunas características de estos artefactos a manera de sistematizar la identificación y eliminaciones de los mismos, además de comparar las respuestas obtenidas con y sin preprocesamiento, así como la distribución topográfica de este potencial antes y después de la eliminación de artefactos. Mediante el algoritmo Infomax se identifican mejor los Componentes Independientes asociados con artefactos, resultando en un MMN de mayor amplitud y distribución topográfica fronto-central con predominancia izquierda.

Abstract: Mismatch Negativity is a cortical response elicited by the automatic detection of stimuli which have different characteristics, allowing exploration of neuropsychological processes. However, the analysis of this signal can be di fficult by a low SNR due to artifacts present when the signal is recorded. Different publications propose to use the approach given by the Blind Source Separation Technique by means of the Independent Component Analysis (ICA) to preprocess and eliminate these artifacts. Nevertheless, it has not been studied which of the ICA algorithms found in the literature will be optimal for improving the quality of MMN. Therefore the aim of this study is to determine whether there are significant differences in the responses obtained by using FastICA, Infomax and SOBI to remove artifacts typically present in such signals. In addition, some features of the Independent Components related to artifacts are given in order to systematize the identification and elimination of those. In addition, MMN responses obtained with and without data preprocessing, as well as topographic maps before and after the elimination of artifacts were compared. Thus, Infomax is the best ICA algorithm to calculate Independent Components associated with artifacts, resulting in high amplitude MMN and a topographic map with a clear fronto-central distribution with left-hemisphere predominance.