Aplicação de fractais e redes complexas para a análise de sinais de EEG durante experiências com DMT

• Processo: 24/13566-7
• Modalidade de apoio: Bolsas no Brasil - Iniciação Científica
• Data de Início da vigência: 01 de outubro de 2024
• Data de Término da vigência: 30 de setembro de 2025
• Área de conhecimento: Ciências Exatas e da Terra - Física
• Pesquisador responsável: Gabriela Castellano
• Beneficiário: Eduardo Abreu da Silva
• Instituição Sede: Instituto de Física Gleb Wataghin (IFGW). Universidade Estadual de Campinas (UNICAMP). Campinas , SP, Brasil
• Vinculado ao auxílio: 13/07559-3 - Instituto Brasileiro de Neurociência e Neurotecnologia - BRAINN, AP.CEPID
• Assunto(s): Aprendizado computacional Conectividade funcional Eletroencefalografia Fractais Processamento de sinais biomédicos
• Palavra(s)-Chave do Pesquisador: Aprendizado de Máquina | conectividade funcional | Dmt | Eletroencefalografia | fractais | sincronização por motifs | processamento de sinais biomédicos

Resumo

N,N-Dimetiltriptamina (DMT) é um psicodélico serotoninérgico natural que tem atraído grande interesse científico devido aos seus profundos efeitos psicoativos. Nos últimos anos, houve um ressurgimento no interesse terapêutico pelos psicodélicos, que têm se mostrado promissores no tratamento de condições como depressão, ansiedade e transtorno de estresse pós-traumático. Alguns estudos têm utilizado sinais de eletroencefalografia (EEG) para melhor compreender os efeitos cerebrais do DMT, particularmente sua atuação nas condições citadas. Métodos de análise de sinais de EEG como a decomposição em fractais e a conectividade funcional têm sido aplicados a dados de pessoas sob o efeito do DMT, mas ainda existem discrepâncias na literatura. Ainda, estes métodos têm sido aplicados de forma independente. Dessa forma, o objetivo principal deste projeto é a utilização conjunta de fractais e de conectividade funcional, aplicados a sinais de EEG de indivíduos antes e após a inalação de DMT, para melhor compreender os efeitos cerebrais desta substância. Também serão utilizados algoritmos de machine learning para auxiliar na distinção entre os diferentes estados cerebrais dos indivíduos, e métodos explicativos de machine learning para determinar quais características de fato são mais proeminentes na diferenciação entre os estados.