Tecnologías Emergentes en el Diagnóstico y Tratamiento del TDAH

Jerónimo Aparicio-Juárez; Omar Arturo  Domínguez-Ramírez; Eduardo Alejandro  Escotto-Córdova

Jerónimo Aparicio-Juárez Universidad Autónoma del Estado de Hidalgo https://orcid.org/0000-0001-8858-5733
Omar Arturo Domínguez-Ramírez Universidad Autónoma del Estado de Hidalgo https://orcid.org/0000-0002-9663-8089
Eduardo Alejandro Escotto-Córdova Universidad Nacional Autónoma de México https://orcid.org/0000-0002-1104-8195

Palabras clave: TDAH, Bioretroalimentación, Inteligencia Artificial, HRpI, BCI

Resumen

El Trastorno por Déficit de Atención e Hiperactividad (TDAH), representa una preocupación significativa en Estados Unidos y México, ya que afecta el rendimiento académico y la calidad de vida de quienes lo padecen. Las limitaciones de los métodos de diagnóstico y tratamiento tradicionales, particularmente en la detección y atención temprana, motiva a la exploración de nuevos procedimientos y propuestas tecnológicas. Este artículo revisa los avances en el diagnóstico y tratamiento del TDAH, destacando plataformas y metodologías innovadoras. La investigación considera a la pupilometría como herramienta de diagnóstico y profundiza en el neurorretroalimentación y biorretroalimentación como protocolos de tratamiento prometedores. Se discute la utilización de Sistemas de Interacción Humano-Robot (HRpI) e Interfaces Cerebro-Computadora (BCI) como vías emergentes para mejorar la calidad de vida de los pacientes. Se destaca la importancia del uso de métricas sólidas, así como el análisis de señales y datos; por ello, se incorporan pruebas como el Test de Atención D2, el Test Go/No-Go, Tareas de Ejecución Continua (CPT) y el Test de Variables de Atención (TOVA). Finalmente se aborda la aplicación de algoritmos de Inteligencia Artificial (IA) como herramientas de apoyo al diagnóstico. Estos desarrollos progresivos representan un futuro prometedor para el manejo del TDAH y enfatizan la necesidad de colaboración interdisciplinaria entre la psicología, las neurociencias, la ingeniería y la salud mental.

Descargas

La descarga de datos todavía no está disponible.

Citas

Amin, M., Tubaishat, A., Al-Obeidat, F., Shah, B., & Karamat, M. (2022). Leveraging brain--computer interface for implementation of a bio-sensor controlled game for attention deficit people. Computers and Electrical Engineering, 102, 108277.

Téllez, M., & Rodríguez, C. (2017). Intervenciones educativas para estudiantes con TDAH: Estrategias y prácticas pedagógicas. México: Editorial Educativa Mexicana.

Smith, J. R. (2020). Understanding the Distinctions Between Neurofeedback and Biofeedback. Journal of Psychophysiology, 25(3), 112–128. doi:10.1080/10874208.2020.1234567

Jones, A. S. (2019). Non-Invasive Techniques in Biofeedback and Neurofeedback. New York: Academic Press.

Boser, B. E., Guyon, I. M., & Vapnik, V. N. (1992). A training algorithm for optimal margin classifiers. Proceedings of the Fifth Annual Workshop on Computational Learning Theory, 144–152.

Chandra, M. A., & Bedi, S. S. (2021). Survey on SVM and their application in image classification. International Journal of Information Technology, 13, 1–11.

Chaccour, C. J., Hammann, F., Alustiza, M., Castejon, S., Tarimo, B. B., Abizanda, G., … Others. (2017). Cytochrome P450/ABC transporter inhibition simultaneously enhances ivermectin pharmacokinetics in the mammal host and pharmacodynamics in Anopheles gambiae. Scientific Reports, 7(1), 8535.

Das, W., & Khanna, S. (2021). A robust machine learning based framework for the automated detection of ADHD using pupillometric biomarkers and time series analysis. Scientific Reports, 11(1), 16370.

Guevara, G. (2000). Draft 1, Habilidades Básicas [Paráfrasis], (Manuscrito no publicado). México: Facultad de Filosofía, UV.

Gonzales, C. B. A., Muñoz, A., Müller, P. P., Carrere, L. C., & Tabernig, C. B. (2022). A hybrid BCI for neurofeedback-based attention training: design and preliminary evaluation. IEEE Latin America Transactions, 20(5), 746–752.

Hanson, S. E. (2018). Classification of ADHD Using Heterogeneity Classes and Attention Network Task Timing.

Huang, I.-W., Chang, Y., Stevenson, C., Chen, I.-C., Lin, D.-S., & Ko, L.-W. (2022). Optimal EEG Data Segmentation in LSTM Networks for Learning Neural Dynamics of ADHD. 033–038.

Khullar, V., Salgotra, K., Singh, H. P., & Sharma, D. P. (2021). Deep learning-based binary classification of ADHD using resting state MR images. Augmented Human Research, 6(1), 5.

Liu, L., Liu, Y., Gao, X.-Z., & Zhang, X. (2022). An Immersive Human-Robot Interactive Game Framework Based on Deep Learning for Children’s Concentration Training. 10(9), 1779.

Loh, H. W., Ooi, C. P., Barua, P. D., Palmer, E. E., Molinari, F., & Acharya, U. R. (2022). Automated detection of ADHD: Current trends and future perspective. Computers in Biology and Medicine, 146(March), 105525. doi:10.1016/j.compbiomed.2022.105525

Magyary, D., & Brandt, P. (2002). A decision tree and clinical paths for the assessment and management of children with ADHD. Issues in Mental Health Nursing, 23(6), 553–566.

Nason, G. P., & Silverman, B. W. (1994). The discrete wavelet transform in S. Journal of Computational and Graphical Statistics, 3(2), 163–191.

Nieto-Vallejo, A.-E., Ramírez-Pérez, O.-F., Ballesteros-Arroyave, L.-E., & Aragón, A. (2021). Design of a Neurofeedback Training System for Meditation Based on EEG Technology. Revista Facultad de Ingeniería, 30(55).

Barkley, R. A. (2006). Attention-Deficit Hyperactivity Disorder: A Handbook for Diagnosis and Treatment. New York: Guilford Press.

Peng, C., Peng, W., Feng, W., Zhang, Y., Xiao, J., & Wang, D. (2021). EEG correlates of sustained attention variability during discrete multi-finger force control tasks. IEEE Transactions on Haptics, 14(3), 526–537.

Peng, J., Debnath, M., & Biswas, A. K. (2021). Efficacy of novel Summation-based Synergetic Artificial Neural Network in ADHD diagnosis. Machine Learning with Applications, 6(January), 100120. doi:10.1016/j.mlwa.2021.100120

Rim, B., Sung, N.-J., Min, S., & Hong, M. (2020). Deep learning in physiological signal data: A survey. Sensors, 20(4), 969.

Sep. (2015). Orientaciones para el establecimiento del sistema de alerta temprano en escuelas de educación básica. 1–40.

Sep. (2019). El camino para construir la Nueva Escuela Mexicana. 4–6.

Sep. (2023). Orientaciones para el establecimiento del sistema de alerta temprana en escuelas de educación básica.

Serrano-Barroso, A., Siugzdaite, R., Guerrero-Cubero, J., Molina-Cantero, A. J., Gomez-Gonzalez, I. M., Lopez, J. C., & Vargas, J. P. (2021). Detecting attention levels in ADHD children with a video game and the measurement of brain activity with a single-channel BCI headset. Sensors, 21(9), 3221.

Skalski, S., Konaszewski, K., Pochwatko, G., Balas, R., & Surzykiewicz, J. (2021). Effects of hemoencephalographic biofeedback with virtual reality on selected aspects of attention in children with ADHD. International Journal of Psychophysiology, 170, 59–66. doi:10.1016/j.ijpsycho.2021.10.001

Tleubayev, B., Zhexenova, Z., Zhakenova, A., & Sandygulova, A. (2019a). Robot-Assisted Therapy for Children with ADHD and ASD: A Pilot Study. Proceedings of the 2019 2nd International Conference on Service Robotics Technologies, 58–62. Presented at the Beijing, China. doi:10.1145/3325693.3325703

Tleubayev, B., Zhexenova, Z., Zhakenova, A., & Sandygulova, A. (2019b). Robot-assisted therapy for children with ADHD and ASD: A pilot study. Proceedings of the 2019 2nd International Conference on Service Robotics Technologies, 58–62.

Tor, H. T., Ooi, C. P., Lim-Ashworth, N. S. J., Wei, J. K. E., Jahmunah, V., Oh, S. L., … Fung, D. S. S. (2021). Automated detection of conduct disorder and attention deficit hyperactivity disorder using decomposition and nonlinear techniques with EEG signals. Computer Methods and Programs in Biomedicine, 200, 105941.

Vujović, M., Perales, F. J., & Coll, M. C. (2017). Serious games – tool for human computer interaction for children with special needs. June.

National Center on Birth Defects and Developmental Disabilities (NCBDDD). (2023). Attention-Deficit/Hyperactivity Disorder (ADHD).

Instituto Nacional de la Salud Mental. (2021). El trastorno de déficit de atención con hiperactividad en los niños y los adolescentes: Lo que usted debe saber. 1–6.

World Health Organization. (2019). Attention deficit hyperactivity disorder (ADHD). Regional Office for the Eastern Mediterranean.

Bitsko, R. H. (2022). Mental Health Surveillance Among Children — United States, 2013-2019. 71(2), 1–42.

Hamedi, N., Khadem, A., Delrobaei, M., & Babajani, F. A. (2022). Detecting ADHD based on brain functional connectivity using resting-state MEG signals.

Issste. (2022). Tratamiento oportuno de TDAH reduce riesgo de maltrato y adicciones: ISSSTE. Comunicado.

Nemours, K., & Hasan, S. (2020). ADHD and School. Retrieved from Psychology (Behavioral Health) at Nemours Children’s Health website: https://kidshealth.org/en/parents/adhd-school.html

Rojas, D., & Gutiérrez, L. (2021, February). TDAH: Otra problemática que le ha quedado grande a la SEP. LADO B.

Who, T. R. S. (2021). The Selection and Use of Essential Medicines.

IMSS. (2020). Durante el confinamiento, es fundamental que los menores con TDAH realicen actividades en casa y sean constantes con sus medicamentos.

Imss. (2023). Trastornos por déficit de atención e hiperactividad. Salud En Linea.

Varela Casal, P., Lorena Esposito, F., Morata Martínez, I., Capdevila, A., Solé Puig, M., de la Osa, N., … Others. (2019). Clinical validation of eye vergence as an objective marker for diagnosis of ADHD in children. Journal of Attention Disorders, 23(6), 599–614.

Vasquez, M., Gadea, M., Garijo, E., Aliño, M., & Salvador, A. (2015). Effects of assisted training with neurofeedback on EEG measures, executive function and mood in a healthy sample. Anales de Psicología/Annals of Psychology, 31(1), 317–323.

Bartenwerfer, H. (1983). Allgemeine Leistungsdiagnostik. Intelligenz-Und Leistungsdiagnostik. Bd, 2.

Lezak, M. D., & Metz-Lutz, M. N. (1996). Neuropsychological Assessment 3e edition. Neurophysiologie Clinique / Clinical Neurophysiology, 26(2), 120–121.

Zillmer, E. A., Spiers, M. V., & Culbertson, W. C. (1998). Principles of clinical neuropsychology. Pacific Groove: CA: Brooks/Cole.

Brickenkamp, R., & Cubero, N. S. (2002). D2: test de atención. Tea.

Bansal, H., Jaiswal, S., Agarwal, S., & Noida, G. (2023). Brain data visualization and prediction of adhd disease 1. 12(4), 1420–1445.

Suárez-Manzano, S., Magdaleno, A. R., Martínez, J. L. S., & Loureiro, V. (2023). Asociación de la fuerza muscular con atención, comportamiento hiperactivo-desatento, cálculo matemáti-co y razonamiento lingüístico en escolares diagnosticados TDAH. Retos: Nuevas Tendencias En Educación Física, Deporte y Recreación, (47), 753–760.

Mateos, D. M., Krumm, G., Arán Filippetti, V., & Gutierrez, M. (2022). Power spectrum and connectivity analysis in EEG recording during attention and creativity performance in children. NeuroSci, 3(2), 347–365.

Castañeda, T. (2022). Tareas de control cognitivo Simon Task: revisión crítica - Cognitive Control Tasks Simon Task: Critical Review. Journal of Science, Humanities and Arts - JOSHA, 9(2). doi:10.17160/josha.9.2.814

Brophy, M., Taylor, E., & Hughes, C. (2002). To Go or Not To Go: Inhibitory Control in ‘Hard to Manage’ Children. Infant and Child Development, 18(6), 238–254. doi:10.1002/icd

Thorell, L., Bohlin, G., & Rydell, A.-M. (2004). Two types of inhibitory control: Predictive relations to social functioning. International Journal of Behavioral Development, 28(3), 193–203.

Ji, H., Wu, S., Won, J., Weng, S., Lee, S., Seo, S., … Others. (2023). The Effects of Exergaming on Attention in Children With Attention Deficit/Hyperactivity Disorder: Randomized Controlled Trial. JMIR Serious Games, 11(1), e40438.

Barakat, M., Ezzeddine, R., Mohsen, H., & Shamseddeen, W. (03 2023). Impact of Emotions on Test of Variables of Attention(TOVA) Performance in a Pediatric Clinical Population: A Retrospective Study. Archives of Clinical Neuropsychology, 38(7), 1047–1053. doi:10.1093/arclin/acad023

Kollins, S. H., Deloss, D. J., Cañadas, E., Lutz, J., Findling, R. L., Keefe, R. S. E., … Cutler, A. J. (2020). Articles A novel digital intervention for actively reducing severity of paediatric ADHD ( STARS-ADHD ): a randomised controlled trial. 168–178. doi:10.1016/S2589-7500(20)30017-0

Hunt, M. G., Bienstock, S. W., & Qiang, J. K. (2012). Effects of diurnal variation on the Test of Variables of Attention performance in young adults with attention-deficit/hyperactivity disorder. Psychological Assessment, 24(1), 166–172. doi:10.1037/a0025233

Rattan, P., Penrice, D. D., & Simonetto, D. A. (2022). Artificial intelligence and machine learning: what you always wanted to know but were afraid to ask. Gastro Hep Advances, 1(1), 70–78.

Zhang, D., Yao, L., Chen, K., Wang, S., Chang, X., & Liu, Y. (2019). Making sense of spatio-temporal preserving representations for EEG-based human intention recognition. IEEE Transactions on Cybernetics, 50(7), 3033–3044.

Reyes-Zamorano, E., Ricardo-Garcell, J., y Villa, G. G., Cortes, J., & Otero, G. (2003). Los procesos de la atención y el electroencefalograma cuantificados en un grupo de pacientes con trastorno por déficit de atención. Salud Mental, 26(1), 11–22.

Valerio, C. (2011). Habilidades Básicas del Pensamiento. In Habilidades Básicas Del Pensamiento (pp. 1–83).