Un mal escondido en un EEG: detección de epilepsia con ayuda de inteligencia artificial

A hidden illness in an EEG: epilepsy detection with the help of artificial intelligence

Authors

  • Luis Filiberto Regino Medina Benemérita Universidad Autónoma de Puebla
  • Juan Manuel González Calleros Benemérita Universidad Autónoma de Puebla
  • Alina Santillán Guzmán Benemérita Universidad Autónoma de Puebla https://orcid.org/0000-0001-5165-4889

DOI:

https://doi.org/10.29105/cienciauanl.v29.139.540

Keywords:

epilepsia, electroencefalograma, inteligencia artificial, detección, epilepsy, electroencephalogram, artificial intelligence, detection.

Abstract

El cerebro envía señales eléctricas que se miden con electroencefalogramas (EEG) para diagnosticar enfermedades como la epilepsia. Las ondas cerebrales reflejan distintos estados y sus anomalías pueden indicar problemas. La inteligencia artificial (IA) mejora el análisis de EEG, detectando eventos epilépticos con alta precisión, pero debe apoyar al juicio clínico, no reemplazarlo. La colaboración y formación continua son clave para integrar eficazmente la IA en la medicina.

Abstract

The brain generates electrical signals that are measured with electroencephalograms (EEG) to diagnose disorders such as epilepsy. Brain waves reflect different states, and abnormalities in them may indicate problems. Artificial intelligence (AI) enhances EEG analysis by detecting epileptic events with high accuracy, but it should support clinical judgment, not replace it. Collaboration and continuous training are key to effectively integrating AI into medicine.

Downloads

Download data is not yet available.

Author Biographies

Luis Filiberto Regino Medina, Benemérita Universidad Autónoma de Puebla

Mecatrónico por la Benemérita Universidad Autónoma de Puebla y maestro en Ciencias de la Electrónica, con opción en Automatización. Becario Conahcyt y candidato a doctor en Ingeniería del Lenguaje y del Conocimiento por la Benemérita Universidad Autónoma de Puebla. Sus intereses incluyen el procesamiento de bioseñales, el análisis de EEG y la inteligencia artificial aplicada a la salud.

Juan Manuel González Calleros, Benemérita Universidad Autónoma de Puebla

Investigador en interacción humano-computadora e inteligencia artificial, con experiencia en el desarrollo de sistemas aplicados a la educación y la industria. Trabaja en temas de usabilidad, diseño de interfaces y adopción responsable de tecnologías de inteligencia artificial con impacto en entornos académicos y organizacionales.

Alina Santillán Guzmán, Benemérita Universidad Autónoma de Puebla

Doctora en Ingeniería por la Universidad de Kiel, Alemania. Profesora-investigadora de la FCE-BUAP. Sus líneas de investigación incluyen el procesamiento de bioseñales, los sensores biomédicos y los proyectos inclusivos. Miembro del SNII, nivel I.

References

Bai, Lin, Litscher, Gerhard, Li, Xiaoning. (2025). Epileptic seizure detection using machine learning: A systematic review and meta-analysis, Brain Sciences, 15(6), 634.

Liu, Xinle, Ali, Tayyeba K., Singh, Preeti, et al. (2022). Deep learning to detect optical coherence tomography-derived diabetic macular edema from retinal photographs: a multicenter validation study. Ophthalmology Retina, 6(5), 398-410, https://doi.org/10.1016/j.oret.2021.12.021

United States Food and Drug Administration. (2025, April 9). Ceribell Seizure Detection Software: 510(k) premarket notification K241589, https://www.accessdata.fda.gov/cdrh_docs/pdf24/K241589.pdf

Risqiwati, Diah, Wibawa, Adhi D. Pane, Evi S., et al. (2024). Effective relax acquisition: A novel approach to classify relaxed state in alpha band EEG-based transformation, Brain Informatics, 11, 12.

Organización Mundial de la Salud. (2024). Epilepsia, https://www.who.int/es/news-room/fact-sheets/detail/epilepsy

Published

2026-09-01

How to Cite

Regino Medina, L. F., González Calleros, J. M., & Santillán Guzmán, A. (2026). Un mal escondido en un EEG: detección de epilepsia con ayuda de inteligencia artificial: A hidden illness in an EEG: epilepsy detection with the help of artificial intelligence. Revista CienciaUANL, 29(139), 31–35. https://doi.org/10.29105/cienciauanl.v29.139.540

Issue

Section

Artículos de investigación