ANÁLISIS DE LA CONECTIVIDAD EFECTIVA Y FUNCIONAL PARA LA DETECCIÓN TEMPRANA DE LA ENFERMEDAD DE ALZHEIMER EN MUESTRA IBEROAMERICANA En el cerebro existe una gran cantidad de conexiones, donde distintos grupos de neuronas se sincronizan temporalmente provocando la aparición de funciones cognitivas. Comprender la organización de esta compleja red cerebral en base a datos neurofisiológicos representa uno de los desafíos más importantes y emocionantes en el campo de la neurociencia. El estudio de las redes funcionales cerebrales ha cobrado importancia, en gran medida debido a la aparición de nuevos algoritmos que permiten analizar la interdependencia entre señales temporales obtenidas mediante técnicas no invasivas, como la electroencefalografía (EEG) o magnetoencefalografía (MEG). El estudio de la enfermedad de Alzheimer (EA) desde el análisis de las redes funcionales EEG/MEG, en estado de reposo y con el desarrollo de tareas, de distintos grupos de sujetos (sujetos con quejas subjetivas de memoria, sujetos con antecedentes familiares de demencia y sujetos con deterioro cognitivo leve) en comparación con sujetos control sanos ha sido escasamente estudiado, pese a que EA se perfila como un problema socio sanitario complejo a nivel mundial. Surge entonces la necesidad de establecer biomarcadores sensibles a la patología que permitan la detección y diagnóstico temprano de la enfermedad, considerando como punto de partida para la caracterización en muestra iberoamericana. Para el análisis de resultados en EEG se utilizará el modelo de conectividad en fase, empleando para ello el método Phase Locking Value. En el caso del fMR el análisis estará basado en un atlas anatómico de 160 áreas y las señales temporales representativas de cada área serán obtenidas promediando la señal BOLD de todos los voxels contenidos en ella. Estas series de tiempo promedio se utilizarán para construir una red de conectividad funcional de 160 nodos para cada sujeto y condición.