Título: Estados mentales dinámicos asociados a la detección de peligro durante el manejo
Directores: Juan E Kamienkowski, Joaquin Gonzalez
Juradxs: Luz Bavassi, Laouen Belloli

Palabras claves: Magnetoencefalografía (MEG), eye-tracking, conducción, percepción de peligro, hazard perception, localización de fuentes, DyNeMo, estados mentales dinámicos, atención visual.

Resumen: A pesar de los avances en neurociencia cognitiva, aún se conoce poco sobre los estados mentales asociados a tareas naturales como la exploración visual de una escena, la detección de peligro o la toma de decisiones en entornos dinámicos. La conducción constituye un ejemplo especialmente relevante, ya que requiere integrar información visual, mantener la atención y responder rápidamente ante posibles situaciones de riesgo. En estas tareas surgen preguntas sobre si los mismos mecanismos mentales intervienen en diferentes contextos. ¿Es el mismo proceso el que se activa al fijar la mirada en un objeto de búsqueda que al detectar una posible amenaza al manejar? ¿Existen diferencias en el estado mental al observar un posible peligro frente a un objeto neutral? Comprender estos patrones podría contribuir al desarrollo de herramientas capaces de estimar tiempos de reacción con mayor precisión o detectar situaciones de riesgo de manera más temprana, con potencial aplicación en el ámbito de la seguridad vial. En esta tesis se analizan los estados mentales de distintos sujetos expuestos a videos de conducción correspondientes al Hazard Perception Test del Reino Unido, utilizando datos obtenidos en el marco de una colaboración con la Universidad de Nottingham (UdN). Los videos presentan escenas dinámicas de conducción en las que aparecen potenciales situaciones de peligro (hazards).

Para cada participante se analizaron de manera simultánea registros de actividad cerebral mediante magnetoencefalografía (MEG) y movimientos oculares registrados mediante eye-tracking (ET), con el propósito de caracterizar los estados mentales asociados a momentos clave del experimento, como la detección de un hazard o una fijación visual. La combinación de ambas fuentes de información permitió relacionar la actividad cerebral con el comportamiento visual de los participantes.

Por otra parte, la integración de estos datos, junto con diversas técnicas de preprocesamiento, posibilitó la aplicación de análisis avanzados como la localización de fuentes y la estimación de estados mentales mediante Dynamic Network Modes (DyNeMo), un modelo generativo no supervisado basado en aprendizaje profundo. Los análisis permitieron identificar distintos modos cerebrales con características espaciales y espectrales propias, incluyendo modos compatibles con redes visuales, atencionales y sensoriomotoras, cuya activación presentó cambios alrededor de eventos de fijación visual y respuesta mediante botón. En conjunto, estos resultados muestran que la combinación de MEG, eye-tracking y modelos dinámicos como DyNeMo constituye una herramienta útil para estudiar cómo cambia la actividad cerebral durante la observación de videos dinámicos de conducción en un contexto de libre exploración visual. Además, permiten comprender mejor cómo el cerebro procesa la información visual y responde ante situaciones de riesgo en escenarios dinámicos de conducción.