Application of machine learning methodologies for the detection of neuroanatomical and electrophysiological factors predisposing to heavy alcohol consumption

Este Trabajo Fin de Máster aplica técnicas de machine learning no supervisado, en particular clustering jerárquico, al análisis conjunto de datos de magnetoencefalografía (MEG) y resonancia magnética (MRI) para identificar patrones neuroanatómicos y electrofisiológicos asociados a la predisposición al consumo intensivo de alcohol en adolescentes. Los resultados muestran alteraciones específicas en bandas de frecuencia alfa y theta y en áreas relacionadas con el control inhibitorio, lo que sugiere marcadores tempranos de riesgo vinculados a la neuromaduración cerebral.