Respiración derivada del ECG para explicar fluctuaciones BOLD en reposo y modulaciones respiratorias: la pregunta, el experimento y por qué responde — comentario sobre Esteves et al. (Scientific Reports, 2025)

1) La pregunta científica

La pregunta central es: ¿es posible extraer una señal respiratoria útil a partir del ECG registrado dentro del entorno de la RM (respiración derivada del ECG, EDR), sin equipamiento respiratorio adicional, y aun así explicar fluctuaciones BOLD y estimar la reactividad cerebrovascular (CVR) con un rendimiento comparable al de la respiración medida?
Esta cuestión es especialmente relevante en EEG-fMRI, donde el ECG suele estar disponible, pero los registros respiratorios pueden faltar, estar corruptos o ser logísticamente complejos.

Respiración derivada del ECG para explicar fluctuaciones BOLD en reposo y modulaciones respiratorias

2) El experimento

Las autoras adquirieron datos de EEG-fMRI en 15 participantes sanos en tres condiciones:

• Estado de reposo (RS)

• Respiración lenta guiada (SPB, 0.1 Hz)

• Apnea post-espiratoria (BH)

Se registraron simultáneamente:

• ECG (ya estándar en muchos montajes EEG-fMRI), y

• Respiración medida (ground truth)

A partir del ECG se extrajeron múltiples señales EDR, abarcando distintas familias de métodos (ENV, HRV, AM, QRS-AM, PCA, kPCA, EMD). Estas señales se evaluaron según:

1. Similitud EDR–respiración medida

• correlación temporal (con retardo óptimo)

• coherencia espectral

2. Calidad de los regresores fisiológicos para:

• denoising BOLD (términos respiratorios RETROICOR, modelos RVT)

• estimación de CVR, especialmente durante BH

3. Comparación directa entre regresores basados en EDR y regresores basados en respiración medida, tanto en varianza explicada como en mapas voxel-a-voxel.

3) Por qué este experimento responde a la pregunta

El diseño responde a la pregunta en tres niveles prácticos:

1. ¿La EDR se parece realmente a la respiración?
   Se evalúa tanto en el dominio temporal como en el espectral, lo cual es crucial porque muchos regresores fisiológicos en fMRI dependen fuertemente del contenido frecuencial respiratorio.

2. ¿La EDR funciona para los usos relevantes en fMRI?
   El estudio va más allá de la similitud formal y prueba lo esencial: cuánta varianza BOLD se explica y cómo cambian las estimaciones fisiológicas según el tipo de regressor.

3. ¿La EDR resiste modulaciones respiratorias fuertes?
   La inclusión de SPB y BH permite evaluar el método fuera del reposo pasivo.

El resultado clave que cierra el razonamiento es que los métodos EDR basados en amplitud se degradan en el entorno MRI, mientras que un enfoque basado en variabilidad de la frecuencia cardíaca (HRV) muestra el mejor rendimiento global, produciendo correcciones fisiológicas y estimaciones de CVR comparables a las obtenidas con respiración medida.

4) Lectura BrainLatam — APUS (propiocepción extendida)

Desde BrainLatam, leemos este trabajo como infraestructura experimental. Mejora la forma en que modelamos la contribución corporal al BOLD sin añadir dispositivos. Desde la perspectiva de APUS, las fluctuaciones BOLD no son exclusivamente “cerebrales”: también reflejan cómo el cuerpo se organiza dentro del escáner (postura, micro-movimientos, incomodidad).

Cuando la respiración no se mide, se pierde parte de ese contexto corporal. La EDR, especialmente la basada en HRV, actúa como un atajo operativo para preservar esa dimensión sin aumentar la complejidad experimental.

5) Lectura BrainLatam — Tekoha (interocepción extendida)

Tekoha es central en este estudio: respiración, HRV y BOLD son manifestaciones entrelazadas de la regulación interna. Una fortaleza clave del trabajo es demostrar que, incluso con distorsiones del ECG inducidas por la RM, puede recuperarse información respiratoria suficientemente robusta para:

• corrección de ruido fisiológico

• mapeo de efectos asociados a RVT

• estimación de CVR durante BH (con menor sensibilidad, pero patrones de amplitud comparables)

Un matiz importante: la EDR basada en HRV puede capturar no solo respiración, sino también componentes autonómicos más amplios que modulan el BOLD. Esto no es un error; es una señal de que lo “fisiológico” y lo “neuronal” están profundamente acoplados.

6) Límites que definen el siguiente experimento

• Variabilidad del retardo temporal entre EDR y respiración medida: la correlación mejora con el retardo óptimo, pero este varía entre sujetos y tareas.

• Dependencia fuerte de la calidad del ECG en RM: los métodos basados en morfología/amplitud son más vulnerables.

• En BH, la EDR produce menos vóxeles significativos, aunque con amplitudes BOLD comparables.

• Precaución conceptual: eliminar indiscriminadamente componentes EDR puede borrar señales fisiológicamente relevantes según el objetivo del estudio.

7) Traducción BrainLatam al mundo orgánico

Traducción BrainLatam al mundo orgánico: este trabajo muestra que es posible reducir carga experimental y mantener modelado fisiológico útil aprovechando una señal ya disponible en EEG-fMRI (ECG). En escenarios reales —bandas respiratorias ausentes, señales corruptas o análisis retrospectivos— la EDR basada en HRV emerge como una alternativa práctica para denoising y CVR sin equipamiento adicional.

8) Pregunta abierta BrainLatam

Si la EDR basada en HRV refleja tanto respiración como regulación autonómica, ¿deberíamos tratarla principalmente como:

• un sustituto de la respiración, o

• explícitamente como un marcador cardiorrespiratorio compuesto, separando lo respiratorio de lo autonómico en la modelización BOLD?

El cuerpo no necesita creencias para funcionar.
Necesita espacio, movimiento y regulación.

Ref.:

‌Esteves, I., Fouto, A. R., Ruiz-Tagle, A., Caetano, G., & Figueiredo, P. (2025). Using ECG-derived respiration for explaining BOLD-fMRI fluctuations during rest and respiratory modulations. Scientific Reports, 15(1). https://doi.org/10.1038/s41598-025-23131-7