Work

Identificación de Patrones Conductuales de Agresividad mediante Dinámica Oculomotora y Aprendizaje Automático: Un Enfoque a la Neurociencia Cognitiva

Year: 2026
Type: dissertation
Abstract: The conventional assessment of aggressive behavior has historically relied on subjective psychometric instruments, which are inherently limited by self-report bias and observer variability. This doctoral research proposes a paradigm shift toward objective behavioral characterization by establishing oculomotor dynamics (measured by eye-tracking) as a digital biomarker for the automated detection of aggression profiles. The study utilized a controlled experimental design that included 179 participants, stratified into children (N = 60), adolescents (N = 60), and young adults (N = 59) cohorts. A free-viewing paradigm was implemented using paired standardized affective stimuli (IAPS/OASIS). The extraction of temporal and spatial metrics, analyzed through Linear and Generalized Linear Mixed Models (LMM and GLMM), empirically validated an attentional maintenance bias as a cross-sectional marker of the aggressive profile. Furthermore, it identified an automatic orienting bias strongly modulated by the immaturity of inhibitory control in adolescents. Through Explainable Artificial Intelligence (SHAP values), the study revealed that the adult aggressive profile is not characterized by a static hyper-processing of threats. Instead, it is defined by an exploratory deficit toward positive stimuli (attentional hijacking) combined with high reactive instability in response to aversive stimuli, configuring a complex neurocognitive pattern of vigilance-avoidance. Supervised machine learning architectures were evaluated under strict validation schemes (StratifiedGroupKFold and Leave-One-Subject-Out) to mitigate overfitting. In the adolescent cohort, nonlinear ensemble algorithms (CatBoost) exceeded 74.5% accuracy, yielding a robust pathological signature. Conversely, the child cohort exhibited reduced predictive performance attributable to normative maturational noise. Among university adults, cortical top-down inhibitory control introduced profound nonlinearities; the biological signature was expressed as inter-trial variance, parameterizing this dysregulation with a balanced accuracy approaching 57%. Unsupervised topological analysis (K-Means, DBSCAN, UMAP, t-SNE) demonstrated that aggression operates as an overlapping dimensional spectrum rather than an absolute geometric class, although peripheral high-risk sub-clusters were successfully isolated. As a fundamental contribution to open science, this thesis introduces the first standardized oculomotor database in Brain Imaging Data Structure (BIDS) format focused on aggression. By documenting the behavioral responses of a Latin American population (Ecuador), it addresses a critical demographic gap in computational psychiatry. In conclusion, this research provides robust empirical evidence supporting the feasibility of integrating ocular biosignals-driven artificial algorithms for computer-assisted diagnosis. The developed methodological framework offers a non-invasive, objective, and scalable approach for the probabilistic screening of aggressive profiles, establishing a direct translational bridge between cognitive neuroscience, computational psychiatry, and biomedical engineering. RESUMEN La evaluación convencional de la conducta agresiva ha dependido históricamente de instrumentos psicométricos subjetivos, limitados por sesgos de autorreporte y la variabilidad del observador. La presente investigación doctoral propone un cambio de paradigma hacia la caracterización conductual objetiva, estableciendo la dinámica oculomotora (eye-tracking), como un biomarcador digital para la detección automatizada de perfiles de agresividad. El estudio se fundamentó en un diseño experimental controlado con N=179 participantes, estratificados en cohortes infantil (N=60), adolescentes (N=60) y adultos jóvenes (N=59). Se implemento un paradigma de visualización libre con estímulos pareados afectivos estandarizados (IAPS/OASIS). La extracción de métricas temporales y espaciales, analizadas mediante Modelos Lineales Mixtos (LMM y GLMM), validó clínicamente un sesgo de mantenimiento atencional como marcador transversal del perfil agresivo, y un sesgo de orientación automática fuertemente modulado por la inmadurez de control inhibitorio. A través de Inteligencia Artificial Explicable (valores SHAP), se descubrió que el perfil agresivo adulto no se caracteriza por un hiper-procesamiento estático de la amenaza, sino por un déficit exploratorio ante estímulos positivos (secuestro atencional) y una alta inestabilidad reactiva ante estímulos aversivos, configurando un complejo patrón neurocognitivo de vigilancia-evitación. Se evaluaron arquitecturas de aprendizaje supervisado bajo estrictos esquemas de validación (StratifiedGroupKFold y Leave-One-Subject-Out) para mitigar el sobreajuste. En la cohorte adolescente, los algoritmos de ensamble no lineales (CatBoost) superaron el 74.5% de exactitud, consolidando una firma patológica robusta. En contraste, la cohorte infantil evidenció un descenso predictivo atribuible al ruido madurativo normativo. En adultos universitarios, el control inhibitorio cortical (top-down) introdujo profundas no linealidades; la huella biológica radicó en la varianza inter-ensayo, parametrizando esta desregulación con una exactitud balanceada próxima al 57%. El análisis topológico no supervisado (K-Means, DBSCAN, UMAP, t-SNE) reveló que la agresividad opera como un espectro dimensional superpuesto y no como una clase geométrica absoluta, aunque logró aislar sub-clústeres periféricos de alto riesgo. Como aporte fundamental a la ciencia abierta, esta tesis entrega la primera base de datos oculomotora estandarizada en formato BIDS (Brain Imaging Data Structure) enfocada en agresividad, registrando el comportamiento de una población latinoamericana (Ecuador) y mitigando una brecha demográfica crítica. Esta tesis aporta evidencia empírica sólida sobre la viabilidad de integrar algoritmos de inteligencia artificial alimentados por bioseñales oculares como herramienta de diagnóstico asistido por computadora. El marco metodológico desarrollado ofrece una alternativa no invasiva, objetiva y escalable para el tamizaje probabilístico de fenotipos agresivos, estableciendo un puente traslacional directo entre la neurociencia cognitiva, la psiquiatría computacional y la ingeniería biomédica.
Language: English
Open Access status: gold
OpenAlex ID: W7204193252
Cites:
Cited by:
Related to: 10