En esta tesis recurrimos a la teoría de hipergrafos, como una generalización de los grafos simples, que nos permite modelar relaciones de alto orden entre las componentes de un sistema. Para ello, construimos distintos hipergrafos empleando diversos métodos basados en la generación de hipergrafos de manera implícita, utilizando distintas métricas adaptadas a los datos bajo análisis, como una herramienta para estudiar las relaciones existente entre los elementos que conforman las distintas estructuras analizadas Nos enfocamos principalmente en el análisis de datos provenientes de señales neuronales obtenidas a través de EEG (electroencefalografía), fMRI (resonancia magnética funcional) y MEG (magnetoencefalografía) , en enfermedades neurodegenerativas y en distintos estados de conciencia. Presentamos cuatro métodos para la construcción de hipergrafos orientados a caracterizar y diferenciar estos estados y patologías, utilizando herramientas derivadas de la teoría de la información, en particular la entropía asociada a los hipergrafos, como medida de complejidad, interacción y orden en el sistema Además, desarrollamos medidas de distancia entre hipergrafos basadas en sus representaciones lineales, así como distintos cuantificadores estructurales específicos propios de los hipergrafos. Los métodos propuestos se centran en la construcción de hipergrafos métricos a partir de distancias, particularmente para señales utilizamos la métrica PLI (Phase Lag In-dex), que permite estimar relaciones funcionales entre señales. Como los distintos métodos propuestos se pueden extender a otros tipos de datos, también pudimos generar hipergrafos métricos basados en distintas distancias como la Euclidea, la de Minkowski, Chebyshev y parabólica para analizar conjuntos generales de datos. Presentamos un método de análisis por bandas usandos grafos simples para la conectividad funcional generalizándolo por medio del método de hipergrafos multicapas que permite realizar un análisis de múltiples bandas de frecuencia de forma simultánea. Tradicionalmente, este análisis se realizaba con grafos simples y por separado para cada banda. También proponemos un algoritmo de Multiplecorrelación de fase (MCF) como una extensión de la diferencia de fase entre dos señales a dimensiones más altas, lo que permite establecer relaciones conjuntas entre los elementos del sistema, generando hipergrafos k-regulares. A su vez, exploramos la noción de multicorrelación como otra vía para construir este tipo de hipergrafos. Cada uno de estos métodos demostró cumplir con el objetivo de caracterización, diferenciación e identificación de cambios relevantes en las señales estudiadas.