Cómo abordan los científicos el problema de replicación de las imágenes cerebrales

Mapas de confiabilidad y activación de todo el cerebro para medidas de resonancia magnética funcional de tareasREPUBLICADO CON PERMISO, PSYCHOL SCI, DOI:10.1177/0956797620916786, 2020

Cuando el último trabajo de investigación de Maxwell Elliott comenzó a circular en Twitter en junio pasado, no estaba seguro de cómo se sentía.

Elliott, estudiante de posgrado en psicología clínica en Ahmad Hariris laboratorio de la Universidad de Duke en Durham, Carolina del Norte, estudia imágenes de resonancia magnética funcional (fMRI) y cómo se puede utilizar para comprender mejor las condiciones neurológicas como la demencia y el autismo. El aspecto arenoso del campo, como él lo describe, estaba atrayendo un poco más la atención, pero el motivo del rumor lo decepcionó: un medio de comunicación había recogido la historia y la había publicado con un titular exagerado: los investigadores de la Universidad de Duke dicen que cada cerebro estudio de actividad que has leído es incorrecto.

Ellos Elliott dice que parecía haberlo malinterpretado totalmente. Sin embargo, puso en duda la confiabilidad de los experimentos que usan fMRI para descubrir las diferencias en cómo los cerebros de las personas responden a un estímulo. Para ciertas actividades, como las tareas de procesamiento de emociones, las diferencias individuales en los patrones de actividad cerebral no se sostienen cuando las personas son escaneadas varias veces, con meses de diferencia, habían demostrado Elliott y sus colegas. preocupado por la respuesta de los investigadores que usan tales patrones para tratar de distinguir entre personas con y sin ciertas afecciones neuropsiquiátricas, incluido el autismo. El reportaje sensacionalista solo profundizó ese miedo. sobregeneralización de los límites de fMRI. En ambos lados, la idea de que la IRMf tiene un problema de confiabilidad tocó una fibra sensible que reverberó a lo largo y ancho de la Twitteresfera.

A pesar de toda la charla del año pasado, las preocupaciones sobre la investigación de imágenes cerebrales no son nada nuevo. Los críticos han afirmado previamente, erróneamente, que la resonancia magnética funcional es tan inútil que puede encontrar una señal en un salmón muerto y, más razonablemente, que incluso la respiración puede distorsionar los resultados de los escáneres cerebrales más allá de la usabilidad. Los investigadores de imágenes son optimistas sobre lo que pueden hacer las herramientas. No descartan los problemas que han planteado otros científicos, pero tienden a verlos como dolores de crecimiento en lo que todavía es un campo relativamente nuevo. Algunos problemas, en particular los que surgen a través de la recopilación y el análisis de datos, probablemente se puedan resolver; algunos pueden ser más endémicos a los métodos mismos. Pero ninguno es tan grave como proclaman muchos tuits y titulares.

No está de más recordarle a la gente que debe tener en cuenta esas limitaciones, sin importar qué tan avanzado esté el campo, dice Kevin Pelphrey, profesor de neurología en el Instituto del Cerebro de la Universidad de Virginia en Charlottesville.

Lavar la tubería

Algunos problemas con los estudios de imágenes comienzan justo con la recopilación de datos. El conjunto de datos de Autism Brain Imaging Data Exchange (ABIDE), por ejemplo, se lanzó con una cantidad relativamente pequeña de escaneos de 539 personas autistas y 573 personas no autistas en 17 sitios diferentes, y un análisis inicial del conjunto de datos encontró una amplia variabilidad basada en dónde se realizaron los escaneos. tuvo lugar Un estudio de 2015 mostró que esta variabilidad podría incluso conducir a resultados falsos.

Desde entonces, los investigadores que ejecutan ABIDE han agregado otros 1000 escáneres cerebrales y utilizan un total de 19 sitios. Los tamaños de muestra más grandes deberían mejorar algunos de los problemas de replicabilidad en los escaneos, dijo el equipo. También planean reunirse como grupo para discutir cómo estandarizar la recopilación de datos.

Otros problemas surgen cuando los datos de imágenes llegan a la etapa de análisis. En mayo de 2020, solo unas semanas antes de que Elliott y sus colegas publicaran su estudio, un equipo de la Universidad de Tel Aviv en Israel publicó un artículo en Nature que muestra cómo las diferentes canalizaciones para analizar datos de fMRI también pueden conducir a resultados muy variables resultados. 

En ese trabajo, 70 equipos de investigación separados analizaron el mismo conjunto de datos sin procesar de resonancia magnética funcional, cada equipo probó las mismas nueve hipótesis, pero debido a que no hubo dos equipos que usaron exactamente el mismo flujo de trabajo para analizar los escaneos, todos terminaron reportando hallazgos diferentes.

Los problemas de flujo de trabajo también plagan las resonancias magnéticas estructurales, que revelan la anatomía del cerebro en lugar de la actividad. Aunque esta forma de resonancia magnética es más confiable que la resonancia magnética funcional de exploración a exploración, según el estudio de Elliott y sus colegas, una investigación no publicada mostró cómo 42 grupos que intentaban rastrear tractos de materia blanca a través del mismo cerebro rara vez produjeron los mismos resultados. (Un estudio de 2017 descubrió que los grupos podían identificar con éxito el 90 % de los tractos subyacentes, pero no sin producir una gran cantidad de falsos positivos). para reproducirse, dice Pelphrey. Cada decisión tomada durante el análisis de un conjunto de imágenes, como dónde establecer un umbral para lo que constituye la actividad cerebral, por ejemplo, se basa en suposiciones que pueden terminar teniendo efectos significativos, dice.

Escaneos sesgados: diferencias en el estudio los sitios y las canalizaciones de análisis dificultan la replicación de los resultados de las imágenes. ISTOCK.COM, JOHNNYGREIG

Del mismo modo, los diferentes métodos que usan los investigadores para rastrear la materia blanca pueden alterar si dos tractos que corren cerca uno del otro se interpretan como cruces como una X o simplemente besándose y luego doblándose para alejarse. entre sí, dice Ruth Carper, profesora asociada de investigación de psicología en la Universidad Estatal de San Diego en California. Las opciones sobre cómo definir el límite entre la materia gris y la blanca en la corteza también pueden sesgar los resultados.

Para abordar este tipo de problemas, la Organización para el Mapeo del Cerebro Humano (OHBM) presentó recomendaciones para Datos de MRI y fMRI en 2016 y pautas adicionales para electroencefalografía y magnetoencefalografía, que se utilizan de manera similar para recopilar datos de cerebros vivos, al año siguiente. La organización está trabajando en una actualización de las recomendaciones.

La idea detrás de las pautas es ayudar a los investigadores a tomar mejores decisiones a lo largo de su canal de análisis, dice John Darrell Van Horn, profesor de psicología y ciencias de datos en la Universidad de Virginia y copresidente del comité de mejores prácticas de OHBM.

Las pautas también alientan a todos a ser transparentes sobre [los análisis] que han realizado, para que no sea un misterio, dice Van Horn. Universidad Erasmus en Róterdam, Países Bajos, que también trabajó en las directrices de OHBM. ¿De verdad sabes que es mejor? dice ella.

Aguantando

Para muchos científicos, una mejor recopilación y análisis de imágenes es el único camino a seguir. A pesar de los desafíos involucrados y los informes de que los investigadores se están alejando de las imágenes cerebrales para ciertas líneas de investigación, no hay sustituto. dice Carper. las personas tienen patrones individuales de conectividad; y los escaneos pueden predecir categorías importantes de comportamiento, como la función ejecutiva y las habilidades sociales, dice Pelphrey. Y cuando los resultados son inconsistentes, como en los estudios de fMRI del procesamiento de recompensas en el autismo, algunos investigadores han comenzado a implementar un algoritmo que ayuda a ubicar las regiones del cerebro que se activan constantemente en respuesta a la tarea.

Hay muchas cosas que [han sido] replicadas de laboratorio en laboratorio muy bien y han llevado a restricciones en las teorías de cómo funciona la mente, en virtud de saber cómo funciona el cerebro, dice Pelphrey. No creo que nada de eso haya desaparecido, solo porque sabemos que debemos ser muy cuidadosos con las predicciones que hacemos de un escaneo a otro dentro de un individuo.

A medida que los científicos mejoran en recopilando y analizando datos de imágenes, también pueden mejorar sus interpretaciones de los mismos, basándose en una comprensión más clara de la tecnología que están utilizando, dice Carper. Para fMRI, por ejemplo, la mayoría de las tareas se desarrollaron para identificar áreas del cerebro que generalmente responden a un estímulo dado, no para probar diferencias individuales. Y ciertos tipos de estímulos naturalistas pueden producir resultados más confiables, informaron Elliott y sus colegas en una revisión este mes en Trends in Cognitive Sciences.

La nueva revisión describe otras estrategias por eludir los problemas de confiabilidad de fMRI que el equipo señaló el año pasado. Las estrategias incluyen ejecutar escaneos más largos para recopilar más datos, desarrollar mejores formas de modelar el ruido dentro de un escaneo y aprovechar las tecnologías más nuevas que ofrecen un mejor aislamiento de los marcadores de actividad neuronal.

Elliott recurrió a Twitter para promocionar el nuevo trabajo, dice, pero no está interesado en otra controversia en las redes sociales. Simplemente está emocionado de escuchar lo que la gente piensa sobre el documento en sí. 

Quiero reflexionar sobre [las ideas] en una forma mejor y más larga que un tweet. 

Este artículo fue publicado originalmente el 30 de junio en Spectrum, el sitio líder en noticias de investigación sobre el autismo.