https://www.facebook.com/AutismoVivo0/
top of page

El movimiento de la cabeza suele estropear los resultados de RMf, incluso después de corregirlos


Sesgo de desenfoque: Las personas no autistas tienden a moverse menos que los autistas en los escáneres de fMRI, lo que puede restar potencia a algunos hallazgos./ Cortesía de patrickheagney / iStock



POR JEF AKST

Fuente: Spectrum | 30/01/2023

Fotografía: patrickheagney / iStock



Una nueva métrica podría ayudar a determinar si los movimientos de los participantes en un estudio durante las exploraciones por resonancia magnética funcional sesgan los resultados


Según un preprint publicado en bioRxiv en diciembre, una nueva métrica denominada puntuación del impacto del movimiento podría ayudar a determinar si los movimientos de los participantes en un estudio durante las exploraciones por resonancia magnética funcional (IRMf) sesgan las correlaciones que los investigadores extraen de esos datos. Utilizando el método estadístico, sus creadores descubrieron que 39 de los 45 rasgos evaluados, incluidas medidas de la función cognitiva y rasgos físicos como el índice de masa corporal (IMC), se correlacionaban significativamente con el movimiento de la cabeza, a pesar de que los datos se habían corregido previamente para eliminar tales artefactos.


Según los investigadores, este movimiento sobrante podría confundir los resultados de muchos estudios de conectividad cerebral. Sin embargo, el cálculo de una puntuación del impacto del movimiento podría ayudar a los científicos a planificar estudios que detecten mejor las correlaciones reales y eviten las falsas.


Los falsos negativos -en los que el movimiento de la cabeza sirve para debilitar una correlación aparente- podrían ser un problema particular para los estudios sobre el autismo que utilizan tamaños del efecto estimados a partir de personas no autistas, que tienden a moverse menos en el escáner que los autistas, dice el investigador del estudio Benjamin Kay, profesor asistente de neurología en la Facultad de Medicina de la Universidad de Washington. "Esos estudios podrían tener poca potencia, porque ese artefacto de movimiento residual adicional está oscureciendo lo que realmente se quiere ver".


El nuevo resultado es "otra ilustración de que la mera aplicación de las herramientas [existentes], aunque ayuda, es insuficiente para abordar plenamente, en la medida en que puede abordarse plenamente, el movimiento de la cabeza", afirma Eric Porges, profesor adjunto del departamento de psicología clínica y de la salud de la Universidad de Florida en Gainesville, que no participó en el estudio pero que ha descubierto de forma similar que el movimiento de la cabeza puede afectar a los resultados de la RMf en adultos mayores.


Y aunque el método aún tiene que someterse a revisión por pares, Porges subraya que podría "implementarse en nuestros conductos de conectividad funcional estándar".


Los neurocientíficos han reconocido desde hace tiempo que el movimiento de la cabeza es un problema en los estudios que se basan en datos de RMf, porque incluso los movimientos más pequeños pueden cambiar los resultados.


"Por desgracia, el movimiento de la cabeza está correlacionado con todo tipo de variables de interés, casi todas, incluidas todas las afecciones neurológicas y psiquiátricas", afirma Nico Dosenbach, coinvestigador principal del nuevo estudio y profesor asociado de neurología en la Facultad de Medicina de la Universidad de Washington en San Luis. Dosenbach cofundó Turing Medical (antes NOUS Imaging, Inc.) para desarrollar y vender software destinado a evaluar la calidad de los datos de IRMf en tiempo real. "Si algo es un poco diferente en tu cerebro, también es más difícil mantenerlo quieto".


Existen numerosos métodos para librar los datos de los artefactos inducidos por el movimiento, como realinear los fotogramas perturbados por el movimiento, filtrar ciertas frecuencias que tienden a asociarse con el movimiento y eliminar los fotogramas más afectados por los movimientos. Pero, como descubrió Kay mientras extraía datos del estudio Adolescent Brain Cognitive Development (ABCD), incluso los datos corregidos están plagados de artefactos debidos al movimiento de la cabeza.


Cuando Kay creó los mapas de conectividad cerebral de los participantes con trastorno por déficit de atención con hiperactividad (TDAH), se dio cuenta de que "en realidad se parecen mucho a los mapas cerebrales si sólo se tiene en cuenta el movimiento", afirma. "Me volví muy paranoico al respecto, como si estuviera viendo artefactos de movimiento".


El problema era que no había una buena forma de determinar si la correlación que había encontrado entre el TDAH y la conectividad cerebral de los participantes era espuria. Los métodos existentes evaluaban los efectos generales del movimiento, no si el movimiento influía específicamente en una correlación con un rasgo concreto. Así que Kay decidió inventar un método estadístico para hacer precisamente eso.


Su solución consiste en dividir los datos de IRMf de cada participante en dos mitades: una con poco movimiento y otra con mucho movimiento. La idea, explica, es que aunque el movimiento varía de un segundo a otro, cualquier variable de interés es relativamente constante dentro de un individuo: "Es la misma persona, así que su cerebro debería estar haciendo más o menos lo mismo". Cualquier diferencia en las correlaciones identificadas en cada mitad indicaría entonces que el movimiento sobrante estaba influyendo en el resultado global, y las diferencias mayores apuntarían a artefactos mayores.


"Su forma de realizar las pruebas es bastante inteligente", afirma Andre van der Kouwe, ingeniero biomédico del Hospital General de Massachusetts, en Boston, que no ha trabajado en el preprint pero que ha colaborado con uno de sus co-investigadores principales, participa en el estudio ABCD y tiene opciones sobre acciones de Turing Medical. "No había oído que nadie lo hubiera hecho antes".


Efectivamente, entre los 7.270 niños del estudio ABCD que disponían de todos los datos necesarios para calcular la puntuación del impacto del movimiento, el enfoque de Kay reveló que el movimiento de la cabeza afectaba a la mayoría de las correlaciones. Muchas correlaciones, como la relación entre la actividad cerebral y el IMC, eran más fuertes debido a los artefactos de movimiento, mientras que otras, como la actividad cerebral asociada a las puntuaciones de razonamiento matricial, eran más débiles.


Estos llamados falsos negativos fueron "la mayor sorpresa", dice Kay, porque en estos casos "el patrón del movimiento tiende a ocultar el hallazgo real".


La puntuación del impacto del movimiento pone de relieve el problema, pero no lo resuelve, afirma Kay. "Es como tener un detector de humo en casa. Te dice si hay un incendio -a veces se activa si estabas cocinando demasiado la comida-, pero no apaga el fuego".


Para ello, Kay y Dosenbach recomiendan que los equipos de investigación intenten eliminar los fotogramas más afectados por el movimiento, aunque para ello se necesitan grandes conjuntos de datos.


También sugieren adoptar un enfoque más flexible a la hora de diseñar los estudios, para tener en cuenta cuándo los artefactos de movimiento pueden ser más problemáticos. Por ejemplo, los investigadores podrían reclutar a más participantes que tiendan a moverse más en los escáneres de resonancia magnética, o permitir que esos participantes pasen más tiempo en el escáner que los que se mueven menos. Aquí es también donde la información en tiempo real sobre la calidad de los datos -el enfoque defendido por Turing Medical- puede ayudar, dicen. "Así, en lugar de decir: 'Se escanea a todo el mundo durante 20 minutos', se dice: 'Se escanea a todo el mundo hasta que tengamos 8 minutos de datos útiles'", explica Dosenbach.


Van der Kouwe también aboga por la supervisión de los datos en tiempo real -en concreto, por la corrección de los datos en tiempo real-, pero afirma que aún es "muy pronto" para este tipo de tecnología. "Lo ideal sería solucionar el problema incluso antes de adquirir los datos, pero por ahora tenemos que hacerlo a posteriori".


Kay y Dosenbach señalan que el uso de puntuaciones de impacto del movimiento puede ayudar a identificar rasgos que quizá se estudien mejor por otros medios. Sus resultados mostraron que las variables fisiológicas, como el IMC de una persona, son las que están más íntimamente ligadas al movimiento de la cabeza, hasta el punto de que resultaba difícil separarlas.


Por otro lado, "las variables cognitivas que interesan a mucha gente... no están irremediablemente confundidas", añade. "Esa es probablemente la noticia más positiva, que la eliminación agresiva de los efectos de movimiento, que es definitivamente lo que recomendamos, también puede revelar hallazgos que de otro modo habrían quedado ocultos".


Cite este artículo: https://doi.org/10.53053/XNWG8211



39 visualizaciones0 comentarios

Entradas Recientes

Ver todo

Comentarios


bottom of page