Para entender melhor o cérebro, olhe para o quadro maior

Resumo: A redução do zoom para imagens de áreas maiores do cérebro ao usar a tecnologia fMRI permite que os pesquisadores capturem informações relevantes adicionais, oferecendo uma melhor compreensão da interação neural.

Fonte: Yale

Os pesquisadores aprenderam muito sobre o cérebro humano por meio de ressonância magnética funcional (fMRI), uma técnica que pode fornecer informações sobre a função cerebral. Mas os métodos típicos de fMRI podem estar faltando informações importantes e fornecendo apenas parte da imagem, dizem os pesquisadores de Yale.

Em um novo estudo, eles avaliaram várias abordagens e descobriram que diminuir o zoom e obter um campo de visão mais amplo captura informações relevantes adicionais que um foco estreito deixa de fora, oferecendo maior compreensão da interação neural.

Além disso, esses resultados mais abrangentes podem ajudar a resolver o problema de reprodutibilidade da neuroimagem, em que alguns achados apresentados em estudos não podem ser reproduzidos por outros pesquisadores.

As descobertas foram publicadas em 4 de agosto na Anais da Academia Nacional de Ciências.

Estudos que empregam fMRI normalmente se concentram em pequenas áreas do cérebro. Como um exemplo dessa abordagem, os pesquisadores procuram regiões do cérebro que se tornam mais “ativas” quando uma determinada atividade é realizada, concentrando-se em pequenas áreas com a ativação mais forte. Mas um crescente corpo de evidências mostra que os processos cerebrais, e os processos complexos em particular, não se limitam a pequenas partes do cérebro.

“O cérebro é uma rede. É complexo”, disse Dustin Scheinost, professor associado de radiologia e imagens biomédicas e autor sênior do estudo. Simplificar demais, disse ele, leva a conclusões imprecisas.

“Para processos cognitivos mais sofisticados, é improvável que muitas áreas do cérebro não estejam totalmente envolvidas”, acrescentou Stephanie Noble, associada de pós-doutorado no laboratório de Scheinost na Yale School of Medicine e principal autora do estudo.

Concentrar-se em pequenas áreas deixa de fora outras regiões que podem estar envolvidas no comportamento ou processo em estudo, o que também pode afetar a direção de pesquisas futuras.

“Você desenvolve essa imagem incorreta do que realmente está acontecendo no cérebro”, disse ela.

Para o estudo, os pesquisadores avaliaram quão bem as análises de fMRI em uma variedade de escalas foram capazes de detectar efeitos ou mudanças nos sinais de fMRI à medida que os participantes realizam diferentes atividades, revelando quais partes do cérebro estão envolvidas.

Eles usaram dados do Human Connectome Project, que coletou imagens cerebrais de indivíduos enquanto eles executavam diferentes tarefas relacionadas a processos complexos, como emoção, linguagem e interações sociais.

A equipe de pesquisa procurou efeitos em partes muito pequenas da rede cerebral – como conexões entre apenas duas áreas – e também em grupos de conexões, redes generalizadas e cérebros inteiros.

Eles descobriram que quanto maior a escala, melhor eles eram capazes de detectar efeitos. Essa capacidade de detectar efeitos é conhecida como “poder”.

“Obtemos melhor poder com esses métodos de escala mais ampla”, disse Noble.

Nas menores escalas, os pesquisadores só conseguiram detectar cerca de 10% dos efeitos. Mas no nível da rede, eles podem detectar mais de 80% deles.

A compensação pelo poder extra foi que as visões mais amplas não retransmitiram informações tão espacialmente exatas quanto as análises de menor escala. Por exemplo, na menor escala, os pesquisadores poderiam dizer com confiança que os efeitos observados estavam ocorrendo em toda a pequena área.

No nível da rede, no entanto, eles só podiam dizer que os efeitos estavam ocorrendo em grande parte da rede, sem identificar exatamente onde na rede.

O objetivo, diz Noble, é equilibrar os benefícios e desvantagens dos vários métodos.

“Você prefere estar muito confiante sobre uma pequena parte das informações relevantes – em outras palavras, ter uma imagem muito clara apenas da ponta do iceberg?” ela disse.

“Ou você prefere ter uma imagem realmente grande de todo o iceberg que talvez seja um pouco embaçada, mas que lhe dê uma noção da complexidade e da ampla escala espacial de onde as coisas estão ocorrendo no cérebro?”

Para outros pesquisadores, essa abordagem é simples de implementar, e Noble disse que está ansiosa para ver como outros cientistas a usarão.

Além disso, esses resultados mais abrangentes podem ajudar a resolver o problema de reprodutibilidade da neuroimagem, em que alguns achados apresentados em estudos não podem ser reproduzidos por outros pesquisadores. A imagem é de domínio público

Ela observa que os campos da psicologia e da neurociência, incluindo neuroimagem, enfrentaram um problema de reprodutibilidade. E o baixo poder nas análises de fMRI contribui para isso: estudos de baixo poder revelam apenas pequenas porções da história, que podem ser vistas como contraditórias e não como partes de um todo.

Aumentar o poder da fMRI, como ela e seus colegas fizeram aqui, aumentando a escala de suas análises, pode ser uma maneira de enfrentar os desafios de reprodutibilidade, expondo como resultados aparentemente contraditórios podem de fato ser harmoniosos

“Subir na cadeia alimentar, por assim dizer, passando de um nível muito baixo para redes mais complexas, compra muito mais poder”, disse Scheinost. “Esta é uma das ferramentas que podemos usar para ajudar no problema de reprodutibilidade.”

Veja também

Isso mostra um homem tocando um banjo

E os cientistas não devem jogar fora o bebê com a água do banho, disse Noble. Há muito trabalho bom sendo feito para melhorar os métodos e aumentar o rigor, e a fMRI ainda é uma ferramenta valiosa, disse ela: “Acho que avaliar o poder, o rigor e a reprodutibilidade é saudável para qualquer campo. Especialmente um que lida com a complexidade dos seres vivos e processos mentais.”

A Noble está agora desenvolvendo uma “calculadora de energia” para fMRI, para ajudar outros a projetar estudos de uma maneira que atinja o nível desejado de energia.

Sobre esta notícia de pesquisa de neuroimagem

Autor: Mallory Locklear
Fonte: Yale
Contato: Mallory Locklear – Yale
Imagem: A imagem é de domínio público

Pesquisa original: Acesso livre.
“Melhorar o poder na ressonância magnética funcional, indo além da inferência em nível de cluster” por Stephanie Noble et al. PNAS


Abstrato

Melhorando o poder na ressonância magnética funcional, indo além da inferência em nível de cluster

A inferência em neuroimagem geralmente ocorre no nível de áreas ou circuitos focais do cérebro. No entanto, estudos cada vez mais poderosos pintam um quadro muito mais rico de efeitos em larga escala distribuídos por todo o cérebro, sugerindo que muitos relatórios focais podem refletir apenas a ponta do iceberg dos efeitos subjacentes.

Como as perspectivas focais versus amplas influenciam as inferências que fazemos ainda não foi avaliada de forma abrangente usando dados reais.

Aqui, comparamos a sensibilidade e a especificidade entre os procedimentos que representam vários níveis de inferência usando um procedimento de benchmarking empírico que reamostra os conectomas baseados em tarefas do conjunto de dados do Human Connectome Project (∼1.000 indivíduos, 7 tarefas, 3 tamanhos de grupo de reamostragem, 7 procedimentos inferenciais).

Apenas os procedimentos de larga escala (rede e cérebro inteiro) obtiveram o nível de poder estatístico tradicional de 80% para detectar um efeito médio, refletindo >20% mais poder estatístico do que os procedimentos focais (borda e cluster). O poder também aumentou substancialmente para a taxa de descoberta falsa – em comparação com os procedimentos de controle da taxa de erro familiar.

As desvantagens são bastante limitadas; a perda de especificidade para procedimentos de larga escala e FDR foi relativamente modesta em comparação com os ganhos de poder. Além disso, os métodos de larga escala que apresentamos são simples, rápidos e fáceis de usar, fornecendo um ponto de partida direto para os pesquisadores.

Isso também aponta para a promessa de métodos de larga escala mais sofisticados não apenas para conectividade funcional, mas também para campos relacionados, incluindo ativação baseada em tarefas.

Ao todo, este trabalho demonstra que mudar a escala de inferência e escolher o controle FDR são imediatamente atingíveis e podem ajudar a remediar os problemas com o poder estatístico que assolam os estudos típicos no campo.

Leave a Comment