Martín A. Lindquist

Martin A. Lindquist es estadístico y bioestadístico, y su trabajo se centra en la resonancia magnética funcional (RMf), la metodología de neuroimagen, la conectividad cerebral, la inferencia causal y la neurociencia del dolor. Es profesor en el Departamento de Bioestadística ^{[ 2 ]} de la Escuela de Salud Pública Bloomberg de la Universidad Johns Hopkins . Su investigación ha incluido el modelado estadístico de la respuesta hemodinámica en la RMf, la conectividad funcional dinámica, el análisis de mediación en neuroimagen y el trabajo metodológico sobre fiabilidad, preprocesamiento y biomarcadores en neuroimagen.

Lindquist nació en Estocolmo , Suecia . Completó una maestría en física de la ingeniería en el Real Instituto de Tecnología (KTH) de Estocolmo en 1997 y obtuvo un doctorado en estadística de la Universidad de Rutgers en 2001. Su tesis doctoral se tituló " Resonancia magnética funcional rápida mediante funciones de onda esferoidales proladas bidimensionales" . Sus directores de tesis fueron Lawrence Shepp y Cun-Hui Zhang.

Tras finalizar su doctorado, Lindquist fue investigador postdoctoral en el Centro de Investigación de Resonancia Magnética de la Universidad de Minnesota entre 2001 y 2002. Se incorporó a la Universidad de Columbia en 2002 como profesor asistente de estadística y ascendió a profesor asociado en 2008. En 2012 se trasladó a la Universidad Johns Hopkins como profesor asociado de bioestadística, y en 2015 obtuvo la cátedra. ^{[ 3 ]}

El trabajo publicado de Lindquist abarca varias áreas de la estadística de neuroimagen. Su investigación inicial incluyó métodos para la adquisición rápida de fMRI y el análisis estadístico de datos de imágenes de alta resolución temporal. ^{[ 4 ]} Posteriormente publicó sobre modelado de respuesta hemodinámica, ^{[ 5 ]} conectividad funcional dinámica, ^{[ 6 ]} y confiabilidad en la investigación de neuroimagen. ^{[ 7 ]} También ha publicado sobre inferencia causal y análisis de mediación para datos de neuroimagen, incluyendo mediación causal funcional ^{[ 8 ]} y modelos de mediación de alta dimensión. ^{[ 9 ]} Su trabajo más reciente ha abordado la neuroimagen del dolor ^{[ 10 ]} y biomarcadores basados ​​en neuroimagen. ^{[ 11 ]} Sus publicaciones en coautoría incluyen trabajos sobre firmas neurológicas del dolor físico. ^{[ 12 ] [ 13 ]} Es investigador principal en el proyecto Acute to Chronic Pain Signatures (A2CPS), que busca identificar biomarcadores y avanzar en el estudio del dolor. ^{[ 14 ]}

Lindquist también desarrolló cursos en línea, entre ellos Principios de fMRI I , Principios de fMRI II y Análisis estadístico de datos de fMRI , ofrecidos a través de Coursera , que han llegado a 100.000 estudiantes en todo el mundo. ^{[ 15 ] [ 16 ] [ 17 ]}

Junto con Tor Wager , fue coautor de Principles of fMRI, ^{[ 18 ]} un libro de bajo costo sobre análisis de datos de fMRI.

Lindquist fue elegido miembro de la Asociación Estadounidense de Estadística en 2016. En 2018 recibió el premio de la Organización para la Educación en Neuroimagen del Mapeo del Cerebro Humano. ^{[ 1 ]}

• Lindquist, Martin (2008). "Análisis estadístico de datos de fMRI". Ciencia estadística . ^{[ 19 ]}
• Lindquist, Martin (2012). "Análisis de mediación causal funcional con una aplicación a la conectividad cerebral". Revista de la Asociación Estadounidense de Estadística . ^{[ 8 ]}
• Wager, Tor; Atlas, Lauren; Lindquist, Martin; Roy, Mathieu; Woo, Choong-Wan; Kross, Ethan (2013). "Una firma neurológica del dolor físico basada en resonancia magnética funcional". New England Journal of Medicine . ^{[ 12 ]}
• Lindquist, Martin; Xu, Yuting; Nebel, Mary Beth; Caffo, Brian (2014). "Evaluación de correlaciones bivariadas dinámicas en fMRI en estado de reposo: un estudio comparativo y un nuevo enfoque". NeuroImage . ^{[ 6 ]}
• Lindquist, Martin; Geuter, Stephan; Wager, Tor; Caffo, Brian (2019). "Los pipelines de preprocesamiento modular pueden reintroducir artefactos en los datos de fMRI". Human Brain Mapping . ^{[ 20 ]}

• Página del profesorado de la Universidad Johns Hopkins
• Página web profesional