Mapeo paramétrico estadístico

La neuroimagen funcional es un tipo de escaneo cerebral que implica la medición de la actividad cerebral. La técnica de medición depende de la tecnología de imagen (por ejemplo, resonancia magnética funcional y tomografía por emisión de positrones ). El escáner produce un mapa del área representada por vóxeles . Cada vóxel representa la actividad de un volumen específico en el espacio tridimensional. El tamaño exacto de un vóxel varía según la tecnología. Los vóxeles de resonancia magnética funcional suelen representar un volumen de 27 ^mm³  en un cuboide equilátero.

Los investigadores examinan la actividad cerebral vinculada a uno o varios procesos mentales específicos. Un enfoque consiste en preguntarse: "¿Qué áreas del cerebro se activan significativamente más al realizar la tarea A que al realizar la tarea B?". Aunque las tareas estén diseñadas para ser idénticas, salvo por el comportamiento que se investiga, es probable que el cerebro muestre cambios en la actividad entre tareas debido a factores distintos a las diferencias entre ellas (ya que el cerebro coordina muchas funciones paralelas no relacionadas con la tarea). Además, la señal puede contener ruido derivado del propio proceso de obtención de imágenes.

Para filtrar estos efectos aleatorios y resaltar las áreas de actividad vinculadas específicamente al proceso bajo investigación, la estadística busca las diferencias más significativas. Esto implica un proceso de varias etapas para preparar los datos y analizarlos mediante un modelo lineal general .

Las imágenes obtenidas del escáner pueden ser preprocesadas para eliminar el ruido o corregir los errores de muestreo.

Un estudio generalmente consiste en escanear al sujeto varias veces. Para compensar el movimiento de la cabeza entre escaneos, las imágenes se ajustan de manera que los vóxeles de cada imagen correspondan (aproximadamente) a la misma zona del cerebro. Esto se conoce como realineación o corrección de movimiento (véase realineación de imágenes).

Los estudios de neuroimagen funcional suelen involucrar a múltiples participantes, cada uno con cerebros de forma diferente. Es probable que todos tengan la misma anatomía macroscópica, salvo pequeñas diferencias en el tamaño cerebral total, variaciones individuales en la topografía de las circunvoluciones y surcos de la corteza cerebral , y diferencias morfológicas en estructuras profundas como el cuerpo calloso . Para facilitar las comparaciones, la imagen 3D de cada cerebro se transforma de manera que las estructuras superficiales se alineen, mediante normalización espacial . Dicha normalización generalmente implica traslación, rotación, escalado y deformación no lineal de la superficie cerebral para que coincida con una plantilla estándar. Los mapas cerebrales estándar, como el de Talairach-Tournoux o las plantillas del Instituto Neurológico de Montreal (MNI), permiten a los investigadores de todo el mundo comparar sus resultados.

Las imágenes se pueden suavizar para reducir el ruido en los datos (de forma similar al efecto de "desenfoque" utilizado en algunos programas de edición de imágenes), promediando los vóxeles con sus vecinos, normalmente mediante un filtro gaussiano o mediante la transformada wavelet .

Se asumen modelos estadísticos paramétricos en cada vóxel, utilizando el modelo lineal general para describir la variabilidad de los datos en términos de efectos experimentales y de confusión, con variabilidad residual. Las hipótesis expresadas en términos de los parámetros del modelo se evalúan en cada vóxel con estadísticas univariadas .

Los análisis pueden examinar las diferencias a lo largo del tiempo (es decir, las correlaciones entre una variable de tarea y la actividad cerebral en un área determinada) utilizando modelos de convolución lineal que muestran cómo la señal medida es causada por cambios subyacentes en la actividad neuronal.

Debido a la gran cantidad de pruebas estadísticas que se realizan, es necesario realizar ajustes para controlar los errores de tipo I (falsos positivos) que pueden surgir al comparar los niveles de actividad en múltiples vóxeles. Un error de tipo I llevaría a interpretar erróneamente la actividad cerebral de fondo como relacionada con la tarea. Los ajustes se basan en el número de vóxeles de la imagen y en la teoría de campos aleatorios continuos para establecer un nuevo criterio de significación estadística que corrija el problema de las comparaciones múltiples .

Las diferencias en la actividad cerebral medida pueden representarse de diversas maneras.

Pueden presentarse en forma de tabla, mostrando coordenadas que indican las diferencias más significativas en la actividad cerebral entre las distintas tareas. Alternativamente, las diferencias en la actividad cerebral pueden representarse como parches de color en una sección del cerebro, donde los colores indican la ubicación de los vóxeles con diferencias estadísticamente significativas entre las condiciones. El gradiente de color se corresponde con valores estadísticos, como valores t o puntuaciones z. Esto crea un mapa intuitivo y visualmente atractivo de la relevancia estadística relativa de un área determinada.

Las diferencias en la actividad cerebral pueden representarse como un «cerebro de cristal», una representación de tres vistas esquemáticas del cerebro como si fuera transparente. Solo las zonas de activación son visibles como áreas sombreadas. Esto resulta útil para resumir el área total de cambio significativo en una comparación estadística determinada.