Si se dijese que explorar las
relaciones de la estructura del cerebro con las funciones que realiza es una
complicada empresa, nadie (o casi nadie) se sorprendería. La buena noticia es
que, día a día, se van escalando los peldaños de la escalera que nos llevará a
comprobar, desde lo alto, que el lugar en el que se esconde el secreto que
perseguimos ansiosamente estaba marcado con un enorme X.
El software que permite analizar las imágenes estructurales y
funcionales que obtenemos en las máquinas de resonancia magnética mejora rápidamente
(para algunos va incluso demasiado deprisa). Las exigencias de procesamiento de
ingentes cantidades de información nos complican la existencia, y una
estrategia usada generalmente para simplificar es agrupar la información de
varios individuos.
Los científicos saben que es una
estrategia mejorable, imperfecta, pero más vale pájaro en mano que ciento
volando. Es inadecuada porque se ignora la enorme variabilidad que separa a los
individuos que se agrupan para facilitar los cálculos. El software hace sus estimaciones para llevar al mismo espacio a los
distintos individuos, de modo que se les pueda comparar de algún modo razonable.
Pero en ese proceso perdemos información de enorme valor.
Esto sucede cuando hacemos un estudio
sobre la estructural cerebral. Pero los problemas se observan también, cómo no
puede ser de otro modo, al investigar sus funciones. De hecho, cuando se
registra información sobre la estructura y la función cerebral no siempre se
encuentran las correspondencias esperadas.
En un reciente artículo de ‘Frontiers
in Neuroscience’ se explora la posibilidad de combinar la información
sobre las conexiones estructurales del cerebro (diffusion MRI) con la información fMRI (cambios en el flujo, volumen y oxígeno sanguíneo, es decir,
la señal BOLD).
En estado de reposo, las fluctuaciones
espontáneas de baja frecuencia de la señal BOLD permitan detectar patrones en
el espacio que se encuentran correlacionados temporalmente (Resting State Networks). El modo de
alcanzar este objetivo supone obtener el curso temporal de la señal BOLD preprocesada
en una región de interés (ROI) y calcular la correlación temporal con los demás
vóxels del cerebro. El resultado es un mapa de correlación específico para esa
ROI o un mapa de conectividad funcional.
Integrar la información estructural
(dMRI) con la funcional (fMRI) ayuda a entender cómo se relacionan los patrones
de conectividad funcional con la conectividad estructural. Puede observarse
conectividad funcional entre regiones no conectadas estructuralmente, pero es
raro que se investigue la influencia de la estrategia de análisis sobre ese
tipo de resultado.
Algunos ejemplos:
(a) la alta conectividad funcional
entre dos regiones puede deberse a que esas regiones están muy vascularizadas,
lo que aumenta artificialmente el valor de la ratio señal/ruido.
(b) el umbral (threshold) para admitir la presencia de una correlación
significativa es crucial.
(c) el tamaño de los clusters de
vóxels que definen una ROI también es relevante.
Hay más problemas derivados de la
conectividad estructural observada aplicando técnicas de Tracto-Grafía. El más
obvio es el uso de determinados criterios para reconstruir los tractos de
sustancia blanca (p. e. dónde termina un determinado tracto o qué ángulo es
aceptable para aceptar que seguimos en el mismo tracto).
Las circunstancias señaladas se
acentúan en pacientes con lesiones.
Los autores de este interesante
artículo metodológico señalan que “sería fenomenal que el neurocirujano pudiera visualizar
sobre la marcha cómo ligeros cambios en los parámetros de reconstrucción
influye en los resultados (subject-specific medicine)”.
Pero resolver ese reto supone
encontrar métodos para interactuar e interpretar los perfiles de conectividad
sobre la marcha (on-line, no off-line).
A mi juicio, lo más interesante de
este informe metodológico a nivel conceptual es que se subraya la necesidad de
refinar el análisis sobre la información de individuos concretos, es decir,
cuidar el análisis individual. Se cambiaría así
“El modo en que estudiamos las relaciones estructura-función
en individuos concretos, y, por tanto, se podría optimizar el análisis de datos
en grupos numerosos de personas sanas y de pacientes”.
Para contribuir a alcanzar esa meta, este
informe presenta un método para explorar la conectividad cerebral de un solo
individuo en un ambiente 3D completamente interactivo. El método puede emparejarse
con un método poderoso de Tracto-Grafía en tiempo real disponible gratuitamente
(FiberNavigator).
La novedosa técnica de reconstrucción
(Tractography-Driven Resting State)
permite demostrar cómo se puede acoplar la conectividad estructural y funcional
para explorar el cerebro de un modo interactivo. Los parámetros que se decide
usar en el proceso contribuyen a explicar una parte sustantiva de la
variabilidad observada, tanto para cada individuo como al comparar distintos individuos:
“Mostramos los problemas asociados al uso de parámetros fijos
de reconstrucción en distintas regiones cerebrales y diferentes individuos
(…)
sugerimos usar parámetros específicos, tanto de los individuos como de las
regiones, basados en la neuroanatomía de cada persona”.
Un ejemplo gráfico de la
extraordinaria relevancia de considerar la información específica de cada
individuo se presenta en la siguiente figura.
Esta es la conclusión de los autores
sobre lo que puede observarse en la figura anterior:
“Los parámetros necesarios para reconstruir el tracto (y por
tanto, la correspondiente red funcional) varían dramáticamente en distintos
individuos”.
Si se quiere saber más, véase el
siguiente video:
www. youtube.com/watch?v=eHSyf2AjbHw
No hay comentarios:
Publicar un comentario