viernes, 2 de octubre de 2015

Resonancia Magnética Multimodal para aislar relaciones ‘personalizadas’ estructura-función en el cerebro

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