El mapeo paramétrico estadístico ( SPM ) es una técnica estadística para examinar las diferencias en la actividad cerebral registrada durante experimentos de neuroimagen funcional . Fue creado por Karl Friston . También puede referirse al software creado por el Departamento Wellcome de Neurociencia de Imágenes en el University College de Londres para llevar a cabo dichos análisis.
La neuroimagen funcional es un tipo de "escaneo cerebral". Implica la medición de la actividad cerebral. La técnica de medición depende de la tecnología de obtención de imágenes (p. ej., fMRI y PET ). El escáner produce un "mapa" del área que se representa como 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 fMRI suelen representar un volumen de 27 mm 3 en un cuboide equilátero.
Los investigadores examinan la actividad cerebral vinculada a un proceso o procesos mentales específicos. Un enfoque consiste en preguntar "¿qué áreas del cerebro son significativamente más activas al realizar la tarea A en comparación con la tarea B?". Aunque las tareas pueden estar diseñadas para ser idénticas, excepto 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 tareas (ya que el cerebro coordina muchas funciones paralelas no relacionadas con la tarea). Además, la señal puede contener ruido del propio proceso de obtención de imágenes.
Para filtrar estos efectos aleatorios y destacar las áreas de actividad vinculadas específicamente al proceso investigado, la estadística busca las diferencias más significativas. Esto implica un proceso de varias etapas para preparar los datos y analizarlos utilizando un modelo lineal general .
Las imágenes del escáner pueden procesarse previamente para eliminar ruido o corregir errores de muestreo.
Un estudio generalmente escanea a un sujeto varias veces. Para tener en cuenta el movimiento de la cabeza entre exploraciones, las imágenes generalmente se ajustan de modo que los vóxeles de cada imagen correspondan (aproximadamente) al mismo sitio en el cerebro. Esto se conoce como realineación o corrección del movimiento ; consulte realineación de imágenes.
Los estudios de neuroimagen funcional suelen involucrar a múltiples participantes, cada uno de los cuales tiene cerebros de forma diferente. Es probable que todos tengan la misma anatomía macroscópica, salvo pequeñas diferencias en el tamaño general del cerebro, la variación individual en la topografía de los giros y surcos de la corteza cerebral y las diferencias morfológicas en las 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 y 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 que los datos sean menos ruidosos (similar al efecto "desenfoque" utilizado en algunos programas de edición de imágenes) mediante el cual los vóxeles se promedian con sus vecinos, generalmente utilizando un filtro gaussiano o una transformación 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 de cómo la señal medida es causada por cambios subyacentes en la actividad neuronal.
Debido a que se realizan muchas pruebas estadísticas, se deben realizar ajustes para controlar los errores de tipo I (falsos positivos) que pueden causar la comparación de los niveles de actividad en muchos vóxeles. Un error de tipo I daría como resultado una evaluación errónea de la actividad cerebral de fondo en relación con la tarea. Se realizan ajustes en función del número de reselecciónes en la imagen y la teoría de campos aleatorios continuos para establecer un nuevo criterio de significación estadística que se ajuste al problema de las comparaciones múltiples .
Las diferencias en la actividad cerebral medida se pueden representar de varias maneras.
Se pueden presentar como una tabla, mostrando las coordenadas que muestran las diferencias más significativas en la actividad entre tareas. Alternativamente, las diferencias en la actividad cerebral se pueden mostrar como parches de color en un "corte" del cerebro, donde los colores representan la ubicación de los vóxeles con diferencias estadísticamente significativas entre las condiciones. El gradiente de color se asigna a valores estadísticos, como valores t o puntuaciones z. Esto crea un mapa intuitivo y visualmente atractivo de la fuerza estadística relativa de un área determinada.
Las diferencias en la actividad se pueden representar como un "cerebro de cristal", una representación de tres vistas esquemáticas del cerebro como si fuera transparente. Solo las áreas de activación son visibles como áreas sombreadas. Esto es útil como medio para resumir el área total de cambio significativo en una comparación estadística dada.
SPM es un software desarrollado por el Departamento Wellcome de Neurociencia de la Imagen del University College de Londres para ayudar en el análisis de datos de neuroimagen funcional. Está escrito en MATLAB y se distribuye como software libre . [1]