stringtranslate.com

Resonancia magnética funcional

La resonancia magnética funcional o fMRI mide la actividad cerebral detectando cambios asociados con el flujo sanguíneo . [1] [2] Esta técnica se basa en el hecho de que el flujo sanguíneo cerebral y la activación neuronal están acoplados. Cuando una zona del cerebro está en uso, el flujo sanguíneo a esa región también aumenta. [3]

La forma primaria de fMRI utiliza el contraste dependiente del nivel de oxígeno en sangre (BOLD), [4] descubierto por Seiji Ogawa en 1990. Este es un tipo de escaneo cerebral y corporal especializado que se utiliza para mapear la actividad neuronal en el cerebro o la médula espinal de humanos u otros animales al obtener imágenes del cambio en el flujo sanguíneo ( respuesta hemodinámica ) relacionado con el uso de energía por parte de las células cerebrales. [4] Desde principios de la década de 1990, fMRI ha llegado a dominar la investigación del mapeo cerebral porque no implica el uso de inyecciones, cirugía, la ingestión de sustancias o la exposición a radiación ionizante. [5] Esta medida se corrompe con frecuencia por el ruido de varias fuentes; por lo tanto, se utilizan procedimientos estadísticos para extraer la señal subyacente. La activación cerebral resultante se puede representar gráficamente codificando por colores la fuerza de activación en el cerebro o la región específica estudiada. La técnica puede localizar la actividad en milímetros pero, utilizando técnicas estándar, no mejor que en una ventana de unos pocos segundos. [6] Otros métodos para obtener contraste son el etiquetado de espín arterial [7] y la resonancia magnética de difusión . La resonancia magnética de difusión es similar a la resonancia magnética funcional BOLD pero proporciona un contraste basado en la magnitud de la difusión de las moléculas de agua en el cerebro.

Además de detectar respuestas BOLD a la actividad debida a tareas o estímulos, la fMRI puede medir el estado de reposo o estado de tarea negativa, que muestra la varianza BOLD basal de los sujetos. Desde aproximadamente 1998, los estudios han demostrado la existencia y las propiedades de la red neuronal por defecto , una red neuronal funcionalmente conectada de estados cerebrales de reposo aparentes .

La fMRI se utiliza en la investigación y, en menor medida, en el trabajo clínico. Puede complementar otras medidas de la fisiología cerebral, como la electroencefalografía (EEG) y la espectroscopia de infrarrojo cercano (NIRS). Se están investigando métodos más nuevos que mejoran la resolución espacial y temporal, y estos utilizan en gran medida biomarcadores distintos de la señal BOLD. Algunas empresas han desarrollado productos comerciales, como detectores de mentiras basados ​​en técnicas de fMRI, pero no se cree que la investigación esté lo suficientemente desarrollada como para un uso comercial generalizado. [8]

Descripción general

El concepto de fMRI se basa en la tecnología de escaneo de MRI anterior y el descubrimiento de las propiedades de la sangre rica en oxígeno. Los escáneres cerebrales de MRI utilizan un campo magnético fuerte, permanente y estático, expresado en Tesla (T), para alinear los núcleos en la región cerebral que se está estudiando. Luego se aplica otro campo magnético, el campo de gradiente, para localizar espacialmente diferentes núcleos. Finalmente, se reproduce un pulso de radiofrecuencia (RF) para impulsar los núcleos a niveles de magnetización más altos, y el efecto ahora depende de dónde se encuentren. Cuando se elimina el campo de RF, los núcleos vuelven a sus estados originales y la energía que emiten se mide con una bobina para recrear las posiciones de los núcleos. La MRI proporciona así una vista estructural estática de la materia cerebral. El impulso central detrás de la fMRI fue extender la MRI para capturar los cambios funcionales en el cerebro causados ​​por la actividad neuronal. Las diferencias en las propiedades magnéticas entre la sangre arterial (rica en oxígeno) y venosa (pobre en oxígeno) proporcionaron este vínculo. [9]

Investigador revisando imágenes fMRI.
Investigador revisando imágenes fMRI

Desde la década de 1890, se sabe que los cambios en el flujo sanguíneo y la oxigenación de la sangre en el cerebro (conocidos colectivamente como hemodinámica cerebral ) están estrechamente relacionados con la actividad neuronal. [10] Cuando las neuronas se activan, el flujo sanguíneo local a esas regiones cerebrales aumenta y la sangre rica en oxígeno (oxigenada) desplaza a la sangre desoxigenada (desoxigenada) unos 2 segundos después. Esto aumenta hasta un pico durante 4 a 6 segundos, antes de volver al nivel original (y, por lo general, se queda ligeramente por debajo del nivel original). El oxígeno es transportado por la molécula de hemoglobina en los glóbulos rojos . La hemoglobina desoxigenada (dHb) es más magnética ( paramagnética ) que la hemoglobina oxigenada (Hb), que es prácticamente resistente al magnetismo ( diamagnética ). Esta diferencia conduce a una señal de RM mejorada, ya que la sangre diamagnética interfiere menos con la señal de RM magnética. Esta mejora se puede mapear para mostrar qué neuronas están activas en un momento dado. [11]

Historia

A finales del siglo XIX, Angelo Mosso inventó la "balanza de circulación humana", que podía medir de forma no invasiva la redistribución de la sangre durante la actividad emocional e intelectual. [12] Sin embargo, aunque William James lo mencionó brevemente en 1890, los detalles y el funcionamiento preciso de esta balanza y los experimentos que Mosso realizó con ella permanecieron en gran parte desconocidos hasta el reciente descubrimiento del instrumento original, así como los informes de Mosso por Stefano Sandrone y colegas. [13] Angelo Mosso investigó varias variables críticas que todavía son relevantes en la neuroimagen moderna, como la " relación señal-ruido ", la elección apropiada del paradigma experimental y la necesidad de registro simultáneo de diferentes parámetros fisiológicos . [13] Los manuscritos de Mosso no proporcionan evidencia directa de que la balanza fuera realmente capaz de medir los cambios en el flujo sanguíneo cerebral debido a la cognición , [13] sin embargo, una réplica moderna realizada por David T Field [14] ha demostrado ahora, utilizando técnicas modernas de procesamiento de señales no disponibles para Mosso, que un aparato de balanza de este tipo es capaz de detectar cambios en el volumen sanguíneo cerebral relacionados con la cognición. [ cita requerida ]

En 1890, Charles Roy y Charles Sherrington vincularon experimentalmente por primera vez la función cerebral con su flujo sanguíneo, en la Universidad de Cambridge . [15] El siguiente paso para resolver cómo medir el flujo sanguíneo al cerebro fue el descubrimiento de Linus Pauling y Charles Coryell en 1936 de que la sangre rica en oxígeno con Hb era débilmente repelida por los campos magnéticos, mientras que la sangre pobre en oxígeno con dHb era atraída por un campo magnético, aunque menos que los elementos ferromagnéticos como el hierro. Seiji Ogawa en los laboratorios AT&T Bell reconoció que esto podría usarse para aumentar la resonancia magnética, que podría estudiar solo la estructura estática del cerebro, ya que las diferentes propiedades magnéticas de dHb y Hb causadas por el flujo sanguíneo a las regiones cerebrales activadas causarían cambios mensurables en la señal de resonancia magnética. BOLD es el contraste de resonancia magnética de dHb, descubierto en 1990 por Ogawa. En un estudio seminal de 1990 basado en trabajos anteriores de Thulborn et al., Ogawa y sus colegas escanearon roedores en una resonancia magnética de campo magnético fuerte (7,0  T ). Para manipular el nivel de oxígeno en sangre, cambiaron la proporción de oxígeno que respiraban los animales. A medida que esta proporción caía, se veía un mapa del flujo sanguíneo en el cerebro en la resonancia magnética. Verificaron esto colocando tubos de ensayo con sangre oxigenada o desoxigenada y creando imágenes separadas. También demostraron que las imágenes de eco de gradiente, que dependen de una forma de pérdida de magnetización llamada decaimiento de T 2 * , producían las mejores imágenes. Para demostrar que estos cambios en el flujo sanguíneo estaban relacionados con la actividad cerebral funcional, cambiaron la composición del aire respirado por ratas y las escanearon mientras monitoreaban la actividad cerebral con EEG. [16] El primer intento de detectar la actividad cerebral regional mediante resonancia magnética fue realizado por Belliveau y sus colegas [17] en la Universidad de Harvard utilizando el agente de contraste Magnevist, una sustancia paramagnética que permanece en el torrente sanguíneo después de la inyección intravenosa. Sin embargo, este método no es popular en la fMRI humana, debido a la incomodidad de la inyección del agente de contraste y a que el agente permanece en la sangre solo por un corto tiempo. [18]

Tres estudios en 1992 fueron los primeros en explorar el uso del contraste BOLD en humanos. Kenneth Kwong y colegas, utilizando tanto la secuencia de eco de gradiente como la de imágenes eco-planares con recuperación de inversión (EPI) a una intensidad de campo magnético de 1,5 T, publicaron estudios que mostraban una clara activación de la corteza visual humana . [19] De este modo, el equipo de Harvard demostró que tanto el flujo sanguíneo como el volumen sanguíneo aumentaron localmente en el tejido neuronal activo. Ogawa y Ugurbil realizaron un estudio similar utilizando un campo magnético más alto (4,0 T) en el laboratorio de Ugurbil en la Universidad de Minnesota, generando imágenes de mayor resolución que mostraban actividad que seguía en gran medida la materia gris del cerebro, como era de esperar; además, demostraron que la señal fMRI dependía de una disminución en T2*, en consonancia con el mecanismo BOLD. La descomposición de T2* es causada por núcleos magnetizados en un volumen de espacio que pierden coherencia magnética (magnetización transversal) tanto por chocar entre sí como por experimentar diferencias en la intensidad del campo magnético en diferentes ubicaciones (falta de homogeneidad del campo a partir de un gradiente espacial). Bandettini y sus colegas utilizaron EPI a 1,5 T para mostrar la activación en la corteza motora primaria, un área cerebral en la última etapa del circuito que controla los movimientos voluntarios. Los campos magnéticos, las secuencias de pulsos y los procedimientos y técnicas utilizados en estos primeros estudios todavía se utilizan en los estudios fMRI actuales. Pero hoy en día los investigadores suelen recopilar datos de más cortes (utilizando gradientes magnéticos más fuertes) y preprocesar y analizar los datos utilizando técnicas estadísticas. [20]

Fisiología

El cerebro no almacena mucha glucosa, su principal fuente de energía. Cuando las neuronas se activan, para que vuelvan a su estado original de polarización es necesario bombear iones activamente a través de las membranas celulares neuronales, en ambas direcciones. La energía para esas bombas de iones se produce principalmente a partir de la glucosa. Fluye más sangre para transportar más glucosa, lo que también aporta más oxígeno en forma de moléculas de hemoglobina oxigenada en los glóbulos rojos. Esto se debe tanto a un mayor flujo sanguíneo como a una expansión de los vasos sanguíneos. El cambio en el flujo sanguíneo se localiza a 2 o 3 mm de donde se encuentra la actividad neuronal. Por lo general, el oxígeno que se aporta es mayor que el oxígeno consumido al quemar glucosa (aún no se ha determinado si la mayor parte del consumo de glucosa es oxidativo), y esto provoca una disminución neta de la hemoglobina desoxigenada (dHb) en los vasos sanguíneos de esa zona del cerebro. Esto cambia la propiedad magnética de la sangre, haciendo que interfiera menos con la magnetización y su eventual descomposición inducida por el proceso de resonancia magnética. [21]

El flujo sanguíneo cerebral (FSC) se corresponde con la glucosa consumida de manera diferente en las distintas regiones del cerebro. Los resultados iniciales muestran que hay más entrada que consumo de glucosa en regiones como la amígdala , los ganglios basales , el tálamo y la corteza cingulada , todas ellas reclutadas para respuestas rápidas. En regiones que son más deliberativas, como los lóbulos frontal lateral y parietal lateral , parece que el flujo entrante es menor que el consumo. Esto afecta la sensibilidad BOLD. [22]

La hemoglobina difiere en su respuesta a los campos magnéticos, dependiendo de si tiene una molécula de oxígeno unida. La molécula de dHb se siente más atraída por los campos magnéticos. Por lo tanto, distorsiona el campo magnético circundante inducido por un escáner de resonancia magnética, lo que hace que los núcleos allí pierdan magnetización más rápido a través de la desintegración de T 2 * . Por lo tanto, las secuencias de pulsos de RM sensibles a T 2 * muestran más señal de RM donde la sangre está altamente oxigenada y menos donde no lo está. Este efecto aumenta con el cuadrado de la fuerza del campo magnético. Por lo tanto, la señal de fMRI necesita tanto un campo magnético fuerte (1,5 T o superior) como una secuencia de pulsos como EPI, que es sensible al contraste de T 2 * . [23]

La respuesta fisiológica del flujo sanguíneo decide en gran medida la sensibilidad temporal, es decir, la precisión con la que podemos medir cuándo las neuronas están activas en la fMRI BOLD. El parámetro básico de resolución temporal (tiempo de muestreo) se denomina TR; el TR dicta la frecuencia con la que se excita un corte cerebral particular y se le permite perder su magnetización. Los TR pueden variar desde muy cortos (500 ms) hasta muy largos (3 s). En el caso específico de la fMRI, la respuesta hemodinámica dura más de 10 segundos, aumenta de forma multiplicativa (es decir, como proporción del valor actual), alcanza un máximo a los 4 a 6 segundos y luego disminuye de forma multiplicativa. Los cambios en el sistema de flujo sanguíneo, el sistema vascular, integran las respuestas a la actividad neuronal a lo largo del tiempo. Debido a que esta respuesta es una función continua suave, el muestreo con TR cada vez más rápidos no ayuda; solo proporciona más puntos en la curva de respuesta que se pueden obtener de todos modos mediante una simple interpolación lineal. Los paradigmas experimentales, como el escalonamiento cuando se presenta un estímulo en varias pruebas, pueden mejorar la resolución temporal, pero reducen la cantidad de puntos de datos efectivos obtenidos. [24]

Respuesta hemodinámica BOLD

Resoluciones de las principales técnicas de imagenología funcional cerebral

El cambio en la señal de RM a partir de la actividad neuronal se denomina respuesta hemodinámica (HR). Se produce un retraso de un par de segundos con respecto a los eventos neuronales que la desencadenan, ya que el sistema vascular tarda un tiempo en responder a la necesidad de glucosa del cerebro. A partir de este punto, normalmente aumenta hasta un pico unos 5 segundos después del estímulo. Si las neuronas siguen disparándose, por ejemplo, a partir de un estímulo continuo, el pico se extiende hasta una meseta plana mientras las neuronas permanecen activas. Una vez que se detiene la actividad, la señal BOLD cae por debajo del nivel original, la línea de base, un fenómeno llamado subimpulso. Con el tiempo, la señal se recupera hasta llegar a la línea de base. Hay cierta evidencia de que los requisitos metabólicos continuos en una región del cerebro contribuyen al subimpulso. [25]

El mecanismo por el cual el sistema nervioso proporciona retroalimentación al sistema vascular de su necesidad de más glucosa es en parte la liberación de glutamato como parte de la activación neuronal. Este glutamato afecta a las células de sostén cercanas, los astrocitos , lo que provoca un cambio en la concentración de iones de calcio . Esto, a su vez, libera óxido nítrico en el punto de contacto de los astrocitos y los vasos sanguíneos de tamaño intermedio, las arteriolas . El óxido nítrico es un vasodilatador que hace que las arteriolas se expandan y atraigan más sangre. [26]

La señal de respuesta de un único vóxel a lo largo del tiempo se denomina evolución temporal. Normalmente, la señal no deseada, denominada ruido, procedente del escáner, de la actividad cerebral aleatoria y de elementos similares, es tan grande como la señal misma. Para eliminarlos, los estudios de fMRI repiten la presentación de un estímulo varias veces. [27]

Resolución espacial

La resolución espacial de un estudio fMRI se refiere a qué tan bien discrimina entre ubicaciones cercanas. Se mide por el tamaño de los vóxeles, como en la resonancia magnética. Un vóxel es un cuboide rectangular tridimensional, cuyas dimensiones están determinadas por el grosor del corte, el área de un corte y la cuadrícula impuesta sobre el corte por el proceso de escaneo. Los estudios de cerebro completo utilizan vóxeles más grandes, mientras que aquellos que se centran en regiones específicas de interés suelen utilizar tamaños más pequeños. Los tamaños varían de 4 a 5 mm, o con fMRI de resolución laminar (lfMRI), a submilimétricos. [28] Los vóxeles más pequeños contienen menos neuronas en promedio, incorporan menos flujo sanguíneo y, por lo tanto, tienen menos señal que los vóxeles más grandes. Los vóxeles más pequeños implican tiempos de escaneo más largos, ya que el tiempo de escaneo aumenta directamente con el número de vóxeles por corte y el número de cortes. Esto puede provocar incomodidad para el sujeto dentro del escáner y la pérdida de la señal de magnetización. Un vóxel normalmente contiene unos pocos millones de neuronas y decenas de miles de millones de sinapsis ; el número real depende del tamaño del vóxel y del área del cerebro que se está visualizando. [29]

El sistema arterial vascular que suministra sangre fresca se ramifica en vasos cada vez más pequeños a medida que ingresa a la superficie cerebral y a las regiones cerebrales internas, culminando en un lecho capilar conectado dentro del cerebro. El sistema de drenaje, de manera similar, se fusiona en venas cada vez más grandes a medida que transporta sangre desoxigenada. La contribución de dHb a la señal fMRI proviene tanto de los capilares cercanos al área de actividad como de las venas de drenaje más grandes que pueden estar más alejadas. Para una buena resolución espacial, la señal de las venas grandes debe suprimirse, ya que no corresponde al área donde se encuentra la actividad neuronal. Esto se puede lograr utilizando campos magnéticos estáticos fuertes o utilizando secuencias de pulsos de eco de espín. [30] Con estos, la fMRI puede examinar un rango espacial desde milímetros a centímetros, y por lo tanto puede identificar áreas de Brodmann (centímetros), núcleos subcorticales como el caudado , el putamen y el tálamo, y subcampos del hipocampo como el giro dentado combinado / CA3 , CA1 y subículo . [31]

Resolución temporal

La resolución temporal es el período de tiempo más pequeño de la actividad neuronal que se separa de forma fiable mediante fMRI. Un elemento que determina esto es el tiempo de muestreo, el TR. Sin embargo, por debajo de un TR de 1 o 2 segundos, la exploración solo genera curvas de respuesta hemodinámica (HR) más nítidas, sin añadir mucha información adicional (por ejemplo, más allá de lo que se consigue alternativamente interpolando matemáticamente los huecos de la curva en un TR más bajo). La resolución temporal se puede mejorar escalonando la presentación del estímulo en los ensayos. Si un tercio de los ensayos de datos se muestrean de forma normal, un tercio a 1 s, 4 s, 7 s, etc., y el último tercio a 2 s, 5 s y 8 s, los datos combinados proporcionan una resolución de 1 s, aunque con solo un tercio de la cantidad total de eventos.

La resolución temporal necesaria depende del tiempo de procesamiento cerebral para diversos eventos. Un ejemplo de la amplia gama de posibilidades que existen en este caso lo ofrece el sistema de procesamiento visual. Lo que el ojo ve se registra en los fotorreceptores de la retina en un milisegundo aproximadamente. Estas señales llegan a la corteza visual primaria a través del tálamo en decenas de milisegundos. La actividad neuronal relacionada con el acto de ver dura más de 100 ms. Una reacción rápida, como dar un volantazo para evitar un accidente de coche, tarda unos 200 ms. Alrededor de medio segundo, se produce la conciencia y la reflexión sobre el incidente. Recordar un acontecimiento similar puede llevar unos segundos, y los cambios emocionales o fisiológicos, como la excitación del miedo, pueden durar minutos u horas. Los cambios aprendidos, como el reconocimiento de rostros o escenas, pueden durar días, meses o años. La mayoría de los experimentos de fMRI estudian procesos cerebrales que duran unos segundos, y el estudio se lleva a cabo durante algunas decenas de minutos. Los sujetos pueden mover la cabeza durante ese tiempo, y es necesario corregir este movimiento de la cabeza. Lo mismo ocurre con la desviación de la señal de referencia a lo largo del tiempo. El aburrimiento y el aprendizaje pueden modificar tanto el comportamiento del sujeto como los procesos cognitivos. [32]

Adición lineal a partir de activación múltiple

Cuando una persona realiza dos tareas simultáneamente o de manera superpuesta, se espera que la respuesta BOLD se sume linealmente. Esta es una suposición fundamental de muchos estudios de fMRI que se basa en el principio de que se puede esperar que los sistemas continuamente diferenciables se comporten linealmente cuando las perturbaciones son pequeñas; son lineales hasta el primer orden. La adición lineal significa que la única operación permitida en las respuestas individuales antes de que se combinen (se sumen) es un escalamiento separado de cada una. Dado que el escalamiento es simplemente la multiplicación por un número constante, esto significa que un evento que evoca, digamos, el doble de la respuesta neuronal que otro, se puede modelar como el primer evento presentado dos veces simultáneamente. El HR para el evento duplicado es entonces simplemente el doble del del evento único.

En la medida en que el comportamiento es lineal, la evolución temporal de la respuesta BOLD a un estímulo arbitrario se puede modelar mediante la convolución de ese estímulo con la respuesta BOLD al impulso. La modelización precisa de la evolución temporal es importante para estimar la magnitud de la respuesta BOLD. [33] [34]

Esta fuerte suposición fue estudiada por primera vez en 1996 por Boynton y sus colegas, quienes comprobaron los efectos sobre la corteza visual primaria de patrones que parpadeaban 8 veces por segundo y se presentaban durante 3 a 24 segundos. Su resultado mostró que cuando se aumentaba el contraste visual de la imagen, la forma de la frecuencia cardíaca permanecía igual, pero su amplitud aumentaba proporcionalmente. Con algunas excepciones, las respuestas a estímulos más largos también podían inferirse sumando las respuestas a múltiples estímulos más cortos que sumaran la misma duración más larga. En 1997, Dale y Buckner probaron si los eventos individuales, en lugar de bloques de cierta duración, también sumaban de la misma manera, y descubrieron que así era. Pero también encontraron desviaciones del modelo lineal en intervalos de tiempo inferiores a 2 segundos.

Una fuente de no linealidad en la respuesta fMRI es el período refractario, donde la actividad cerebral de un estímulo presentado suprime la actividad adicional en un estímulo similar posterior. A medida que los estímulos se acortan, el período refractario se hace más notorio. El período refractario no cambia con la edad, ni tampoco las amplitudes de las frecuencias cardíacas [ cita requerida ] . El período difiere entre las regiones cerebrales. Tanto en la corteza motora primaria como en la corteza visual, la amplitud de la frecuencia cardíaca se escala linealmente con la duración de un estímulo o respuesta. En las regiones secundarias correspondientes, la corteza motora suplementaria , que está involucrada en la planificación del comportamiento motor, y la región V5 sensible al movimiento, se observa un fuerte período refractario y la amplitud de la frecuencia cardíaca se mantiene estable en un rango de duraciones de estímulo o respuesta. El efecto refractario se puede utilizar de una manera similar a la habituación para ver qué características de un estímulo discrimina una persona como nuevas. [35] Existen más límites a la linealidad debido a la saturación: con grandes niveles de estimulación se alcanza una respuesta BOLD máxima.


Coincidencia de la actividad neuronal con la señal BOLD

Los investigadores han comprobado la señal BOLD frente a las señales de electrodos implantados (principalmente en monos) y las señales de potenciales de campo (es decir, el campo eléctrico o magnético de la actividad cerebral, medido fuera del cráneo) de EEG y MEG . El potencial de campo local, que incluye tanto la actividad post-neurona-sináptica como el procesamiento interno de la neurona, predice mejor la señal BOLD. [36] Por lo tanto, el contraste BOLD refleja principalmente las entradas a una neurona y el procesamiento integrador de la neurona dentro de su cuerpo, y menos la activación de salida de las neuronas. En los humanos, los electrodos solo se pueden implantar en pacientes que necesitan cirugía como tratamiento, pero la evidencia sugiere una relación similar al menos para la corteza auditiva y la corteza visual primaria. Se sabe que las ubicaciones de activación detectadas por fMRI BOLD en áreas corticales (regiones de la superficie cerebral) coinciden con los mapas funcionales basados ​​en CBF de las tomografías por emisión de positrones . Se ha demostrado que algunas regiones de apenas unos milímetros de tamaño, como el núcleo geniculado lateral (LGN) del tálamo, que transmite las señales visuales de la retina a la corteza visual, generan la señal BOLD correctamente cuando se les presenta una señal visual. Las regiones cercanas, como el núcleo pulvinar, no fueron estimuladas para esta tarea, lo que indica una resolución milimétrica para la extensión espacial de la respuesta BOLD, al menos en los núcleos talámicos. En el cerebro de la rata, se ha demostrado que el toque de un solo bigote provoca señales BOLD de la corteza somatosensorial . [37]

Sin embargo, la señal BOLD no puede separar las redes activas de retroalimentación y de avance en una región; la lentitud de la respuesta vascular significa que la señal final es la versión sumada de la red de toda la región; el flujo sanguíneo no es discontinuo a medida que avanza el procesamiento. Además, tanto la entrada inhibitoria como la excitatoria a una neurona desde otras neuronas se suman y contribuyen a la señal BOLD. Dentro de una neurona, estas dos entradas pueden cancelarse. [38] La respuesta BOLD también puede verse afectada por una variedad de factores, entre ellos, enfermedad, sedación, ansiedad, medicamentos que dilatan los vasos sanguíneos [39] y atención (neuromodulación) [40] .

La amplitud de la señal BOLD no afecta necesariamente su forma. Una señal de mayor amplitud puede observarse en casos de actividad neuronal más intensa, pero que alcanza su pico en el mismo lugar que una señal más débil. Además, la amplitud no refleja necesariamente el desempeño conductual. Una tarea cognitiva compleja puede desencadenar inicialmente señales de gran amplitud asociadas con un buen desempeño, pero a medida que el sujeto mejora en ella, la amplitud puede disminuir sin que el desempeño se altere. Se espera que esto se deba a una mayor eficiencia en la realización de la tarea. [41] La respuesta BOLD en las distintas regiones cerebrales no se puede comparar directamente ni siquiera para la misma tarea, ya que la densidad de neuronas y las características del suministro de sangre no son constantes en todo el cerebro. Sin embargo, la respuesta BOLD a menudo se puede comparar en distintos sujetos para la misma región cerebral y la misma tarea. [42]

Una caracterización más reciente de la señal BOLD ha utilizado técnicas optogenéticas en roedores para controlar con precisión la activación neuronal mientras se monitorea simultáneamente la respuesta BOLD utilizando imanes de alto campo (una técnica a veces denominada "optofMRI"). [43] [44] Estas técnicas sugieren que la activación neuronal está bien correlacionada con la señal BOLD medida, incluida la suma aproximadamente lineal de la señal BOLD en ráfagas de activación neuronal estrechamente espaciadas. [45] La suma lineal es una suposición de los diseños de fMRI relacionados con eventos comúnmente utilizados. [46]

Uso médico

Imágenes compuestas de una exploración fMRI

Los médicos utilizan la fMRI para evaluar el riesgo que supone para un paciente una cirugía cerebral o un tratamiento invasivo similar y para saber cómo funciona un cerebro normal, enfermo o lesionado. Mapean el cerebro con fMRI para identificar regiones vinculadas a funciones críticas como el habla, el movimiento, la percepción o la planificación. Esto resulta útil para planificar la cirugía y la radioterapia del cerebro.

Imagen fMRI del cerebro de un participante en el Proyecto Genoma Personal

El uso clínico de la fMRI todavía está por detrás del uso en investigación. [47] Los pacientes con patologías cerebrales son más difíciles de explorar con fMRI que los voluntarios jóvenes sanos, la población típica de sujetos de investigación. Los tumores y las lesiones pueden cambiar el flujo sanguíneo de maneras no relacionadas con la actividad neuronal, enmascarando la frecuencia cardíaca neuronal. Los medicamentos como los antihistamínicos e incluso la cafeína pueden afectar la frecuencia cardíaca. [48] Algunos pacientes pueden tener trastornos como la mentira compulsiva, lo que hace imposible ciertos estudios. [49] Es más difícil para aquellos con problemas clínicos permanecer quietos durante mucho tiempo. El uso de reposacabezas o barras de mordida puede lesionar a los epilépticos que tienen una convulsión dentro del escáner; las barras de mordida también pueden incomodar a las personas con prótesis dentales. [50]

A pesar de estas dificultades, la fMRI se ha utilizado clínicamente para mapear áreas funcionales, verificar la asimetría hemisférica izquierda-derecha en las regiones del lenguaje y la memoria, verificar los correlatos neuronales de una convulsión, estudiar cómo el cerebro se recupera parcialmente de un derrame cerebral y probar qué tan bien funciona un medicamento o una terapia conductual . El mapeo de áreas funcionales y la comprensión de la lateralización del lenguaje y la memoria ayudan a los cirujanos a evitar la eliminación de regiones cerebrales críticas cuando tienen que operar y eliminar tejido cerebral. Esto es de particular importancia en la eliminación de tumores y en pacientes con epilepsia del lóbulo temporal intratable . La lesión de tumores requiere una planificación prequirúrgica para garantizar que no se elimine tejido funcionalmente útil innecesariamente. Los pacientes deprimidos recuperados han mostrado una actividad fMRI alterada en el cerebelo, y esto puede indicar una tendencia a la recaída. La fMRI farmacológica, que analiza la actividad cerebral después de la administración de medicamentos, se puede utilizar para verificar cuánto penetra un medicamento en la barrera hematoencefálica y la información de dosis versus efecto del medicamento. [51]

Investigación con animales

La investigación se lleva a cabo principalmente en primates no humanos, como el macaco rhesus . Estos estudios se pueden utilizar tanto para comprobar o predecir resultados humanos como para validar la propia técnica de fMRI. Pero los estudios son difíciles porque es difícil motivar a un animal para que se quede quieto y los incentivos típicos, como el jugo, desencadenan el movimiento de la cabeza mientras el animal lo traga. También es costoso mantener una colonia de animales más grandes, como el macaco. [52]

Analizando los datos

El objetivo del análisis de datos fMRI es detectar correlaciones entre la activación cerebral y una tarea que el sujeto realiza durante la exploración. También pretende descubrir correlaciones con los estados cognitivos específicos, como la memoria y el reconocimiento, inducidos en el sujeto. [53] Sin embargo, la firma BOLD de activación es relativamente débil, por lo que otras fuentes de ruido en los datos adquiridos deben controlarse cuidadosamente. Esto significa que se debe realizar una serie de pasos de procesamiento en las imágenes adquiridas antes de que pueda comenzar la búsqueda estadística real de la activación relacionada con la tarea. [54] Sin embargo, es posible predecir, por ejemplo, las emociones que experimenta una persona únicamente a partir de su fMRI, con un alto grado de precisión. [55]

Fuentes de ruido

El ruido son cambios no deseados en la señal de RMN que se producen por elementos que no son de interés para el estudio. Las cinco fuentes principales de ruido en la fMRI son el ruido térmico, el ruido del sistema, el ruido fisiológico, la actividad neuronal aleatoria y las diferencias en las estrategias mentales y el comportamiento entre las personas y entre las tareas dentro de una persona. El ruido térmico se multiplica en línea con la intensidad del campo estático, pero el ruido fisiológico se multiplica por el cuadrado de la intensidad del campo. Dado que la señal también se multiplica por el cuadrado de la intensidad del campo, y dado que el ruido fisiológico es una gran proporción del ruido total, las intensidades de campo superiores a 3 T no siempre producen imágenes proporcionalmente mejores.

El calor hace que los electrones se muevan y distorsionen la corriente en el detector fMRI, lo que produce ruido térmico. El ruido térmico aumenta con la temperatura. También depende del rango de frecuencias detectadas por la bobina receptora y su resistencia eléctrica. Afecta a todos los vóxeles de manera similar, independientemente de la anatomía. [56]

El ruido del sistema proviene del hardware de imágenes. Una forma es la deriva del escáner, causada por la deriva del campo del imán superconductor con el tiempo. Otra forma son los cambios en la distribución de corriente o voltaje del propio cerebro que inducen cambios en la bobina receptora y reducen su sensibilidad. Se utiliza un procedimiento llamado adaptación de impedancia para evitar este efecto de inductancia. También puede haber ruido debido a que el campo magnético no es uniforme. Esto se corrige a menudo utilizando bobinas de calce, pequeños imanes insertados físicamente, por ejemplo, en la boca del sujeto, para parchear el campo magnético. Las no uniformidades a menudo se encuentran cerca de los senos paranasales cerebrales, como el oído, y tapar la cavidad durante períodos prolongados puede resultar incómodo. El proceso de escaneo adquiere la señal de RM en el espacio k, en el que las frecuencias espaciales superpuestas (es decir, los bordes repetidos en el volumen de la muestra) se representan con líneas. Transformar esto en vóxeles introduce algunas pérdidas y distorsiones. [57]

El ruido fisiológico proviene del movimiento de la cabeza y el cerebro en el escáner, ya sea por la respiración, los latidos del corazón o por la inquietud, la tensión o las respuestas físicas del sujeto, como presionar botones. Los movimientos de la cabeza hacen que la asignación de vóxeles a neuronas cambie mientras se realiza el escaneo. El ruido debido al movimiento de la cabeza es un problema particular cuando se trabaja con niños, aunque se pueden tomar medidas para reducir el movimiento de la cabeza al escanear a los niños, como cambios en el diseño experimental y la capacitación antes de la sesión de escaneo. [58] Dado que la fMRI se adquiere en cortes, después del movimiento, un vóxel continúa haciendo referencia a la misma ubicación absoluta en el espacio, mientras que las neuronas debajo de él habrían cambiado. Otra fuente de ruido fisiológico es el cambio en la tasa de flujo sanguíneo, el volumen sanguíneo y el uso de oxígeno a lo largo del tiempo. Este último componente contribuye a dos tercios del ruido fisiológico, que, a su vez, es el principal contribuyente al ruido total. [59]

Incluso con el mejor diseño experimental, no es posible controlar y limitar todos los demás estímulos de fondo que afectan a un sujeto (ruido del escáner, pensamientos aleatorios, sensaciones físicas y similares). Estos producen una actividad neuronal independiente de la manipulación experimental. No son susceptibles de modelado matemático y deben ser controlados por el diseño del estudio.

Las estrategias de una persona para responder o reaccionar a un estímulo y para resolver problemas suelen cambiar con el tiempo y a lo largo de las tareas. Esto genera variaciones en la actividad neuronal de un ensayo a otro dentro de un sujeto. La actividad neuronal también difiere entre personas por razones similares. Los investigadores suelen realizar estudios piloto para ver cómo se desempeñan normalmente los participantes en la tarea en cuestión. También suelen entrenar a los sujetos para que respondan o reaccionen en una sesión de entrenamiento de prueba antes de la de escaneo. [60]

Preprocesamiento

La plataforma del escáner genera un volumen 3D de la cabeza del sujeto en cada TR. Este consiste en una matriz de valores de intensidad de vóxeles, un valor por vóxel en el escaneo. Los vóxeles se disponen uno tras otro, desplegando la estructura tridimensional en una sola línea. Varios de estos volúmenes de una sesión se unen para formar un volumen 4D correspondiente a una sesión, durante el período de tiempo que el sujeto permaneció en el escáner sin ajustar la posición de la cabeza. Este volumen 4D es el punto de partida para el análisis. La primera parte de ese análisis es el preprocesamiento.

El primer paso del preprocesamiento es, convencionalmente, la corrección de la sincronización de los cortes. El escáner de RM adquiere diferentes cortes dentro de un único volumen cerebral en diferentes momentos y, por lo tanto, los cortes representan la actividad cerebral en diferentes puntos temporales. Dado que esto complica el análisis posterior, se aplica una corrección de la sincronización para que todos los cortes tengan la misma referencia temporal. Esto se hace suponiendo que la evolución temporal de un vóxel es uniforme cuando se representa como una línea de puntos. Por lo tanto, el valor de intensidad del vóxel en otros momentos que no están en los fotogramas muestreados se puede calcular rellenando los puntos para crear una curva continua.

La corrección del movimiento de la cabeza es otro paso común de preprocesamiento. Cuando la cabeza se mueve, las neuronas bajo un vóxel se mueven y, por lo tanto, su curso temporal ahora representa en gran medida el de algún otro vóxel en el pasado. Por lo tanto, la curva del curso temporal se corta y pega de manera efectiva de un vóxel a otro. La corrección del movimiento prueba diferentes formas de deshacer esto para ver qué deshacer del cortar y pegar produce el curso temporal más suave para todos los vóxeles. La deshacer se realiza aplicando una transformación de cuerpo rígido al volumen, desplazando y rotando todos los datos del volumen para tener en cuenta el movimiento. El volumen transformado se compara estadísticamente con el volumen en el primer punto temporal para ver qué tan bien coinciden, utilizando una función de costo como la correlación o la información mutua . La transformación que da la función de costo mínima se elige como modelo para el movimiento de la cabeza. Dado que la cabeza puede moverse en una cantidad muy variada de formas, no es posible buscar todos los candidatos posibles; ni existe en este momento un algoritmo que proporcione una solución globalmente óptima independientemente de las primeras transformaciones que probamos en una cadena.

Las correcciones de distorsión tienen en cuenta las no uniformidades del campo del escáner. Un método, como se describió anteriormente, es utilizar bobinas de compensación. Otro es recrear un mapa de campo del campo principal mediante la adquisición de dos imágenes con diferentes tiempos de eco. Si el campo fuera uniforme, las diferencias entre las dos imágenes también serían uniformes. Tenga en cuenta que estas no son verdaderas técnicas de preprocesamiento, ya que son independientes del estudio en sí. La estimación del campo de sesgo es una técnica de preprocesamiento real que utiliza modelos matemáticos del ruido de la distorsión, como campos aleatorios de Markov y algoritmos de maximización de expectativas , para corregir la distorsión.

En general, los estudios de fMRI adquieren muchas imágenes funcionales con fMRI y una imagen estructural con MRI. La imagen estructural suele tener una resolución más alta y depende de una señal diferente, la caída del campo magnético T1 después de la excitación. Para delimitar las regiones de interés en la imagen funcional, es necesario alinearla con la estructural. Incluso cuando se realiza un análisis de todo el cerebro, para interpretar los resultados finales, es decir, para averiguar en qué regiones se encuentran los vóxeles activos, hay que alinear la imagen funcional con la estructural. Esto se hace con un algoritmo de corregistro que funciona de forma similar al de corrección de movimiento, excepto que aquí las resoluciones son diferentes y los valores de intensidad no se pueden comparar directamente porque la señal generadora es diferente.

Los estudios típicos de resonancia magnética escanean a unos pocos sujetos diferentes. Para integrar los resultados de todos los sujetos, una posibilidad es utilizar un atlas cerebral común y ajustar todos los cerebros para que se alineen con el atlas y luego analizarlos como un solo grupo. Los atlas que se utilizan habitualmente son el de Talairach, un solo cerebro de una mujer mayor creado por Jean Talairach y el del Instituto Neurológico de Montreal (MNI). El segundo es un mapa probabilístico creado mediante la combinación de exploraciones de más de cien individuos. Esta normalización a una plantilla estándar se realiza comprobando matemáticamente qué combinación de estiramiento, compresión y deformación reduce las diferencias entre el objetivo y la referencia. Si bien esto es conceptualmente similar a la corrección del movimiento, los cambios necesarios son más complejos que solo la traslación y la rotación y, por lo tanto, es aún más probable que la optimización dependa de las primeras transformaciones en la cadena que se comprueba.

El filtrado temporal consiste en eliminar de la señal las frecuencias que no nos interesan. El cambio de intensidad de un vóxel a lo largo del tiempo se puede representar como la suma de varias ondas repetidas con diferentes períodos y alturas. Un gráfico con estos períodos en el eje x y las alturas en el eje y se denomina espectro de potencia y se crea con la técnica de la transformada de Fourier . El filtrado temporal consiste en eliminar del espectro de potencia las ondas periódicas que no nos interesan y, a continuación, volver a sumar las ondas utilizando la transformada de Fourier inversa para crear un nuevo intervalo de tiempo para el vóxel. Un filtro de paso alto elimina las frecuencias más bajas y la frecuencia más baja que se puede identificar con esta técnica es el recíproco del doble de TR. Un filtro de paso bajo elimina las frecuencias más altas, mientras que un filtro de paso de banda elimina todas las frecuencias excepto el rango particular de interés.

El suavizado, o filtrado espacial, es la idea de promediar las intensidades de los vóxeles cercanos para producir un mapa espacial suave del cambio de intensidad en el cerebro o la región de interés. El promedio se realiza a menudo mediante convolución con un filtro gaussiano , que, en cada punto espacial, pondera los vóxeles vecinos por su distancia, con los pesos cayendo exponencialmente siguiendo la curva de campana . Si la verdadera extensión espacial de activación, es decir, la dispersión del grupo de vóxeles activos simultáneamente, coincide con el ancho del filtro utilizado, este proceso mejora la relación señal-ruido . También hace que el ruido total para cada vóxel siga una distribución de curva de campana, ya que la suma de una gran cantidad de distribuciones independientes e idénticas de cualquier tipo produce la curva de campana como caso límite. Pero si la presunta extensión espacial de activación no coincide con el filtro, la señal se reduce. [61]

Análisis estadístico

Imágenes de resonancia magnética funcional de un estudio que muestran partes del cerebro que se iluminan al ver casas y otras partes al ver caras
Estas imágenes de fMRI provienen de un estudio que muestra partes del cerebro que se iluminan al ver casas y otras partes al ver rostros. Los valores "r" son correlaciones, donde los valores positivos o negativos más altos indican una relación más fuerte (es decir, una mejor coincidencia).

Un enfoque común para analizar datos fMRI es considerar cada vóxel por separado dentro del marco del modelo lineal general . El modelo supone, en cada punto temporal, que la respuesta hemodinámica (HR) es igual a la versión escalada y sumada de los eventos activos en ese punto. Un investigador crea una matriz de diseño que especifica qué eventos están activos en cualquier punto temporal. Una forma común es crear una matriz con una columna por evento superpuesto y una fila por punto temporal, y marcarla si un evento particular, digamos un estímulo, está activo en ese punto temporal. Luego se supone una forma específica para la HR, dejando solo su amplitud modificable en los vóxeles activos. La matriz de diseño y esta forma se utilizan para generar una predicción de la HR exacta del vóxel en cada punto temporal, utilizando el procedimiento matemático de convolución . Esta predicción no incluye la escala requerida para cada evento antes de sumarlos.

El modelo básico supone que la frecuencia cardíaca observada es la frecuencia cardíaca predicha escalada por los pesos para cada evento y luego se suma, con ruido mezclado. Esto genera un conjunto de ecuaciones lineales con más ecuaciones que incógnitas. Una ecuación lineal tiene una solución exacta, en la mayoría de las condiciones, cuando las ecuaciones y las incógnitas coinciden. Por lo tanto, se podría elegir cualquier subconjunto de las ecuaciones, con el número igual al número de variables, y resolverlas. Pero, cuando estas soluciones se introducen en las ecuaciones omitidas, habrá un desajuste entre los lados derecho e izquierdo, el error. El modelo GLM intenta encontrar los pesos de escala que minimizan la suma de los cuadrados del error. Este método es demostrablemente óptimo si el error se distribuyera como una curva de campana y si el modelo de escala y suma fuera preciso. Para una descripción más matemática del modelo GLM, consulte modelos lineales generalizados .

El modelo GLM no tiene en cuenta la contribución de las relaciones entre múltiples vóxeles. Mientras que los métodos de análisis GLM evalúan si la amplitud de la señal de un vóxel o región es mayor o menor para una condición que para otra, los modelos estadísticos más nuevos, como el análisis de patrones de múltiples vóxeles (MVPA), utilizan las contribuciones únicas de múltiples vóxeles dentro de una población de vóxeles. En una implementación típica, se entrena un clasificador o un algoritmo más básico para distinguir los ensayos para diferentes condiciones dentro de un subconjunto de los datos. Luego, el modelo entrenado se prueba prediciendo las condiciones de los datos restantes (independientes). Este enfoque se logra más típicamente mediante el entrenamiento y la prueba en diferentes sesiones o ejecuciones del escáner. Si el clasificador es lineal, entonces el modelo de entrenamiento es un conjunto de pesos utilizados para escalar el valor en cada vóxel antes de sumarlos para generar un solo número que determina la condición para cada ensayo del conjunto de prueba. Puede obtener más información sobre el entrenamiento y la prueba de clasificadores en la clasificación estadística . [62] MVPA permite inferencias sobre el contenido de información de las representaciones neuronales subyacentes reflejadas en la señal BOLD, [63] aunque existe una controversia sobre si la información detectada por este método refleja información codificada a nivel de columnas o escalas espaciales superiores. [64] Además, es más difícil decodificar información de la corteza prefrontal en comparación con la corteza visual y tales diferencias en la sensibilidad entre regiones hacen que las comparaciones entre regiones sean problemáticas. [65] Otro método utilizó el mismo conjunto de datos fMRI para el reconocimiento visual de objetos en el cerebro humano que depende del análisis de patrones de múltiples vóxeles (vóxeles fMRI) y el aprendizaje de múltiples vistas que se describe en [66] este método utilizó la búsqueda metaheurística y la información mutua para eliminar los vóxeles ruidosos y seleccionar las señales BOLD significativas.

Combinando con otros métodos

Es habitual combinar la adquisición de señales fMRI con el seguimiento de las respuestas y los tiempos de reacción de los participantes. A veces, con la fMRI se capturan simultáneamente medidas fisiológicas como la frecuencia cardíaca, la respiración, la conductancia de la piel (tasa de sudoración) y los movimientos oculares. El método también se puede combinar con otras técnicas de imágenes cerebrales como la estimulación transcraneal , la estimulación cortical directa y, especialmente, el EEG . [67] El procedimiento fMRI también se puede combinar con la espectroscopia de infrarrojo cercano (NIRS) para tener información complementaria sobre la oxihemoglobina y la desoxihemoglobina.

La técnica fMRI puede complementar o suplementar otras técnicas debido a sus fortalezas y deficiencias únicas. Puede registrar señales cerebrales de forma no invasiva sin los riesgos de la radiación ionizante inherente a otros métodos de exploración, como las tomografías computarizadas o las tomografías por emisión de positrones . [68] También puede registrar señales de todas las regiones del cerebro, a diferencia del EEG/MEG, que están sesgados hacia la superficie cortical. [69] Pero la resolución temporal de fMRI es peor que la del EEG, ya que la frecuencia cardíaca tarda decenas de segundos en alcanzar su pico. Por lo tanto, la combinación de EEG con fMRI es potencialmente poderosa porque los dos tienen fortalezas complementarias: el EEG tiene una alta resolución temporal y la fMRI una alta resolución espacial. Pero la adquisición simultánea debe tener en cuenta la señal de EEG del flujo sanguíneo variable desencadenado por el campo de gradiente de fMRI y la señal de EEG del campo estático. [70] Para obtener más detalles, consulte EEG vs fMRI .

Aunque la fMRI destaca por su potencial para capturar procesos neuronales asociados con la salud y la enfermedad, las técnicas de estimulación cerebral como la estimulación magnética transcraneal (TMS) tienen el poder de alterar estos procesos neuronales. Por lo tanto, se necesita una combinación de ambos para investigar los mecanismos de acción del tratamiento con TMS y, por otro lado, introducir la causalidad en observaciones que de otro modo serían puramente correlacionales. La configuración de vanguardia actual para estos experimentos concurrentes de TMS/fMRI comprende una bobina de cabeza de gran volumen, generalmente una bobina de jaula de pájaros, con la bobina TMS compatible con RM montada dentro de esa bobina de jaula de pájaros. Se aplicó en una multitud de experimentos que estudiaban interacciones locales y de red. Sin embargo, las configuraciones clásicas con la bobina TMS colocada dentro de la bobina de cabeza de tipo jaula de RM se caracterizan por relaciones señal-ruido deficientes en comparación con las matrices de recepción multicanal que se utilizan en la neuroimagen clínica actual. Además, la presencia de la bobina TMS dentro de la bobina de jaula de RM causa artefactos debajo de la bobina TMS, es decir, en el objetivo de estimulación. Por estas razones, actualmente se están desarrollando nuevos conjuntos de bobinas de RM [71] dedicados a experimentos simultáneos de TMS/fMRI. [72]

Problemas en la fMRI

Diseño

Si la condición de referencia está demasiado cerca de la activación máxima, es posible que ciertos procesos no se representen adecuadamente. [73] Otra limitación del diseño experimental es el movimiento de la cabeza, que puede provocar cambios artificiales en la intensidad de la señal fMRI. [73]

Diseño basado en bloques versus diseño basado en eventos

En un diseño de bloques, dos o más condiciones se alternan por bloques. Cada bloque tendrá una duración de un cierto número de exploraciones fMRI y dentro de cada bloque solo se presenta una condición. Al hacer que las condiciones difieran solo en el proceso cognitivo de interés, la señal fMRI que diferencia las condiciones debe representar este proceso cognitivo de interés. Esto se conoce como el paradigma de sustracción. [74] El aumento de la señal fMRI en respuesta a un estímulo es aditivo. Esto significa que la amplitud de la respuesta hemodinámica (FC) aumenta cuando se presentan múltiples estímulos en rápida sucesión. Cuando cada bloque se alterna con una condición de reposo en la que la FC tiene tiempo suficiente para volver a la línea base, se introduce una cantidad máxima de variabilidad en la señal. Como tal, concluimos que los diseños de bloques ofrecen un poder estadístico considerable. [75] [76] Sin embargo, este método tiene graves inconvenientes, ya que la señal es muy sensible a la deriva de la señal, como el movimiento de la cabeza, especialmente cuando solo se utilizan unos pocos bloques. Otro factor limitante es una mala elección de la línea base, ya que puede impedir que se extraigan conclusiones significativas. También existen problemas con muchas tareas que carecen de la capacidad de ser repetidas. Dado que dentro de cada bloque solo se presenta una condición, no es posible la aleatorización de los tipos de estímulo dentro de un bloque. Esto hace que el tipo de estímulo dentro de cada bloque sea muy predecible. Como consecuencia, los participantes pueden llegar a ser conscientes del orden de los eventos. [75] [76]

Los diseños relacionados con eventos permiten más pruebas en el mundo real, sin embargo, el poder estadístico de los diseños relacionados con eventos es inherentemente bajo, porque el cambio de señal en la señal fMRI BOLD después de una única presentación de estímulo es pequeño. [77] [78]

Tanto los diseños de bloques como los relacionados con eventos se basan en el paradigma de la sustracción , que supone que se pueden añadir procesos cognitivos específicos de forma selectiva en diferentes condiciones. Se supone entonces que cualquier diferencia en el flujo sanguíneo (la señal BOLD) entre estas dos condiciones refleja el proceso cognitivo diferente. Además, este modelo supone que se puede añadir un proceso cognitivo de forma selectiva a un conjunto de procesos cognitivos activos sin afectarlos. [74] [ aclaración necesaria ]

Superposición de señales

La superposición de señales en la fMRI es un desafío importante en la investigación de la neurociencia cognitiva, en particular cuando se presentan múltiples estímulos o tareas en estrecha proximidad temporal. [79] La respuesta BOLD tiene una resolución temporal lenta en comparación con la rápida sucesión de eventos cognitivos. Esto hace que las señales de diferentes procesos cerebrales se superpongan, lo que dificulta diferenciar qué actividad neuronal está asociada con estímulos o tareas específicos. Esta superposición reduce la precisión de los análisis fMRI relacionados con eventos, lo que complica las interpretaciones de la función cerebral.

Los diseños tradicionales de fMRI, como los diseños de bloques o relacionados con eventos, enfrentan limitaciones en el manejo de esta superposición de señales, especialmente en estudios con diseños alternados no aleatorios, donde las mismas tareas o estímulos pueden aparecer repetidamente y muy juntos. [80] Como resultado, la sincronización de los estímulos se convierte en un factor crucial para garantizar que la señal fMRI de un evento sea suficientemente distinta del siguiente.

Para abordar estos desafíos, los investigadores emplean técnicas como la deconvolución, que separa matemáticamente las respuestas BOLD superpuestas. [81] [82] En 2023, Das y sus colegas demostraron varias formas de optimizar el tiempo entre eventos individuales de modo que se pueda minimizar la convolución de las señales evocadas por ellos que están cerca unas de otras. [83] Estos métodos intentan estimar la contribución de cada evento neuronal a la señal general, lo que permite una interpretación más precisa de la actividad cerebral. Los avances en los métodos analíticos, como las herramientas especializadas para optimizar los diseños experimentales, son cruciales para mitigar los efectos de la superposición de señales y mejorar la confiabilidad de los estudios de fMRI.

Condiciones basales versus condiciones de actividad

El cerebro nunca está completamente en reposo. Nunca deja de funcionar y disparar señales neuronales, así como de utilizar oxígeno mientras la persona en cuestión esté viva. De hecho, en el estudio de Stark y Squire de 2001 [84] Cuando cero no es cero: El problema de las condiciones basales ambiguas en fMRI , la actividad en el lóbulo temporal medial (así como en otras regiones cerebrales) fue sustancialmente mayor durante el reposo que durante varias condiciones basales alternativas. El efecto de esta actividad elevada durante el reposo fue reducir, eliminar o incluso invertir el signo de la actividad durante las condiciones de tarea relevantes para las funciones de la memoria. Estos resultados demuestran que los períodos de descanso están asociados con una actividad cognitiva significativa y, por lo tanto, no son una línea base óptima para las tareas de cognición. Para discernir las condiciones basales y de activación es necesario interpretar mucha información. Esto incluye situaciones tan simples como respirar. Los bloqueos periódicos pueden dar como resultado datos idénticos de otra varianza en los datos si la persona respira a un ritmo regular de 1 respiración/5 segundos, y los bloqueos ocurren cada 10 segundos, lo que deteriora los datos.

Inferencia inversa

Los métodos de neuroimagen, como la fMRI y la MRI, ofrecen una medida de la activación de ciertas áreas cerebrales en respuesta a las tareas cognitivas que se realizan durante el proceso de escaneo. Los datos obtenidos durante este tiempo permiten a los neurocientíficos cognitivos obtener información sobre el papel de regiones cerebrales particulares en la función cognitiva. [85] Sin embargo, surge un problema cuando los investigadores afirman que ciertas regiones cerebrales identifican la activación de procesos cognitivos previamente etiquetados. [86] Poldrack [87] describe claramente este problema:

La inferencia habitual que se extrae de los datos de neuroimagen es del tipo "si el proceso cognitivo X está activo, entonces el área cerebral Z está activa". Sin embargo, una lectura de las secciones de discusión de algunos artículos sobre fMRI revelará rápidamente una epidemia de razonamiento que adopta la siguiente forma:
(1) En el presente estudio, cuando se presentó la comparación de tareas A, el área cerebral Z estaba activa.
(2) En otros estudios, cuando supuestamente estaba activo el proceso cognitivo X, entonces el área cerebral Z estaba activa.
(3) Por tanto, la actividad del área Z en el presente estudio demuestra la participación del proceso cognitivo X mediante la comparación de tareas A.
Se trata de una «inferencia inversa», ya que razona hacia atrás desde la presencia de activación cerebral hasta la participación de una función cognitiva particular.

La inferencia inversa demuestra la falacia lógica de afirmar lo que se acaba de encontrar, aunque esta lógica podría ser apoyada por casos en los que un determinado resultado se genera únicamente por un suceso específico. Con respecto al cerebro y la función cerebral, es raro que una región cerebral particular se active únicamente por un proceso cognitivo. [87] Algunas sugerencias para mejorar la legitimidad de la inferencia inversa han incluido tanto el aumento de la selectividad de la respuesta en la región cerebral de interés como el aumento de la probabilidad previa del proceso cognitivo en cuestión. [87] Sin embargo, Poldrack [85] sugiere que la inferencia inversa debería utilizarse simplemente como una guía para dirigir la investigación posterior en lugar de un medio directo para interpretar los resultados.

Inferencia hacia adelante

La inferencia directa es un método basado en datos que utiliza patrones de activación cerebral para distinguir entre teorías cognitivas en competencia. Comparte características con la lógica de disociación de la psicología cognitiva y el encadenamiento directo de la filosofía . Por ejemplo, Henson [88] analiza la contribución de la inferencia directa al debate " teoría de proceso único versus teoría de proceso dual " con respecto a la memoria de reconocimiento . La inferencia directa respalda la teoría de proceso dual al demostrar que hay dos patrones de activación cerebral cualitativamente diferentes al distinguir entre " juicios de recordar versus juicios de saber ". El problema principal con la inferencia directa es que es un método correlacional . Por lo tanto, no se puede estar completamente seguro de que las regiones cerebrales activadas durante el proceso cognitivo sean completamente necesarias para la ejecución de esos procesos. [85] De hecho, hay muchos casos conocidos que demuestran exactamente eso. Por ejemplo, se ha demostrado que el hipocampo se activa durante el condicionamiento clásico , [89] sin embargo, los estudios de lesiones han demostrado que el condicionamiento clásico puede ocurrir sin el hipocampo. [90]

Riesgos para la salud

El riesgo más común para los participantes en un estudio de fMRI es la claustrofobia [91] y existen riesgos reportados para las mujeres embarazadas al pasar por el proceso de escaneo. [92] Las sesiones de escaneo también someten a los participantes a ruidos agudos fuertes de las fuerzas de Lorentz inducidas en las bobinas de gradiente por la corriente de cambio rápido en el poderoso campo estático. El cambio de gradiente también puede inducir corrientes en el cuerpo que causan hormigueo en los nervios. Los dispositivos médicos implantados, como los marcapasos, podrían funcionar mal debido a estas corrientes. El campo de radiofrecuencia de la bobina de excitación puede calentar el cuerpo, y esto debe controlarse con más cuidado en personas con fiebre, diabéticos y personas con problemas circulatorios. Las quemaduras locales causadas por collares de metal y otras joyas también son un riesgo. [93]

El fuerte campo magnético estático puede causar daños al atraer objetos metálicos pesados ​​cercanos y convertirlos en proyectiles. [94]

No se ha demostrado que exista riesgo de daño biológico, ni siquiera por campos magnéticos estáticos muy potentes. [95] [96] Sin embargo, se han demostrado efectos genotóxicos (es decir, potencialmente cancerígenos) de la exploración por resonancia magnética in vivo e in vitro, [97] [98] [99] [100] lo que ha llevado a una revisión reciente a recomendar "la necesidad de realizar más estudios y un uso prudente para evitar exámenes innecesarios, de acuerdo con el principio de precaución ". [96] En una comparación de los efectos genotóxicos de la resonancia magnética en comparación con los de las tomografías computarizadas, Knuuti et al. informaron que, aunque el daño del ADN detectado después de la resonancia magnética era de un nivel comparable al producido por las exploraciones que utilizan radiación ionizante (angiografía por TC coronaria de baja dosis, imágenes nucleares y angiografía por rayos X), las diferencias en el mecanismo por el que se produce este daño sugieren que se desconoce el riesgo de cáncer de la resonancia magnética, si lo hay. [101]

Métodos avanzados

Los primeros estudios de fMRI validaron la técnica frente a la actividad cerebral que, gracias a otras técnicas, se correlacionaba con las tareas. A principios de la década de 2000, los estudios de fMRI comenzaron a descubrir correlaciones novedosas. Aun así, sus desventajas técnicas han impulsado a los investigadores a probar formas más avanzadas de aumentar la potencia de los estudios clínicos y de investigación.

Mejor resolución espacial

En general, la resonancia magnética tiene una resolución espacial mejor que la electroencefalografía y la megalometría, pero no tan buena como la de los procedimientos invasivos, como los electrodos de una sola unidad. Si bien las resoluciones típicas están en el rango milimétrico, la resonancia magnética de ultraalta resolución o la espectroscopia por resonancia magnética funcionan con una resolución de decenas de micrómetros. Utiliza campos de 7 T, escáneres de pequeño calibre que pueden adaptarse a animales pequeños como ratas y agentes de contraste externos como óxido de hierro fino. Adaptar a un ser humano requiere escáneres de mayor calibre, lo que hace que sea más difícil lograr intensidades de campo más altas, especialmente si el campo tiene que ser uniforme; también requiere contraste interno como BOLD o un agente de contraste externo no tóxico a diferencia del óxido de hierro.

La obtención de imágenes en paralelo es otra técnica para mejorar la resolución espacial. En ella se utilizan múltiples bobinas para la excitación y la recepción. La resolución espacial mejora con la raíz cuadrada del número de bobinas utilizadas. Esto se puede hacer con un conjunto en fase, en el que las bobinas se combinan en paralelo y, a menudo, se toman muestras de áreas superpuestas con huecos en el muestreo, o con conjuntos de bobinas masivos, que son un conjunto mucho más denso de receptores separados de las bobinas de excitación. Sin embargo, estos captan mejor las señales de la superficie del cerebro y menos bien de las estructuras más profundas, como el hipocampo . [ cita requerida ]

Mejor resolución temporal

La resolución temporal de la fMRI está limitada por: (1) el mecanismo de retroalimentación que aumenta el flujo sanguíneo que opera lentamente; (2) tener que esperar hasta que la magnetización neta se recupere antes de muestrear un corte nuevamente; y (3) tener que adquirir múltiples cortes para cubrir todo el cerebro o la región de interés. Las técnicas avanzadas para mejorar la resolución temporal abordan estos problemas. El uso de múltiples bobinas acelera el tiempo de adquisición en proporción exacta a las bobinas utilizadas. Otra técnica es decidir qué partes de la señal importan menos y descartarlas. Estas podrían ser aquellas secciones de la imagen que se repiten a menudo en un mapa espacial (es decir, pequeños grupos que salpican la imagen periódicamente) o aquellas secciones que se repiten con poca frecuencia (grupos más grandes). El primero, un filtro de paso alto en el espacio k, ha sido propuesto por Gary H. Glover y colegas en Stanford . Estos mecanismos suponen que el investigador tiene una idea de la forma esperada de la imagen de activación.

La EPI de eco de gradiente típica utiliza dos bobinas de gradiente dentro de un corte y enciende primero una bobina y luego la otra, trazando un conjunto de líneas en el espacio k. Al encender ambas bobinas de gradiente se pueden generar líneas en ángulo, que cubren el mismo espacio de cuadrícula más rápido. Ambas bobinas de gradiente también se pueden encender en una secuencia específica para trazar una forma espiral en el espacio k. Esta secuencia de imágenes en espiral adquiere imágenes más rápido que las secuencias de eco de gradiente, pero necesita más transformaciones matemáticas (y suposiciones consecuentes) ya que la conversión de regreso al espacio de vóxeles requiere que los datos estén en forma de cuadrícula (un conjunto de puntos espaciados de manera uniforme en direcciones horizontales y verticales).

Nuevos mecanismos de contraste

El contraste BOLD depende del flujo sanguíneo, que es lento en respuesta a estímulos y sujeto a influencias ruidosas. Otros biomarcadores que se estudian ahora para proporcionar un mejor contraste incluyen la temperatura, la acidez/alcalinidad (pH), los agentes sensibles al calcio, el campo magnético neuronal y el efecto Lorentz. El contraste de temperatura depende de los cambios en la temperatura cerebral a partir de su actividad. La quema inicial de glucosa aumenta la temperatura y la entrada posterior de sangre fresca y fría la reduce. [ cita requerida ] Estos cambios alteran las propiedades magnéticas del tejido. Dado que el contraste interno es demasiado difícil de medir, se utilizan agentes externos como los compuestos de tulio para mejorar el efecto. El contraste basado en el pH depende de los cambios en el equilibrio ácido/alcalino de las células cerebrales cuando se activan. Esto con demasiada frecuencia utiliza un agente externo. Los agentes sensibles al calcio hacen que la resonancia magnética sea más sensible a las concentraciones de calcio, y los iones de calcio a menudo son los mensajeros de las vías de señalización celular en las neuronas activas. El contraste del campo magnético neuronal mide los cambios magnéticos y eléctricos de la activación neuronal directamente. Las imágenes por efecto Lorentz intentan medir el desplazamiento físico de las neuronas activas que transportan una corriente eléctrica dentro del fuerte campo estático. [102]

Uso comercial

Algunos experimentos han demostrado los correlatos neuronales de las preferencias de marca de las personas. Samuel M. McClure utilizó fMRI para mostrar que la corteza prefrontal dorsolateral , el hipocampo y el mesencéfalo estaban más activos cuando las personas bebían conscientemente Coca-Cola en comparación con cuando bebían Coca-Cola sin etiqueta. [103] Otros estudios han demostrado la actividad cerebral que caracteriza la preferencia de los hombres por los coches deportivos, e incluso las diferencias entre demócratas y republicanos en su reacción a los anuncios de campaña con imágenes de los ataques del 11 de septiembre. Las empresas de neuromarketing han aprovechado estos estudios como una mejor herramienta para sondear las preferencias de los usuarios que la técnica de encuesta convencional. Una de esas empresas fue BrightHouse, [104] ahora cerrada [105] . Otra es Neurosense, con sede en Oxford, Reino Unido, [106], que asesora a los clientes sobre cómo podrían utilizar potencialmente fMRI como parte de su actividad comercial de marketing. [107] Una tercera es Sales Brain en California. [108]

Se han creado al menos dos empresas que utilizan fMRI para detectar mentiras : No Lie MRI y Cephos Corporation [109] . No Lie MRI cobra cerca de 5000 dólares por sus servicios. Estas empresas dependen de pruebas como la de un estudio realizado por Joshua Greene en la Universidad de Harvard que sugiere que la corteza prefrontal es más activa en quienes están pensando en mentir. [110]

Sin embargo, todavía hay una gran controversia sobre si estas técnicas son lo suficientemente fiables como para ser utilizadas en un entorno legal [111] . Algunos estudios indican que, si bien existe una correlación positiva general, hay una gran variación entre los hallazgos y, en algunos casos, una dificultad considerable para reproducirlos [112] . Un magistrado federal de Tennessee prohibió la prueba fMRI para respaldar la afirmación de un acusado de decir la verdad, con el argumento de que tales exploraciones no están a la altura del estándar legal de evidencia científica [113] . La mayoría de los investigadores coinciden en que no se ha demostrado la capacidad de la fMRI para detectar el engaño en un entorno de la vida real [8] [114] .

El uso de la fMRI ha quedado fuera de los debates legales a lo largo de su historia. El uso de esta tecnología no ha sido permitido debido a lagunas en la evidencia que la respalda. En primer lugar, la mayoría de las pruebas que respaldan la precisión de la fMRI se realizaron en un laboratorio en circunstancias controladas con hechos sólidos. Este tipo de pruebas no se aplican a la vida real. Los escenarios de la vida real pueden ser mucho más complicados y tener muchos otros factores que influyen. [115] Se ha demostrado que muchos otros factores afectan a la BOLD además de una mentira típica. Se han realizado pruebas que muestran que el consumo de drogas altera el flujo sanguíneo en el cerebro, lo que afecta drásticamente el resultado de la prueba BOLD. Además, las personas con enfermedades o trastornos como la esquizofrenia o la mentira compulsiva también pueden dar lugar a resultados anormales. Por último, existe una cuestión ética relacionada con la exploración por fMRI. Esta prueba de BOLD ha dado lugar a una controversia sobre si las fMRI son una invasión de la privacidad. Ser capaz de escanear e interpretar lo que la gente está pensando puede considerarse inmoral y la controversia aún continúa. [116]

Debido a estos factores y a otros más, las pruebas obtenidas mediante fMRI han sido excluidas de cualquier forma de sistema legal. Las pruebas son demasiado incontroladas e impredecibles. Por lo tanto, se ha afirmado que las fMRI tienen que someterse a muchas más pruebas antes de que puedan considerarse viables a los ojos del sistema legal. [117]

Crítica

Algunos académicos han criticado los estudios fMRI por análisis estadísticos problemáticos, a menudo basados ​​en estudios de baja potencia y muestras pequeñas. [118] [119] Otros investigadores fMRI han defendido su trabajo como válido. [120] En 2018, Turner y colegas han sugerido que los tamaños pequeños afectan la replicabilidad de los estudios fMRI basados ​​en tareas y afirmaron que incluso en conjuntos de datos con al menos 100 participantes los resultados pueden no ser bien replicados, [121] aunque existen debates al respecto. [122] [123]

En un estudio real pero satírico de fMRI, se mostraron a un salmón muerto imágenes de humanos en diferentes estados emocionales. Los autores proporcionaron evidencia, según dos pruebas estadísticas diferentes de uso común, de áreas en el cerebro del salmón que sugerían una actividad significativa. El estudio se utilizó para destacar la necesidad de análisis estadísticos más cuidadosos en la investigación de fMRI, dada la gran cantidad de vóxeles en una exploración fMRI típica y el problema de las comparaciones múltiples . [124] [125] Antes de que se publicaran las controversias en 2010, entre el 25 y el 40% de los estudios sobre fMRI que se publicaban no utilizaban las comparaciones corregidas. Pero en 2012, esa cifra había disminuido al 10%. [126] La Dra. Sally Satel, escribiendo en Time, advirtió que si bien las exploraciones cerebrales tienen valor científico, las áreas cerebrales individuales a menudo sirven para múltiples propósitos y las "inferencias inversas" como se utilizan comúnmente en los informes de prensa conllevan una probabilidad significativa de sacar conclusiones inválidas. [127] En 2015, se descubrió que se había encontrado un error estadístico en los cálculos de fMRI que probablemente invalidó al menos 40.000 estudios de fMRI anteriores a 2015, y los investigadores sugieren que no se puede confiar en los resultados anteriores a la corrección del error. [128] [129] Además, más tarde se demostró que la forma en que se configuran los parámetros en el software determina la tasa de falsos positivos. En otras palabras, el resultado del estudio se puede determinar modificando los parámetros del software. [130]

En 2020, el profesor Ahmad Hariri (Universidad de Duke), uno de los primeros investigadores en utilizar fMRI, realizó un experimento a gran escala que buscaba probar la fiabilidad de fMRI en personas individuales. En el estudio, copió protocolos de 56 artículos publicados en psicología que utilizaban fMRI. Los resultados sugieren que fMRI tiene poca fiabilidad cuando se trata de casos individuales, pero buena fiabilidad cuando se trata de patrones generales de pensamiento humano [131] [132] [133]

Véase también

Notas

Citas

  1. ^ "Resonancia magnética, una introducción crítica revisada por pares; resonancia magnética funcional" (PDF) . TRTF/EMRF 2023 . Consultado el 23 de enero de 2023 .
  2. ^ Huettel, Song y McCarthy (2009)
  3. ^ Logothetis, NK ; Pauls, Jon; Augath, M.; Trinath, T.; Oeltermann, A. (julio de 2001). "Una investigación neurofisiológica de la base de la señal BOLD en fMRI". Nature . 412 (6843): 150–157. Bibcode :2001Natur.412..150L. doi :10.1038/35084005. PMID  11449264. S2CID  969175. Nuestros resultados muestran inequívocamente que un aumento espacialmente localizado en el contraste BOLD refleja directa y monótonamente un aumento en la actividad neuronal.
  4. ^ de Huettel, Song y McCarthy (2009, pág. 26)
  5. ^ Huettel, Song y McCarthy (2009, pág. 4)
  6. ^ Thomas, Roger K (1 de enero de 1993). "INTRODUCCIÓN: Un homenaje a la biopsicología en honor a Lelon J. Peacock". Revista de Psicología General . 120 (1): 5.
  7. ^ Detre, John A.; Rao, Hengyi; Wang, Danny JJ; Chen, Yu Fen; Wang, Ze (mayo de 2012). "Aplicaciones de la resonancia magnética con marcaje de espín arterial en el cerebro". Journal of Magnetic Resonance Imaging . 35 (5): 1026–1037. doi :10.1002/jmri.23581. PMC 3326188 . PMID  22246782. 
  8. ^ ab Langleben, DD; Moriarty, JC (2013). "Uso de imágenes cerebrales para la detección de mentiras: donde la ciencia, la ley y la política de investigación chocan". Psychol Public Policy Law . 19 (2): 222–234. doi :10.1037/a0028841. PMC 3680134 . PMID  23772173. 
  9. ^ Huettel, Song y McCarthy (2009, págs. 198-200, 208-211)
  10. ^ Huettel, Song y McCarthy (2009, pág. 168); Roy y Sherrington (1890)
  11. ^ Huettel, Song y McCarthy (2009, págs. 198-200, 208-211)
  12. ^ Sandrone, Stefano; Bacigaluppi, Marco; Galloni, Marco R.; Martino, Gianvito (noviembre de 2012). "Ángelo Mosso (1846-1910)". Revista de Neurología . 259 (11): 2513–2514. doi :10.1007/s00415-012-6632-1. hdl : 2318/140004 . PMID  23010944. S2CID  13365830.
  13. ^ abc Sandrone, Stefano; Bacigaluppi, Marco; Galloni, Marco R.; Cappa, Stefano F.; Moro, Andrea; Catani, Marco; Filippi, Massimo; Monti, Martín M.; Perani, Daniela; Martino, Gianvito (febrero de 2014). "Pesando la actividad cerebral con la balanza: salen a la luz los manuscritos originales de Angelo Mosso". Cerebro . 137 (2): 621–633. doi : 10.1093/cerebro/awt091 . hdl : 2318/141932 . PMID  23687118.
  14. ^ Field, David T.; Inman, Laura A. (febrero de 2014). "Pesando la actividad cerebral con la balanza: una réplica contemporánea del experimento histórico de Angelo Mosso". Cerebro . 137 (2): 634–639. doi : 10.1093/brain/awt352 . PMID  24408614.
  15. ^ Raichle (2000, pág. 39)
  16. ^ Logothetis (2008, pág. S3); Ogawa et al. (1990)
  17. ^ Belliveau, J.; Kennedy, D.; McKinstry, R.; Buchbinder, B.; Weisskoff, R.; Cohen, M.; Vevea, J.; Brady, T.; Rosen, B. (1 de noviembre de 1991). "Mapeo funcional de la corteza visual humana mediante imágenes por resonancia magnética". Science . 254 (5032): 716–719. Bibcode :1991Sci...254..716B. doi :10.1126/science.1948051. PMID  1948051.
  18. ^ Huettel, Song y McCarthy (2009, págs. 204-5)
  19. ^ Kwong, KK; Belliveau, JW; Chesler, DA; Goldberg, IE; Weisskoff, RM; Poncelet, BP; Kennedy, DN; Hoppel, BE; Cohen, MS; Turner, R (15 de junio de 1992). "Imágenes por resonancia magnética dinámica de la actividad cerebral humana durante la estimulación sensorial primaria". Actas de la Academia Nacional de Ciencias de los Estados Unidos de América . 89 (12): 5675–5679. Bibcode :1992PNAS...89.5675K. doi : 10.1073/pnas.89.12.5675 . PMC 49355 . PMID  1608978. 
  20. ^ Huettel, Song y McCarthy (2009, págs. 205-208)
  21. ^ Huettel, Song y McCarthy (2009, págs. 6-7)
  22. ^ Huettel, Song y McCarthy (2009, pág. 199)
  23. ^ Huettel, Song y McCarthy (2009, pág. 194)
  24. ^ Huettel, Song y McCarthy (2009, págs. 220-229)
  25. ^ Huettel, Song y McCarthy (2009, págs. 208-214)
  26. ^ Ogawa y Sung (2007)
  27. ^ Huettel, Song y McCarthy (2009, págs. 243-45)
  28. ^ Sharoh, Daniel; van Mourik, Tim; Bains, Lauren J.; Segaert, Katrien; Weber, Kirsten; Hagoort, Peter; Norris, David G. (15 de octubre de 2019). "La fMRI específica laminar revela interacciones dirigidas en redes distribuidas durante el procesamiento del lenguaje". Actas de la Academia Nacional de Ciencias de los Estados Unidos de América . 116 (42): 21185–21190. Bibcode :2019PNAS..11621185S. ​​doi : 10.1073/pnas.1907858116 . PMC 6800353 . PMID  31570628. 
  29. ^ Huettel, Song y McCarthy (2009, págs. 214-220)
  30. ^ Logothetis (2008, págs. S4-S6)
  31. ^ Carr, Rissman y Wagner (2010)
  32. ^ Huettel, Song y McCarthy (2009, págs. 220-29)
  33. ^ Cohen, Mark S. (agosto de 1997). "Análisis paramétrico de datos fMRI utilizando métodos de sistemas lineales". NeuroImage . 6 (2): 93–103. doi :10.1006/nimg.1997.0278. PMID  9299383. S2CID  7708045.
  34. ^ Boynton, Geoffrey M.; Engel, Stephen A.; Glover, Gary H.; Heeger, David J. (1 de julio de 1996). "Análisis de sistemas lineales de imágenes por resonancia magnética funcional en V1 humano". The Journal of Neuroscience . 16 (13): 4207–4221. doi :10.1523/JNEUROSCI.16-13-04207.1996. PMC 6579007 . PMID  8753882. 
  35. ^ Huettel, Song y McCarthy (2009, págs. 229-37)
  36. ^ Logothetis, Nikos K.; Pauls, Jon; Augath, Mark; Trinath, Torsten; Oeltermann, Axel (julio de 2001). "Investigación neurofisiológica de la base de la señal fMRI". Nature . 412 (6843): 150–157. Bibcode :2001Natur.412..150L. doi :10.1038/35084005. PMID  11449264. S2CID  969175.
  37. ^ Kim y col. (2000, págs. 109-110)
  38. ^ Huettel, Song y McCarthy (2009, págs. 209-210)
  39. ^ Bulte (2006, pág. 48)
  40. ^ Logotetis (2008, págs. S7-S8)
  41. ^ Huettel, Song y McCarthy (2009, págs. 209-210)
  42. ^ Kim y col. (2000, págs. 107-109)
  43. ^ Desai, M.; Kahn, I.; Knoblich, U.; Bernstein, J.; Atallah, H.; Yang, A.; Kopell, N.; Buckner, RL; Graybiel, AM; Moore, CI; Boyden, ES (2011). "Mapeo de redes cerebrales en ratones despiertos utilizando control neural óptico combinado y fMRI". Revista de neurofisiología . 105 (3): 1393–1405. doi :10.1152/jn.00828.2010. PMC 3074423 . PMID  21160013. 
  44. ^ Lee, Jin Hyung; Durand, Remy; Gradinaru, Viviana; Zhang, Feng; Goshen, Inbal; Kim, Dae-Shik; Fenno, Lief E.; Ramakrishnan, Charu; Deisseroth, Karl (junio de 2010). "Señales fMRI globales y locales impulsadas por neuronas definidas optogenéticamente por tipo y cableado". Nature . 465 (7299): 788–792. Bibcode :2010Natur.465..788L. doi :10.1038/nature09108. PMC 3177305 . PMID  20473285. 
  45. ^ Kahn, I.; Desai, M.; Knoblich, U.; Bernstein, J.; Henninger, M.; Graybiel, AM; Boyden, ES; Buckner, RL; Moore, CI (19 de octubre de 2011). "Caracterización de la linealidad temporal de la respuesta funcional a la resonancia magnética mediante el control óptico de las neuronas piramidales neocorticales". Journal of Neuroscience . 31 (42): 15086–15091. doi :10.1523/JNEUROSCI.0007-11.2011. PMC 3225054 . PMID  22016542. 
  46. ^ Dale, Anders M.; Buckner, Randy L. (1997). "Promedio selectivo de ensayos individuales presentados rápidamente utilizando fMRI". Mapeo cerebral humano . 5 (5): 329–340. doi :10.1002/(SICI)1097-0193(1997)5:5<329::AID-HBM1>3.0.CO;2-5. PMID  20408237. S2CID  6401373.
  47. ^ Rombouts, Barkhof y Sheltens (2007, pág. 1)
  48. ^ Rombouts, Barkhof y Sheltens (2007, págs. 4-5)
  49. ^ Rombouts, Barkhof y Sheltens (2007, pág. 10)
  50. ^ Rombouts, Barkhof y Sheltens (2007, pág. 14)
  51. ^ Rombouts, Barkhof y Sheltens (2007, págs. 18-26)
  52. ^ Huettel, Song y McCarthy (2009, págs. 476-80)
  53. ^ Logothetis (2008)
  54. ^ Huettel, Song y McCarthy (2009, págs. 243-244)
  55. ^ Véase este artículo archivado el 7 de enero de 2023 en Wayback Machine de la revista Philosophy Now , que afirma que las computadoras podrían predecir estados emocionales únicamente a partir de datos de fMRI entre el 70% y el 84% de los casos.
  56. ^ Huettel, Song y McCarthy (2009, págs. 256-8)
  57. ^ Huettel, Song y McCarthy (2009, págs. 258-9)
  58. ^ Fassbender, Catherine; Mukherjee, Prerona; Schweitzer, Julie B. (abril de 2017). "Minimización del ruido en la resonancia magnética funcional basada en tareas pediátricas; adolescentes con discapacidades del desarrollo y desarrollo típico". NeuroImage . 149 : 338–347. doi :10.1016/j.neuroimage.2017.01.021. PMC 5422202 . PMID  28130195. 
  59. ^ Huettel, Song y McCarthy (2009, págs. 259-62)
  60. ^ Huettel, Song y McCarthy (2009, págs. 262-7); Lindquist (2008)
  61. ^ El preprocesamiento se resume en Huettel, Song y McCarthy (2009, págs. 267-289), modificado por la revisión más reciente de Lindquist (2008, págs. 11-13).
  62. ^ Para el modelo GLM básico, consulte la descripción de Huettel, Song y McCarthy (2009, págs. 343-256). La clasificación de patrones multivóxel y MVPA se tratan en el mismo texto en las págs. 408-415.
  63. ^ Hebart, Martin N.; Baker, Chris I. (15 de octubre de 2018). "Deconstrucción de la decodificación multivariable para el estudio de la función cerebral". NeuroImage . 180 (Pt A): 4–18. doi :10.1016/j.neuroimage.2017.08.005. ISSN  1095-9572. PMC 5797513 . PMID  28782682. 
  64. ^ Carlson, Thomas A.; Wardle, Susan G. (15 de abril de 2015). "Decodificación sensata". NeuroImage . 110 : 217–218. doi :10.1016/j.neuroimage.2015.02.009. ISSN  1053-8119. PMID  25680521. S2CID  24436113.
  65. ^ Bhandari, Apoorva; Gagne, Christopher; Badre, David (octubre de 2018). "Justo por encima del azar: ¿es más difícil decodificar información de los patrones de actividad hemodinámica de la corteza prefrontal?". Journal of Cognitive Neuroscience . 30 (10): 1473–1498. doi :10.1162/jocn_a_01291. ISSN  0898-929X. PMID  29877764. S2CID  46954312.
  66. ^ Hourani, O, Charkari, NM, Jalili, S. Marco de selección de vóxeles basado en búsqueda metaheurística e información mutua para la decodificación cerebral. Int J Imaging Syst Technol. 2019; 29: 663– 676. https://doi.org/10.1002/ima.22353
  67. ^ Huettel, Song y McCarthy (2009, pág. 449)
  68. ^ Huettel, Song y McCarthy (2009, pág. 4); Logothetis (2008)
  69. ^ Ilmoniemi y Aronen (2000, pág.454)
  70. ^ Huettel, Song y McCarthy (2009, pág. 449)
  71. ^ "TMS/fMRI concurrente » tmsfmri.com | neuroimagen y estimulación".
  72. ^ Navarro de Lara, Lucia I.; Tik, Martin; Woletz, Michael; Frass-Kriegl, Roberta; Moser, Ewald; Laistler, Elmar; Windischberger, Christian (abril de 2017). "TMS/fMRI de alta sensibilidad de la corteza motora humana utilizando una bobina de RM multicanal dedicada". NeuroImage . 150 : 262–269. doi :10.1016/j.neuroimage.2017.02.062. PMID  28254457. S2CID  3676325.
  73. ^ ab Haller S.; Bartsch A. (2009). "Errores en la fMRI". Radiología europea . 19 (11): 2689–2706. doi :10.1007/s00330-009-1456-9. PMID  19504107. S2CID  26759374.
  74. ^ ab Grabowski, TJ; Damasio, AR (2000). "Investigación del lenguaje con neuroimagen funcional" . Mapeo cerebral: los sistemas . págs. 425–461. doi :10.1016/B978-012692545-6/50016-7. ISBN . 978-0-12-692545-6.
  75. ^ ab Aguirre, GK; D'Esposito, M. (1999). "Experimental design for brain fMRI" (Diseño experimental para fMRI cerebral). En Bandettini, PA; Moonen, C. (eds.). Functional MRI (Resonancia magnética funcional) . Berlín: Springer-Verlag. págs. 369–380.
  76. ^ ab Donaldson, D.; Bucknar, R. (2001). "Diseño de paradigma eficaz". En Jezzard, P.; Matthews, PM; Smith, SM (eds.). Resonancia magnética funcional: una introducción a los métodos . Nueva York: Oxford University Press. págs. 177–195.
  77. ^ Rosen, Bruce R.; Buckner, Randy L.; Dale, Anders M. (3 de febrero de 1998). "Resonancia magnética funcional relacionada con eventos: pasado, presente y futuro". Actas de la Academia Nacional de Ciencias de los Estados Unidos de América . 95 (3): 773–780. Bibcode :1998PNAS...95..773R. doi : 10.1073/pnas.95.3.773 . PMC 33797 . PMID  9448240. 
  78. ^ D'Esposito, Mark; Zarahn, Eric; Aguirre, Geoffrey K. (1999). "Resonancia magnética funcional relacionada con eventos: implicaciones para la psicología cognitiva". Psychological Bulletin . 125 (1): 155–164. doi :10.1037/0033-2909.125.1.155. PMID  9990848.
  79. ^ Burock, Marc A.; Buckner, Randy L.; Woldorff, Marty G.; Rosen, Bruce R.; Dale, Anders M. (16 de noviembre de 1998). "Los diseños experimentales aleatorizados relacionados con eventos permiten tasas de presentación extremadamente rápidas utilizando la resonancia magnética funcional". NeuroReport . 9 (16): 3735–3739. doi :10.1097/00001756-199811160-00030. ISSN  0959-4965. PMID  9858388.
  80. ^ Huettel, Scott A. (15 de agosto de 2012). "Resonancia magnética funcional relacionada con eventos en la cognición". NeuroImage . 20 AÑOS DE IRM funcional. 62 (2): 1152–1156. doi :10.1016/j.neuroimage.2011.08.113. ISSN  1053-8119. PMC 3277683 . PMID  21963919. 
  81. ^ Liu, Thomas T. (15 de agosto de 2012). "El desarrollo de diseños de fMRI relacionados con eventos". NeuroImage . 20 AÑOS DE fMRI. 62 (2): 1157–1162. doi :10.1016/j.neuroimage.2011.10.008. ISSN  1053-8119. PMC 3272106 . PMID  22037002. 
  82. ^ Liu, Thomas T.; Frank, Lawrence R.; Wong, Eric C.; Buxton, Richard B. (1 de abril de 2001). "Poder de detección, eficiencia de estimación y predictibilidad en fMRI relacionada con eventos". NeuroImage . 13 (4): 759–773. doi :10.1006/nimg.2000.0728. ISSN  1053-8119. PMID  11305903.
  83. ^ Das, Soukhin; Yi, Weigang; Ding, Mingzhou; Mangun, George R. (17 de abril de 2023). "Optimización de experimentos de neurociencia cognitiva para separar respuestas fMRI BOLD relacionadas con eventos en diseños alternativos no aleatorios". Frontiers in Neuroimaging . 2 . doi : 10.3389/fnimg.2023.1068616 . ISSN  2813-1193. PMC 10406298 . PMID  37554656. 
  84. ^ Stark, Craig EL; Squire, Larry R. (23 de octubre de 2001). "Cuando cero no es cero: el problema de las condiciones de referencia ambiguas en fMRI". Actas de la Academia Nacional de Ciencias de los Estados Unidos de América . 98 (22): 12760–12766. Bibcode :2001PNAS...9812760S. doi : 10.1073/pnas.221462998 . PMC 60127 . PMID  11592989. 
  85. ^ abc Poldrack RA (2008). "El papel de la fMRI en la neurociencia cognitiva: ¿dónde nos encontramos?". Curr. Opin. Neurobiol . 18 (2): 223–7. doi :10.1016/j.conb.2008.07.006. PMID  18678252. S2CID  14983903.
  86. ^ Harrison, Glenn W. (noviembre de 2008). "Neuroeconomía: una réplica". Economía y filosofía . 24 (3): 533–544. doi :10.1017/s0266267108002149. S2CID 154376751 . 
  87. ^ abc Poldrack, R (febrero de 2006). "¿Se pueden inferir los procesos cognitivos a partir de datos de neuroimagen?" (PDF) . Tendencias en ciencias cognitivas . 10 (2): 59–63. doi :10.1016/j.tics.2005.12.004. PMID  16406760. S2CID  13498984.
  88. ^ Henson R (2006). "Inferencia hacia delante mediante neuroimagen funcional: disociaciones frente a asociaciones". Trends Cogn. Sci. (Ed. regular) . 10 (2): 64–9. doi :10.1016/j.tics.2005.12.005. PMID  16406759. S2CID  27185.
  89. ^ Knight, David C.; Smith, Christine N.; Cheng, Dominic T.; Stein, Elliot A.; Helmstetter, Fred J. (septiembre de 2004). "Actividad de la amígdala y el hipocampo durante la adquisición y extinción del condicionamiento del miedo humano". Neurociencia cognitiva, afectiva y conductual . 4 (3): 317–325. doi : 10.3758/cabn.4.3.317 . PMID  15535167.
  90. ^ Gabrieli, John DE; McGlinchey-Berroth, Regina; Carrillo, Maria C.; Gluck, Mark A.; Cermak, Laird S.; Disterhoft, John F. (1995). "Condicionamiento clásico intacto por retraso del parpadeo en la amnesia". Neurociencia del comportamiento . 109 (5): 819–827. doi :10.1037/0735-7044.109.5.819. PMID  8554707.
  91. ^ Huettel, Song y McCarthy (2009, pág. 53)
  92. ^ Sahito y Slany (2012, pág. 60)
  93. ^ Huettel, Song y McCarthy (2009, págs. 50-52)
  94. ^ Huettel, Song y McCarthy (2009, pág. 44)
  95. ^ Formica, Domenico; Silvestri, Sergio (22 de abril de 2004). "Efectos biológicos de la exposición a la resonancia magnética: una visión general". Ingeniería Biomédica en Línea . 3 : 11. doi : 10.1186/1475-925X-3-11 . PMC 419710 . PMID  15104797. 
  96. ^ ab Hartwig, Valentina; Giovannetti, Giulio; Vanello, Nicola; Lombardi, Massimo; Landini, Luigi; Simi, Silvana (2009). "Efectos biológicos y seguridad en la resonancia magnética: una revisión". Revista internacional de investigación ambiental y salud pública . 6 (6): 1778–1798. doi : 10.3390/ijerph6061778 . PMC 2705217 . PMID  19578460. 
  97. ^ Fiechter, Michael; Stehli, Julia; Fuchs, Tobias A.; Dougoud, Svetlana; Gaemperli, Oliver; Kaufmann, Philipp A. (7 de agosto de 2013). "Impacto de la resonancia magnética cardíaca en la integridad del ADN de los linfocitos humanos". Revista Europea del Corazón . 34 (30): 2340–2345. doi :10.1093/eurheartj/eht184. PMC 3736059 . PMID  23793096. 
  98. ^ Lee, Joong Won; Kim, Myeong Seong; Kim, Yang Jee; Choi, Young Joo; Lee, Younghyun; Chung, Hai Won (octubre de 2011). "Efectos genotóxicos de la resonancia magnética de 3 T en linfocitos humanos cultivados". Bioelectromagnetismo . 32 (7): 535–542. doi :10.1002/bem.20664. PMID  21412810. S2CID  205467617.
  99. ^ Simi, Silvana; Ballardin, Michela; Casella, Marta; De Marchi, Daniele; Hartwig, Valentina; Giovannetti, Giulio; Vanello, Nicola; Gabbriellini, Sabrina; Landini, Luigi; Lombardi, Massimo (octubre de 2008). "¿Es insignificante el efecto genotóxico de la resonancia magnética? Baja persistencia de la frecuencia de micronúcleos en linfocitos de individuos después de una exploración cardíaca". Investigación sobre mutaciones/Mecanismos fundamentales y moleculares de la mutagénesis . 645 (1–2): 39–43. Bibcode :2008MRFMM.645...39S. doi :10.1016/j.mrfmmm.2008.08.011. PMID  18804118.
  100. ^ Suzuki, Y.; Ikehata, M; Nakamura, K; Nishioka, M; Asanuma, K; Koana, T; Shimizu, H (1 de noviembre de 2001). "Inducción de micronúcleos en ratones expuestos a campos magnéticos estáticos". Mutagénesis . 16 (6): 499–501. doi : 10.1093/mutage/16.6.499 . PMID  11682641.
  101. ^ Knuuti, J.; Saraste, A.; Kallio, M.; Minn, H. (2 de agosto de 2013). "¿La resonancia magnética cardíaca está causando daño al ADN?". European Heart Journal . 34 (30): 2337–2339. doi : 10.1093/eurheartj/eht214 . PMID  23821403.
  102. ^ Huettel, Song y McCarthy (2009, págs. 420–40).
  103. ^ Lowenberg (2008); (¿Estafa cerebral? 2004); McClure et al. (2004)
  104. ^ (¿Estafa cerebral? 2004)
  105. ^ Löwenberg (2008)
  106. ^ Devlin (2012)
  107. ^ (¿Estafa cerebral? 2004)
  108. ^ Brammer (2004)
  109. ^ Sahito y Slany (2012, pág. 57)
  110. ^ Narayan (2009)
  111. ^ Sahito y Slany (2012, pág. 41)
  112. ^ Narayan (2009)
  113. ^ Miller (2010)
  114. ^ Narayan (2009)
  115. ^ Mobbs, Dean; Lau, Hakwan C; Jones, Owen D; Frith, Christopher D (17 de abril de 2007). "Ley, responsabilidad y cerebro". PLOS Biology . 5 (4): e103. doi : 10.1371/journal.pbio.0050103 . PMC 1852146 . PMID  17439297. S2CID  7519294. 
  116. ^ Simpson, JR (2008). "Detección de mentiras mediante resonancia magnética funcional: ¿demasiado bueno para ser verdad?". Revista de la Academia Estadounidense de Psiquiatría y Derecho . 36 (4): 491–8. PMID  19092066.
  117. ^ Gaudet, Lyn M. (2011). "Huellas cerebrales, evidencia científica y Daubert: una lección de advertencia de la India". Jurimetrics . 51 (3): 293–318. JSTOR  41307131.
  118. ^ Vul, Edward; Harris, Christine; Winkielman, Piotr; Pashler, Harold (mayo de 2009). "Correlaciones sorprendentemente altas en estudios de fMRI de emoción, personalidad y cognición social". Perspectivas de la ciencia psicológica . 4 (3): 274–290. doi :10.1111/j.1745-6924.2009.01125.x. PMID  26158964. S2CID  242553.
  119. ^ Rinck PA (2005). "Rinckside - Las imágenes funcionales conducen a la búsqueda de un factor desencadenante de 'compra'". Rinckside .
  120. ^ Lieberman, Matthew D.; Berkman, Elliot T.; Wager, Tor D. (mayo de 2009). "Las correlaciones en la neurociencia social no son vudú: comentario sobre Vul et al. (2009)". Perspectivas sobre la ciencia psicológica . 4 (3): 299–307. doi :10.1111/j.1745-6924.2009.01128.x. PMC 5017149 . PMID  26158967. 
  121. ^ Turner, Benjamin O.; Paul, Erick J.; Miller, Michael B.; Barbey, Aron K. (diciembre de 2018). "Los tamaños de muestra pequeños reducen la replicabilidad de los estudios de fMRI basados ​​en tareas". Communications Biology . 1 (1): 62. doi :10.1038/s42003-018-0073-z. PMC 6123695 . PMID  30271944. 
  122. ^ Nee, Derek Evan (diciembre de 2019). "La replicabilidad de la fMRI depende de suficientes datos a nivel individual". Communications Biology . 2 (1): 130. doi :10.1038/s42003-019-0378-6. PMC 6461660 . PMID  30993214. 
  123. ^ Turner, Benjamin O.; Santander, Tyler; Paul, Erick J.; Barbey, Aron K.; Miller, Michael B. (diciembre de 2019). "Respuesta a: la replicabilidad de fMRI depende de suficientes datos a nivel individual". Communications Biology . 2 (1): 129. doi :10.1038/s42003-019-0379-5. PMC 6461603 . PMID  30993213. 
  124. ^ Margulies, Daniel S. (2011). "El salmón de la duda". Neurociencia crítica . pp. 273–285. doi :10.1002/9781444343359.ch13. ISBN 978-1-4443-4335-9.
  125. ^ Bennett, Cm; Miller, Mb; Wolford, Gl (julio de 2009). "Correlatos neuronales de la perspectiva interespecies en el salmón del Atlántico post-mortem: un argumento a favor de la corrección de comparaciones múltiples". NeuroImage . 47 : S125. CiteSeerX 10.1.1.161.8384 . doi :10.1016/S1053-8119(09)71202-9. S2CID  220973284. 
  126. ^ "Premio IgNobel en Neurociencia: El estudio del salmón muerto". The Scicurious Brain, Scientific American Blog Network . 25 de septiembre de 2012. Consultado el 28 de noviembre de 2014 .
  127. ^ Satel, Sally (30 de mayo de 2013). "No leas demasiado sobre los escáneres cerebrales". Time . Consultado el 15 de septiembre de 2020 .
  128. ^ Eklund, Anders; Nichols, Thomas E.; Knutsson, Hans (2016). "Falla de agrupamiento: por qué las inferencias fMRI para la extensión espacial han inflado las tasas de falsos positivos". Actas de la Academia Nacional de Ciencias . 113 (28): 7900–7905. Bibcode :2016PNAS..113.7900E. doi : 10.1073/pnas.1602413113 . PMC 4948312 . PMID  27357684. 
  129. ^ "Un error en el software FMRI podría invalidar 15 años de investigación cerebral". 6 de julio de 2016.
  130. ^ Mueller, Karsten; Lepsien, Jöran; Möller, Harald E.; Lohmann, Gabriele (28 de junio de 2017). "Comentario: Falla de agrupamiento: por qué las inferencias fMRI para la extensión espacial han inflado las tasas de falsos positivos". Frontiers in Human Neuroscience . 11 : 345. doi : 10.3389/fnhum.2017.00345 . PMC 5487467 . PMID  28701944. 
  131. ^ Taylor, Michelle (4 de junio de 2020). "Un pionero de la fMRI pone en duda la tecnología, 15 años de su propio trabajo". LaboratoryEquipment.com . Consultado el 15 de septiembre de 2020 .
  132. ^ Ouellette, Jennifer (8 de julio de 2020). "Un científico de Duke cuestiona su propia investigación con un nuevo estudio que cuestiona la tarea fMRI". Ars Technica . Consultado el 15 de septiembre de 2020 .
  133. ^ Cohen, Arianne (25 de junio de 2020). «Los investigadores de la Universidad de Duke afirman que todos los estudios sobre la actividad cerebral que haya leído alguna vez están equivocados». Fast Company . Consultado el 15 de septiembre de 2020 .

Referencias

Libros de texto

Lectura adicional

Enlaces externos