El mapeo paramétrico estadístico ( SPM ) es una técnica estadística para examinar las diferencias en la actividad cerebral registradas durante experimentos de neuroimagen funcional . Fue creado por Karl Friston . Alternativamente, puede referirse al software creado por el Departamento de Neurociencia de Imágenes de Wellcome del University College de Londres para llevar a cabo dichos análisis.
La neuroimagen funcional es un tipo de "escaneo cerebral". Implica la medición de la actividad cerebral. La técnica de medición depende de la tecnología de imagen (p. ej., fMRI y PET ). El escáner produce un 'mapa' del área que se representa como vóxeles . Cada vóxel representa la actividad de un volumen específico en el espacio tridimensional. El tamaño exacto de un vóxel varía según la tecnología. Los vóxeles de resonancia magnética funcional suelen representar un volumen de 27 mm 3 en un cuboides equilátero.
Los investigadores examinan la actividad cerebral vinculada a uno o varios procesos mentales específicos. Un enfoque implica preguntar "¿qué áreas del cerebro son significativamente más activas cuando se realiza la tarea A en comparación con la tarea B?". Aunque las tareas podrían diseñarse para ser idénticas, excepto por el comportamiento que se investiga, es probable que el cerebro muestre cambios en la actividad entre tareas debido a factores distintos a las diferencias entre tareas (ya que el cerebro coordina muchas funciones paralelas no relacionadas con la tarea). Además, la señal puede contener ruido procedente del propio proceso de obtención de imágenes.
Para filtrar estos efectos aleatorios y resaltar las áreas de actividad vinculadas específicamente al proceso investigado, las estadísticas buscan las diferencias más significativas. Esto implica un proceso de varias etapas para preparar los datos y analizarlos utilizando un modelo lineal general .
Las imágenes del escáner pueden preprocesarse para eliminar el ruido o corregir errores de muestreo.
Un estudio suele explorar un tema varias veces. Para tener en cuenta el movimiento de la cabeza entre exploraciones, las imágenes generalmente se ajustan de modo que los vóxeles en cada imagen correspondan (aproximadamente) al mismo sitio en el cerebro. Esto se conoce como realineación o corrección de movimiento , consulte realineación de la imagen.
Los estudios de neuroimagen funcional suelen involucrar a varios participantes, cada uno de los cuales tiene cerebros con formas diferentes. Es probable que todos tengan la misma anatomía general, salvo diferencias menores en el tamaño general del cerebro, variación individual en la topografía de las circunvoluciones y surcos de la corteza cerebral y diferencias morfológicas en estructuras profundas como el cuerpo calloso . Para facilitar las comparaciones, la imagen tridimensional de cada cerebro se transforma para que las estructuras superficiales se alineen, mediante la normalización espacial . Esta normalización normalmente implica traslación, rotación y escalado y deformación no lineal de la superficie del cerebro para que coincida con una plantilla estándar. Los mapas cerebrales estándar, como el de Talairach-Tournoux o las plantillas del Instituto Neurológico de Montreal (MNI), permiten a investigadores de todo el mundo comparar sus resultados.
Las imágenes se pueden suavizar para hacer que los datos sean menos ruidosos (similar al efecto de "desenfoque" utilizado en algunos programas de edición de imágenes) mediante el cual los vóxeles se promedian con sus vecinos, normalmente utilizando un filtro gaussiano o mediante transformación wavelet .
Se asumen modelos estadísticos paramétricos en cada vóxel, utilizando el modelo lineal general para describir la variabilidad de los datos en términos de efectos experimentales y de confusión, con variabilidad residual. Las hipótesis expresadas en términos de los parámetros del modelo se evalúan en cada vóxel con estadísticas univariadas .
Los análisis pueden examinar las diferencias a lo largo del tiempo (es decir, correlaciones entre una variable de tarea y la actividad cerebral en un área determinada) utilizando modelos de convolución lineal de cómo la señal medida es causada por cambios subyacentes en la actividad neuronal.
Debido a que se realizan muchas pruebas estadísticas, es necesario realizar ajustes para controlar los errores de tipo I (falsos positivos) potencialmente causados por la comparación de niveles de actividad en muchos vóxeles. Un error de tipo I daría como resultado una evaluación errónea de la actividad cerebral de fondo en relación con la tarea. Se realizan ajustes basados en el número de resels en la imagen y la teoría de campos aleatorios continuos para establecer un nuevo criterio de significancia estadística que se ajuste al problema de las comparaciones múltiples .
Las diferencias en la actividad cerebral medida se pueden representar de varias maneras.
Se pueden presentar como una tabla, mostrando las coordenadas que muestran las diferencias más significativas en la actividad entre tareas. Alternativamente, las diferencias en la actividad cerebral se pueden mostrar como manchas de color en una "porción" del cerebro, donde los colores representan la ubicación de los vóxeles con diferencias estadísticamente significativas entre condiciones. El degradado de color se asigna a valores estadísticos, como valores t o puntuaciones z. Esto crea un mapa intuitivo y visualmente atractivo de la fortaleza estadística relativa de un área determinada.
Las diferencias en actividad se pueden representar como un "cerebro de cristal", una representación de tres vistas esquemáticas del cerebro como si fuera transparente. Sólo los parches de activación son visibles como áreas de sombreado. Esto es útil como medio para resumir el área total de cambio significativo en una comparación estadística determinada.
SPM es un software escrito por el Departamento de Neurociencia de Imágenes de Wellcome del University College de Londres para ayudar en el análisis de datos de neuroimagen funcionales. Está escrito en MATLAB y se distribuye como software gratuito . [1]