Resonancia magnética funcional

La resonancia magnética funcional o IRM funcional (fMRI) mide la actividad cerebral mediante la detección de cambios asociados con el flujo sanguíneo. Esta técnica se basa en el hecho de que el flujo sanguíneo cerebral y la activación neuronal están acoplados. Cuando un área del cerebro está en uso, el flujo de sangre a esa región también aumenta.

La forma principal de resonancia magnética funcional utiliza el contraste dependiente del nivel de oxígeno en la sangre (BOLD), descubierto por Seiji Ogawa en 1990. Este es un tipo de exploración cerebral y corporal especializada 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. Desde principios de la década de 1990, la resonancia magnética funcional ha llegado a dominar la investigación de mapas cerebrales porque no implica el uso de inyecciones, cirugía, ingestión de sustancias o exposición a radiación ionizante. 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 con colores la fuerza de la activación en el cerebro o en la región específica estudiada. La técnica puede localizar la actividad dentro de unos milímetros pero, usando técnicas estándar, no mejor que dentro de una ventana de unos pocos segundos. Otros métodos para obtener contraste son el marcaje de espín arterial y la resonancia magnética de difusión. La IRM de difusión es similar a la IRMf 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 de la actividad debido a tareas o estímulos, la IRMf puede medir el estado de reposo o el estado de tarea negativa, que muestra a los sujetos como " varianza en negrita de referencia. Desde aproximadamente 1998, los estudios han demostrado la existencia y las propiedades de la red de modo predeterminado, una red neuronal funcionalmente conectada de aparentes estados cerebrales en reposo.

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 resonancia magnética funcional, pero no se cree que la investigación esté lo suficientemente desarrollada para un uso comercial generalizado.

Resumen

El concepto de resonancia magnética funcional se basa en la tecnología anterior de escaneo de resonancia magnética y el descubrimiento de las propiedades de la sangre rica en oxígeno. Las resonancias magnéticas del cerebro utilizan un campo magnético estático fuerte y permanente para alinear los núcleos en la región del cerebro que se está estudiando. Luego se aplica otro campo magnético, el campo de gradiente, para ubicar espacialmente diferentes núcleos. Finalmente, se reproduce un pulso de radiofrecuencia (RF) para llevar 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. Por lo tanto, la resonancia magnética proporciona una vista estructural estática de la materia cerebral. El impulso central detrás de fMRI fue extender la resonancia magnética para capturar 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.

Búsqueda de 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) están estrechamente relacionados con la actividad neuronal. Cuando las neuronas se activan, aumenta el flujo sanguíneo local a esas regiones del cerebro y la sangre rica en oxígeno (oxigenada) desplaza a la sangre sin oxígeno (desoxigenada) alrededor de 2 segundos después. Esto sube a un pico durante 4 a 6 segundos, antes de volver al nivel original (y por lo general queda ligeramente por debajo). 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 a la vez.

Historia

Michael Faraday señaló por primera vez que la sangre seca no es magnética y "Debe probar la sangre de fluido reciente." en diario de fecha 8 de noviembre de 1845. Esto fue citado en Pauling " Coryell (1945).

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. 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 de Stefano Sandrone y colegas. Angelo Mosso investigó varias variables críticas que siguen siendo relevantes en la neuroimagen moderna, como la 'relación señal/ruido', la elección adecuada del paradigma experimental y la necesidad de registrar simultáneamente diferentes parámetros fisiológicos. 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, sin embargo, una réplica moderna realizada por David T Field ahora ha demostrado, utilizando técnicas modernas de procesamiento de señales que no están disponibles para Mosso: que un aparato de equilibrio de este tipo es capaz de detectar cambios en el volumen sanguíneo cerebral relacionados con la cognición.

En 1890, Charles Roy y Charles Sherrington relacionaron por primera vez de forma experimental la función cerebral con su flujo sanguíneo, en la Universidad de Cambridge. El siguiente paso para resolver cómo medir el flujo de sangre al cerebro fue el descubrimiento de Linus Pauling y Charles Coryell en 1936 de que la sangre rica en oxígeno con Hb era repelida débilmente por los campos magnéticos, mientras que la sangre sin oxígeno con Hb. dHb fue atraído por un campo magnético, aunque menos que los elementos ferromagnéticos como el hierro. Seiji Ogawa de 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 medibles 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 un trabajo anterior 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 la sangre, cambiaron la proporción de oxígeno que respiraban los animales. A medida que esta proporción descendía, se observó en la resonancia magnética un mapa del flujo sanguíneo en el cerebro. Lo verificaron 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 T₂^*, producían las mejores imágenes. Para mostrar que estos cambios en el flujo sanguíneo estaban relacionados con la actividad cerebral funcional, cambiaron la composición del aire que respiraban las ratas y las escanearon mientras monitoreaban la actividad cerebral con EEG. Belliveau y sus colegas de la Universidad de Harvard realizaron el primer intento de detectar la actividad cerebral regional mediante resonancia magnética utilizando el agente de contraste Magnevist, una sustancia paramagnética que permanece en el torrente sanguíneo después de una inyección intravenosa. Sin embargo, este método no es popular en la IRMf humana debido a la inconveniencia de la inyección del agente de contraste y porque el agente permanece en la sangre solo por un corto tiempo.

Tres estudios en 1992 fueron los primeros en explorar el uso del contraste BOLD en humanos. Kenneth Kwong y sus colegas, utilizando secuencias de imágenes ecoplanares (EPI) de recuperación de inversión y eco de gradiente con una intensidad de campo magnético de 1,5 T, publicaron estudios que muestran una clara activación de la corteza visual humana. El equipo de Harvard demostró que tanto el flujo sanguíneo como el volumen sanguíneo aumentaban localmente en el tejido neural activo. Ogawa y Ugurbil realizaron un estudio similar usando 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 siguiendo en gran medida la materia gris del cerebro, como era de esperar; además, demostraron que la señal de fMRI dependía de una disminución en T2*, de acuerdo con el mecanismo BOLD. El decaimiento de T2* es causado por núcleos magnetizados en un volumen de espacio que pierde coherencia magnética (magnetización transversal) al chocar entre sí y al experimentar diferencias en la fuerza del campo magnético entre ubicaciones (falta de homogeneidad del campo 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 del cerebro 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 de IRMf actuales. Pero hoy en día, los investigadores suelen recopilar datos de más cortes (usando gradientes magnéticos más fuertes) y preprocesan y analizan datos usando técnicas estadísticas.

Fisiología

El cerebro no almacena mucha glucosa, su principal fuente de energía. Cuando las neuronas se vuelven activas, devolverlas a su estado original de polarización requiere bombear activamente iones a través de las membranas de las células neuronales, en ambas direcciones. La energía para esas bombas de iones se produce principalmente a partir de glucosa. Fluye más sangre para transportar más glucosa, lo que también trae más oxígeno en forma de moléculas de hemoglobina oxigenada en los glóbulos rojos. Esto se debe tanto a una mayor tasa de flujo sanguíneo como a una expansión de los vasos sanguíneos. El cambio en el flujo sanguíneo se localiza dentro de los 2 o 3 mm de donde está la actividad neural. Por lo general, el oxígeno introducido es mayor que el oxígeno consumido en la quema de 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 la sangre de esa área del cerebro. vasos Esto cambia la propiedad magnética de la sangre, haciendo que interfiera menos con la magnetización y su eventual decaimiento inducido por el proceso de resonancia magnética.

El flujo sanguíneo cerebral (FSC) se corresponde con la glucosa consumida de manera diferente en las diferentes 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, todos los cuales son reclutados 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.

La hemoglobina difiere en la forma en que responde 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 la magnetización más rápido a través de la descomposición T₂^*. Por lo tanto, las secuencias de pulsos de RM sensibles a T₂^* muestran más señal de RM donde la sangre está muy 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 resonancia magnética funcional necesita un campo magnético intenso (1,5 T o superior) y una secuencia de pulsos como EPI, que es sensible al contraste T₂^*.

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 BOLD fMRI. El parámetro básico de resolución de tiempo (tiempo de muestreo) se designa como TR; el TR dicta con qué frecuencia se excita una porción particular del cerebro y se le permite perder su magnetización. Los TR pueden variar desde muy cortos (500 ms) hasta muy largos (3 s). Para fMRI específicamente, la respuesta hemodinámica dura más de 10 segundos, aumentando multiplicativamente (es decir, como una proporción del valor actual), alcanzando un máximo de 4 a 6 segundos y luego cayendo multiplicativamente. Los cambios en el sistema de flujo sanguíneo, el sistema vascular, integran 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; de todos modos, solo da más puntos en la curva de respuesta que se puede obtener 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 el número de puntos de datos efectivos obtenidos.

Respuesta hemodinámica BOLD

Principales resoluciones de la técnica de imagen funcional cerebral

El cambio en la señal de RM a partir de la actividad neuronal se denomina respuesta hemodinámica (HR). Retrasa los eventos neuronales que lo desencadenan por un par de segundos, ya que el sistema vascular tarda un tiempo en responder a la necesidad de glucosa del cerebro. A partir de este punto, normalmente se eleva a un pico alrededor de 5 segundos después del estímulo. Si las neuronas siguen disparando, digamos a partir de un estímulo continuo, el pico se extiende a 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 a la línea de base. Existe alguna evidencia de que los requisitos metabólicos continuos en una región del cerebro contribuyen a la insuficiencia.

El mecanismo por el cual el sistema neural informa al sistema vascular de su necesidad de más glucosa es en parte la liberación de glutamato como parte de la activación de las neuronas. Este glutamato afecta a las células de apoyo cercanas, los astrocitos, provocando 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 extraigan más sangre.

La señal de respuesta de un solo vóxel a lo largo del tiempo se denomina curso temporal. Por lo general, la señal no deseada, llamada ruido, del escáner, la actividad cerebral aleatoria y elementos similares es tan grande como la señal misma. Para eliminarlos, los estudios de fMRI repiten una presentación de estímulo varias veces.

Resolución espacial

La resolución espacial de un estudio de resonancia magnética funcional 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 paralelepípedo rectangular tridimensional, cuyas dimensiones están determinadas por el grosor del corte, el área de un corte y la cuadrícula impuesta en el corte por el proceso de escaneo. Los estudios de cerebro completo utilizan vóxeles más grandes, mientras que los que se centran en regiones de interés específicas suelen utilizar tamaños más pequeños. Los tamaños van desde 4 a 5 mm, o con fMRI de resolución laminar (lfMRI), hasta submilimétricos. 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 exploración más prolongados, ya que el tiempo de exploración aumenta directamente con el número de vóxeles por segmento y el número de segmentos. Esto puede provocar molestias 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, y el número real depende del tamaño del vóxel y del área del cerebro que se está fotografiando.

El sistema arterial vascular que suministra sangre fresca se ramifica en vasos cada vez más pequeños a medida que ingresa a la superficie del cerebro y las regiones dentro del cerebro, culminando en un lecho capilar conectado dentro del cerebro. El sistema de drenaje, de manera similar, se fusiona con venas cada vez más grandes a medida que se lleva la sangre sin oxígeno. La contribución de dHb a la señal de fMRI proviene tanto de los capilares cercanos al área de actividad como de las venas de drenaje más grandes que pueden estar más lejos. 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 mediante el uso de fuertes campos magnéticos estáticos o mediante el uso de secuencias de pulsos de eco de espín. Con estos, fMRI puede examinar un rango espacial de 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.

Resolución temporal

La resolución temporal es el período de tiempo más pequeño de actividad neuronal separado de manera confiable por IRMf. Un elemento que decide 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 (FC) más nítidas, sin agregar mucha información adicional (p. La resolución temporal se puede mejorar mediante la presentación de estímulos escalonados a través de los ensayos. Si un tercio de las pruebas de datos se muestrean normalmente, 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 del total de eventos.

La resolución de tiempo necesaria depende del tiempo de procesamiento del cerebro para varios eventos. Un ejemplo de la amplia gama aquí es el sistema de procesamiento visual. Lo que ve el ojo se registra en los fotorreceptores de la retina en aproximadamente un milisegundo. 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 desviarse para evitar un accidente automovilístico, toma alrededor de 200 ms. Alrededor de medio segundo, se establece la conciencia y la reflexión del incidente. Recordar un evento similar puede llevar unos segundos, y los cambios emocionales o fisiológicos, como la activación 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 pocos segundos, y el estudio se lleva a cabo durante algunas decenas de minutos. Los sujetos pueden mover la cabeza durante ese tiempo, y este movimiento de la cabeza debe corregirse. Lo mismo ocurre con la deriva en la señal de referencia con el tiempo. El aburrimiento y el aprendizaje pueden modificar tanto el comportamiento del sujeto como los procesos cognitivos.

Suma lineal de activación múltiple

Cuando una persona realiza dos tareas simultáneamente o en forma superpuesta, se espera que la respuesta en NEGRITA se sume linealmente. Esta es una suposición fundamental de muchos estudios de resonancia magnética funcional 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 a primer orden. La suma lineal significa que la única operación permitida en las respuestas individuales antes de que se combinen (se sumen) es una escala separada de cada una. Dado que escalar es simplemente multiplicar por un número constante, esto significa que un evento que evoca, digamos, el doble de la respuesta neuronal que otro, puede modelarse como el primer evento presentado dos veces simultáneamente. El HR para el evento doble es entonces solo el doble que el del evento único.

En la medida en que el comportamiento sea lineal, el curso temporal de la respuesta BOLD a un estímulo arbitrario se puede modelar mediante la convolución de ese estímulo con la respuesta BOLD de impulso. El modelado preciso del curso del tiempo es importante para estimar la magnitud de la respuesta BOLD.

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

Una fuente de no linealidad en la respuesta de resonancia magnética funcional proviene del período refractario, donde la actividad cerebral de un estímulo presentado suprime la actividad adicional en un estímulo posterior similar. A medida que los estímulos se acortan, el período refractario se vuelve más notorio. El período refractario no cambia con la edad, ni tampoco las amplitudes de las FC. El período difiere entre las regiones del cerebro. Tanto en la corteza motora primaria como en la corteza visual, la amplitud de la frecuencia cardíaca escala linealmente con la duración de un estímulo o respuesta. En las regiones secundarias correspondientes, la corteza motora suplementaria, que participa en la planificación del comportamiento motor, y la región V5 sensible al movimiento, se observa un fuerte período refractario y la amplitud de la FC se mantiene constante a lo largo de un rango de duraciones de estímulo o respuesta. El efecto refractario se puede usar de manera similar a la habituación para ver qué características de un estímulo una persona discrimina como nuevas. Existen otros límites a la linealidad debido a la saturación: con grandes niveles de estimulación se alcanza una respuesta BOLD máxima.

Hacer coincidir la actividad neuronal con la señal BOLD

Los investigadores compararon la señal BOLD con señales de electrodos implantados (principalmente en monos) y señales de potenciales de campo (es decir, el campo eléctrico o magnético de la actividad del cerebro, medido fuera del cráneo) de EEG y MEG. El potencial de campo local, que incluye tanto la actividad sináptica posneuronal como el procesamiento neuronal interno, predice mejor la señal BOLD. Entonces, el contraste BOLD refleja principalmente las entradas a una neurona y el procesamiento integrador de la neurona dentro de su cuerpo, y menos el disparo de salida de las neuronas. En humanos, los electrodos se pueden implantar solo 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 BOLD fMRI en áreas corticales (regiones de la superficie del cerebro) coinciden con los mapas funcionales basados en CBF de las exploraciones PET. Se ha demostrado que algunas regiones de solo unos pocos milímetros de tamaño, como el núcleo geniculado lateral (LGN) del tálamo, que transmite las entradas visuales de la retina a la corteza visual, generan la señal BOLD correctamente cuando se les presenta una entrada 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 rata, se ha demostrado que tocar un solo bigote provoca señales BOLD de la corteza somatosensorial.

Sin embargo, la señal en NEGRITA no puede separar las redes activas de retroalimentación y retroalimentación en una región; la lentitud de la respuesta vascular significa que la señal final es la versión resumida de la red de toda la región; el flujo de sangre 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. La respuesta BOLD también puede verse afectada por una variedad de factores, que incluyen enfermedad, sedación, ansiedad, medicamentos que dilatan los vasos sanguíneos y atención (neuromodulación).

La amplitud de la señal BOLD no necesariamente afecta su forma. Se puede ver una señal de mayor amplitud para una actividad neuronal más fuerte, pero alcanzando su punto máximo en el mismo lugar que una señal más débil. Además, la amplitud no refleja necesariamente el rendimiento del comportamiento. Una tarea cognitiva compleja puede desencadenar inicialmente señales de gran amplitud asociadas con un buen desempeño, pero a medida que el sujeto mejora, la amplitud puede disminuir y el desempeño permanece igual. Se espera que esto se deba a una mayor eficiencia en la realización de la tarea. La respuesta BOLD en las regiones del cerebro no se puede comparar directamente ni siquiera para la misma tarea, ya que la densidad de las 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 entre sujetos para la misma región del cerebro y la misma tarea.

La caracterización más reciente de la señal BOLD ha utilizado técnicas optogenéticas en roedores para controlar con precisión la activación neuronal y, al mismo tiempo, monitorear la respuesta BOLD con imanes de alto campo (una técnica a veces denominada "optofMRI"). 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. La suma lineal es una suposición de los diseños de resonancia magnética funcional relacionados con eventos de uso común.

Uso médico

Imágenes compuestas de un análisis de FMRI.

Los médicos utilizan la IRMf para evaluar el riesgo de una cirugía cerebral o un tratamiento invasivo similar para un paciente y para saber cómo funciona un cerebro normal, enfermo o lesionado. Mapean el cerebro con fMRI para identificar regiones vinculadas a funciones críticas como hablar, moverse, sentir o planificar. Esto es útil para planificar la cirugía y la radioterapia del cerebro.

fMRI imagen del cerebro de un participante en el Proyecto Genoma Personal.

El uso clínico de la resonancia magnética funcional todavía va a la zaga del uso en investigación. Los pacientes con patologías cerebrales son más difíciles de escanear con fMRI que los jóvenes voluntarios sanos, la población típica de sujetos de investigación. Los tumores y las lesiones pueden cambiar el flujo sanguíneo de formas no relacionadas con la actividad neuronal, enmascarando la frecuencia cardíaca neuronal. Medicamentos como los antihistamínicos e incluso la cafeína pueden afectar la frecuencia cardíaca. Algunos pacientes pueden tener trastornos como la mentira compulsiva, lo que imposibilita ciertos estudios. Es más difícil para aquellos con problemas clínicos quedarse quietos por mucho tiempo. El uso de reposacabezas o barras de mordida puede lesionar a los epilépticos que tengan una convulsión dentro del escáner; Las barras de mordida también pueden incomodar a las personas con prótesis dentales.

A pesar de estas dificultades, la resonancia magnética funcional 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 accidente cerebrovascular y probar cómo bien funciona un fármaco 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 extirpación de regiones críticas del cerebro cuando tienen que operar y extirpar tejido cerebral. Esto es de particular importancia en la extirpación de tumores y en pacientes que tienen epilepsia intratable del lóbulo temporal. Los tumores lesionados requieren una planificación prequirúrgica para garantizar que no se elimine innecesariamente ningún tejido funcionalmente útil. Los pacientes deprimidos recuperados han mostrado una actividad alterada de fMRI en el cerebelo, y esto puede indicar una tendencia a la recaída. La IRMf farmacológica, que analiza la actividad cerebral después de administrar los fármacos, se puede utilizar para comprobar cuánto penetra un fármaco en la barrera hematoencefálica y la información de dosis frente al efecto del medicamento.

Investigación con animales

La investigación se realiza principalmente en primates no humanos, como el macaco rhesus. Estos estudios se pueden utilizar tanto para comprobar o predecir resultados en 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.

Análisis de los datos

El objetivo del análisis de datos de 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. Sin embargo, la firma BOLD de activación es relativamente débil, por lo que se deben controlar cuidadosamente otras fuentes de ruido en los datos adquiridos. Esto significa que se deben 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. 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.

Fuentes de ruido

El ruido son cambios no deseados en la señal de RM de elementos que no son de interés para el estudio. Las cinco fuentes principales de ruido en fMRI son el ruido térmico, el ruido del sistema, el ruido fisiológico, la actividad neuronal aleatoria y las diferencias tanto en las estrategias mentales como en 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 como 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, produciendo ruido térmico. El ruido térmico aumenta con la temperatura. También depende del rango de frecuencias detectado por la bobina receptora y su resistencia eléctrica. Afecta a todos los vóxeles de manera similar, independientemente de la anatomía.

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, lo que induce cambios en la bobina receptora y reduce su sensibilidad. Se utiliza un procedimiento llamado igualación de impedancia para evitar este efecto de inductancia. También podría haber ruido debido a que el campo magnético no es uniforme. Esto a menudo se ajusta mediante el uso de bobinas de compensación, pequeños imanes insertados físicamente, por ejemplo, en la boca del sujeto, para parchear el campo magnético. Las faltas de uniformidad a menudo se encuentran cerca de los senos paranasales del cerebro, como el oído, y tapar la cavidad durante períodos prolongados puede ser molesto. El proceso de escaneo adquiere la señal de MR 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.

El ruido fisiológico proviene del movimiento de la cabeza y el cerebro en el escáner por la respiración, los latidos del corazón o la inquietud, la tensión o las respuestas físicas del sujeto, como presionar un botón. Los movimientos de la cabeza hacen que el mapeo de vóxeles a neuronas cambie mientras el escaneo está en progreso. 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. Dado que la fMRI se adquiere en cortes, después del movimiento, un vóxel continúa refiriéndose 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 velocidad del 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.

Incluso con el mejor diseño experimental, no es posible controlar y restringir todos los demás estímulos de fondo que inciden en un sujeto: ruido del escáner, pensamientos aleatorios, sensaciones físicas y similares. Estos producen actividad neuronal independiente de la manipulación experimental. Estos no son susceptibles de modelado matemático y tienen que ser controlados por el diseño del estudio.

Las estrategias de una persona para responder o reaccionar a un estímulo, y para resolver problemas, a menudo cambian con el tiempo y las tareas. Esto genera variaciones en la actividad neuronal de un ensayo a otro dentro de un sujeto. Entre las personas también la actividad neuronal difiere por razones similares. Los investigadores a menudo realizan estudios piloto para ver cómo los participantes se desempeñan normalmente en la tarea que se está considerando. También suelen entrenar a los sujetos sobre cómo responder o reaccionar en una sesión de entrenamiento de prueba antes de la exploración.

Preprocesamiento

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

El primer paso en el preprocesamiento es la corrección de tiempo de corte convencional. El escáner de RM adquiere diferentes cortes dentro de un solo volumen cerebral en diferentes momentos y, por lo tanto, los cortes representan la actividad cerebral en diferentes momentos. Dado que esto complica el análisis posterior, se aplica una corrección de tiempo para llevar todos los cortes a la misma referencia de punto de tiempo. Esto se hace asumiendo que el transcurso del tiempo de un vóxel es suave cuando se traza 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 debajo de 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 del tiempo se corta y pega efectivamente de un vóxel a otro. La corrección de movimiento prueba diferentes formas de deshacer esto para ver qué deshacer el cortar y pegar produce el curso de tiempo más suave para todos los vóxeles. El deshacer es aplicando una transformación de cuerpo rígido al volumen, desplazando y rotando los datos de volumen completo para tener en cuenta el movimiento. El volumen transformado se compara estadísticamente con el volumen en el primer punto de tiempo 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 mínimo se elige como modelo para el movimiento de la cabeza. Dado que la cabeza puede moverse de muy variadas maneras, no es posible buscar todos los posibles candidatos; tampoco existe ahora mismo un algoritmo que proporcione una solución óptima globalmente independiente de las primeras transformaciones que intentemos en una cadena.

Las correcciones de distorsión tienen en cuenta las faltas de uniformidad de campo del escáner. Un método, como se describió antes, es usar bobinas de calce. Otra 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, el campo magnético T1 decae después de la excitación. Para demarcar 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 caen los vóxeles activos, uno tiene que alinear la imagen funcional con la estructural. Esto se hace con un algoritmo de corregistro que funciona de manera similar al de corrección de movimiento, excepto que aquí las resoluciones son diferentes y los valores de intensidad no se pueden comparar directamente ya que la señal de generación es diferente.

Los estudios típicos de resonancia magnética exploran algunos sujetos diferentes. Para integrar los resultados entre sujetos, una posibilidad es usar un atlas cerebral común y ajustar todos los cerebros para alinearlos con el atlas, y luego analizarlos como un solo grupo. Los atlas más utilizados son el de Talairach, un cerebro único de una anciana creado por Jean Talairach, y el del Instituto Neurológico de Montreal (MNI). El segundo es un mapa probabilístico creado mediante la combinación de escaneos de más de cien personas. 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 de movimiento, los cambios requeridos son más complejos que solo la traslación y la rotación y, por lo tanto, es más probable que la optimización dependa de las primeras transformaciones en la cadena que se verifica.

El filtrado temporal es la eliminación de frecuencias sin interés de la señal. El cambio de intensidad de un vóxel a lo largo del tiempo se puede representar como la suma de varias ondas repetitivas diferentes con períodos y alturas diferentes. Una gráfica con estos períodos en el eje x y las alturas en el eje y se denomina espectro de potencia, y esta gráfica se crea con la técnica de la transformada de Fourier. El filtrado temporal consiste en eliminar las ondas periódicas que no nos interesan del espectro de potencia y luego volver a sumar las ondas, utilizando la transformada inversa de Fourier para crear un nuevo curso temporal 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 uniforme del cambio de intensidad en el cerebro o la región de interés. El promedio se realiza a menudo por convolución con un filtro gaussiano que, en cada punto espacial, pondera los vóxeles vecinos por su distancia, y los pesos caen exponencialmente siguiendo la curva de campana. Si la verdadera extensión espacial de la activación, es decir, la dispersión del grupo de vóxeles simultáneamente activos, coincide con el ancho del filtro utilizado, este proceso mejora la relación señal-ruido. También hace que el ruido total de cada vóxel siga una distribución de curva de campana, ya que la suma de un gran número de distribuciones independientes e idénticas de cualquier tipo produce la curva de campana como caso límite. Pero si la supuesta extensión espacial de la activación no coincide con el filtro, la señal se reduce.

Análisis estadístico

Estas imágenes de FMRI son de un estudio que muestra partes del cerebro iluminando las casas y otras partes en ver caras. Los valores 'r' son correlaciones, con mayores valores positivos o negativos que indican una relación más fuerte (es decir, un mejor partido).

Un enfoque común para analizar los datos de fMRI es considerar cada vóxel por separado dentro del marco del modelo lineal general. El modelo asume, en cada momento, que la respuesta hemodinámica (FC) es igual a la versión escalada y sumada de los eventos activos en ese momento. Un investigador crea una matriz de diseño que especifica qué eventos están activos en cualquier momento. Una forma común es crear una matriz con una columna por evento superpuesto y una fila por punto de tiempo, y marcarla si un evento en particular, digamos un estímulo, está activo en ese punto de tiempo. Luego se asume una forma específica para la HR, dejando solo su amplitud modificable en vóxeles activos. La matriz de diseño y esta forma se utilizan para generar una predicción de la HR exacta del vóxel en cada punto de tiempo, 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 FC observada es la FC predicha escalada por los pesos de cada evento y luego agregada, 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, uno podría elegir cualquier subconjunto de las ecuaciones, con el número igual al número de variables, y resolverlas. Pero, cuando estas soluciones se insertan en las ecuaciones que quedan fuera, habrá una falta de coincidencia 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 probablemente óptimo si el error se distribuyera como una curva de campana y si el modelo de escala y suma fuera preciso. Para obtener una descripción más matemática del modelo GLM, consulte modelos lineales generalizados.

El modelo GLM no tiene en cuenta la contribución de las relaciones entre varios vóxeles. Mientras que los métodos de análisis GLM evalúan si la amplitud de la señal de un vóxel o región es más alta o más baja para una condición que para otra, los modelos estadísticos más nuevos, como el análisis de patrones multi-vóxel (MVPA), utilizan las contribuciones únicas de múltiples vóxeles dentro de un vóxel. -población. En una implementación típica, se entrena un clasificador o un algoritmo más básico para distinguir ensayos para diferentes condiciones dentro de un subconjunto de datos. Luego, el modelo entrenado se prueba prediciendo las condiciones de los datos restantes (independientes). Este enfoque generalmente se logra mediante el entrenamiento y las pruebas en diferentes sesiones o ejecuciones de escáner. Si el clasificador es lineal, entonces el modelo de entrenamiento es un conjunto de pesos que se usan para escalar el valor en cada vóxel antes de sumarlos para generar un número único que determina la condición para cada ensayo del conjunto de prueba. Más información sobre clasificadores de entrenamiento y prueba está en clasificación estadística. MVPA permite inferencias sobre el contenido de información de las representaciones neuronales subyacentes reflejadas en la señal BOLD, aunque existe una controversia sobre si la información detectada por este método refleja información codificada a nivel de columnas o escalas espaciales más altas. Además, es más difícil decodificar la 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. Otro método que utilizó el mismo conjunto de datos de fMRI para el reconocimiento visual de objetos en el cerebro humano depende del análisis de patrones de múltiples vóxeles (fMRI vóxels) y el aprendizaje de múltiples vistas que se describe en, este método usó búsqueda meta-heurística e información mutua para eliminar el ruido. vóxeles y seleccione las señales en NEGRITA significativas.

Combinar con otros métodos

Es común combinar la adquisición de señales de IRMf con el seguimiento de los participantes' Respuestas y tiempos de reacción. Las medidas fisiológicas como la frecuencia cardíaca, la respiración, la conductancia de la piel (tasa de sudoración) y los movimientos oculares a veces se capturan simultáneamente con fMRI. El método también se puede combinar con otras técnicas de imagen cerebral como la estimulación transcraneal, la estimulación cortical directa y, especialmente, el EEG. El procedimiento fMRI también se puede combinar con la espectroscopia de infrarrojo cercano (NIRS) para obtener información adicional sobre la oxihemoglobina y la desoxihemoglobina.

La técnica fMRI puede complementar o complementar otras técnicas debido a sus ventajas y deficiencias únicas. Puede registrar señales cerebrales de forma no invasiva sin los riesgos de radiación ionizante inherentes a otros métodos de escaneo, como tomografías computarizadas o tomografías por emisión de positrones (PET). También puede registrar señales de todas las regiones del cerebro, a diferencia de EEG/MEG, que están sesgadas hacia la superficie cortical. Pero la resolución temporal de fMRI es más pobre que la de EEG ya que la frecuencia cardíaca tarda decenas de segundos en alcanzar su punto máximo. La combinación de EEG con fMRI es, por lo tanto, potencialmente poderosa porque los dos tienen puntos fuertes complementarios: EEG tiene una alta resolución temporal y 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. Para obtener más información, consulte EEG vs fMRI.

Si bien la resonancia magnética funcional se 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 causalidad en observaciones correlacionales puras. La configuración actual de vanguardia para estos experimentos simultáneos de TMS/fMRI comprende una bobina de cabeza de gran volumen, generalmente una bobina de jaula de pájaros, con la bobina de TMS compatible con MR montada dentro de esa bobina de jaula de pájaros. Se aplicó en una multitud de experimentos que estudian las interacciones locales y de red. Sin embargo, las configuraciones clásicas con la bobina TMS colocada dentro de la bobina de cabeza tipo jaula de pájaros de RM se caracterizan por relaciones señal/ruido deficientes en comparación con las matrices de recepción multicanal que se utilizan actualmente en la neuroimagen clínica. Además, la presencia de la bobina TMS dentro de la bobina de jaula de pájaros MR provoca artefactos debajo de la bobina TMS, es decir, en el objetivo de estimulación. Por estas razones, actualmente se desarrollaron nuevos conjuntos de bobinas de RM dedicados a experimentos concurrentes de TMS/fMRI.

Problemas en IRMf

Diseño

Si la condición de referencia está demasiado cerca de la activación máxima, es posible que ciertos procesos no se representen correctamente. Otra limitación del diseño experimental es el movimiento de la cabeza, que puede dar lugar a cambios de intensidad artificial de la señal de fMRI.

Diseño de bloques versus diseño relacionado con 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 de 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 de fMRI que diferencia las condiciones debería representar este proceso cognitivo de interés. Esto se conoce como el paradigma de la sustracción. El aumento de la señal de 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 descanso en la que la FC tiene suficiente tiempo para volver a la línea de base, se introduce una cantidad máxima de variabilidad en la señal. Como tal, concluimos que los diseños de bloques ofrecen un poder estadístico considerable. Sin embargo, existen graves inconvenientes en este método, ya que la señal es muy sensible a la desviación 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 de base, ya que puede impedir que se extraigan conclusiones significativas. También hay problemas con muchas tareas que carecen de la capacidad de repetirse. Dado que dentro de cada bloque solo se presenta una condición, la aleatorización de los tipos de estímulo no es posible dentro de un bloque. Esto hace que el tipo de estímulo dentro de cada bloque sea muy predecible. Como consecuencia, los participantes pueden tomar conciencia del orden de los eventos.

Los diseños relacionados con eventos permiten más pruebas en el mundo real, sin embargo, el poder estadístico de los diseños relacionados con eventos es intrínsecamente bajo, porque el cambio de señal en la señal BOLD fMRI después de la presentación de un solo estímulo es pequeño.

Tanto los diseños de bloques como los relacionados con eventos se basan en el paradigma de la sustracción, que asume que los procesos cognitivos específicos se pueden agregar de forma selectiva en diferentes condiciones. Se asume que cualquier diferencia en el flujo sanguíneo (la señal en NEGRITA) entre estas dos condiciones refleja el proceso cognitivo diferente. Además, este modelo asume que un proceso cognitivo puede agregarse selectivamente a un conjunto de procesos cognitivos activos sin afectarlos.

Condiciones de referencia versus condiciones de actividad

El cerebro nunca está completamente en reposo. Nunca deja de funcionar y disparar señales neuronales, además de usar oxígeno mientras la persona en cuestión esté viva. De hecho, en el estudio de Stark y Squire de 2001 Cuando cero no es cero: el problema de las condiciones de referencia ambiguas en resonancia magnética funcional, la actividad en el lóbulo temporal medial (así como en otras regiones del cerebro) fue sustancialmente mayor durante el descanso que durante varias condiciones de referencia alternativas. El efecto de esta actividad elevada durante el descanso fue reducir, eliminar o incluso revertir el signo de la actividad durante las condiciones de la 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 de base óptima para las tareas de cognición. Para discernir las condiciones de activación y de línea de base es necesario interpretar mucha información. Esto incluye situaciones tan simples como respirar. Los bloqueos periódicos pueden dar como resultado datos idénticos con otras variaciones en los datos si la persona respira a un ritmo regular de 1 respiración/5 segundos y los bloqueos se producen cada 10 s, lo que perjudica los datos.

Inferencia inversa

Los métodos de neuroimagen como fMRI y MRI ofrecen una medida de la activación de ciertas áreas del cerebro en respuesta a las tareas cognitivas que se llevan a cabo durante el proceso de exploración. Los datos obtenidos durante este tiempo permiten a los neurocientíficos cognitivos obtener información sobre el papel de determinadas regiones del cerebro en la función cognitiva. Sin embargo, surge un problema cuando los investigadores alegan que ciertas regiones del cerebro identifican la activación de procesos cognitivos previamente etiquetados. Poldrack describe claramente este problema:

El tipo de inferencia habitual que se extrae de los datos neuroimaging es de la forma 'si el proceso cognitivo X está comprometido, entonces el área cerebral Z está activa.' Sin embargo, el Perusal de las secciones de discusión de unos pocos artículos de la FMRI revelará rápidamente una epidemia de razonamiento tomando 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 el proceso cognitivo X se contrató de forma cognitiva, entonces el área cerebral Z estaba activa.

(3) Así, la actividad del área Z en el presente estudio demuestra compromiso del proceso cognitivo X por comparación de tareas A.

Esta es una 'inferencia reversa', ya que causa el retroceso de la presencia de activación cerebral al compromiso de una función cognitiva particular.

La inferencia inversa demuestra la falacia lógica de afirmar lo que acaba de encontrar, aunque esta lógica podría estar respaldada por instancias en las que un determinado resultado se genera únicamente por una ocurrencia específica. Con respecto al cerebro y la función cerebral, es raro que una región particular del cerebro se active únicamente por un proceso cognitivo. Algunas sugerencias para mejorar la legitimidad de la inferencia inversa han incluido tanto aumentar la selectividad de la respuesta en la región del cerebro de interés como aumentar la probabilidad previa del proceso cognitivo en cuestión. Sin embargo, Poldrack sugiere que la inferencia inversa debe usarse simplemente como una guía para dirigir más investigaciones en lugar de un medio directo para interpretar los resultados.

Inferencia directa

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 progresivo de la filosofía. Por ejemplo, Henson analiza la contribución de la inferencia directa a la 'teoría del proceso único frente a la teoría del proceso dual'. debate en torno a la memoria de reconocimiento. La inferencia directa respalda la teoría del proceso dual al demostrar que existen dos patrones de activación cerebral cualitativamente diferentes al distinguir entre los juicios de "recordar y saber". El problema principal con la inferencia directa es que es un método correlacional. Por lo tanto, uno no puede estar completamente seguro de que las regiones del cerebro activadas durante el proceso cognitivo sean completamente necesarias para la ejecución de esos procesos. De hecho, hay muchos casos conocidos que demuestran precisamente eso. Por ejemplo, se ha demostrado que el hipocampo se activa durante el condicionamiento clásico; sin embargo, los estudios de lesiones han demostrado que el condicionamiento clásico puede ocurrir sin el hipocampo.

Riesgos

El riesgo más común para los participantes en un estudio de resonancia magnética funcional es la claustrofobia y se han informado riesgos para las mujeres embarazadas al pasar por el proceso de exploración. Las sesiones de escaneo también someten a los participantes a fuertes ruidos agudos de las fuerzas de Lorentz inducidas en las bobinas de gradiente por la corriente que cambia rápidamente 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, pueden funcionar mal debido a estas corrientes. El campo de radiofrecuencia de la bobina de excitación puede calentar el cuerpo, y esto debe controlarse más cuidadosamente en aquellos que tienen fiebre, diabéticos y aquellos con problemas circulatorios. La quema local de collares de metal y otras joyas también es un riesgo.

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

No hay riesgo comprobado de daño biológico incluso por campos magnéticos estáticos muy poderosos. Sin embargo, los efectos genotóxicos (es decir, potencialmente cancerígenos) de la resonancia magnética se han demostrado in vivo e in vitro, lo que llevó a una revisión reciente a recomendar "la necesidad de más estudios y un uso prudente para evitar exámenes innecesarios, según la principio de precaución". En una comparación de los efectos genotóxicos de la resonancia magnética en comparación con los de las tomografías computarizadas, Knuuti et al. informó que, aunque el daño del ADN detectado después de la resonancia magnética estaba en un nivel comparable al producido por las exploraciones que utilizan radiación ionizante (angiografía por TC coronaria de dosis baja, imágenes nucleares y angiografía por rayos X), las diferencias en el mecanismo por el cual este daño toma lugar sugiere que se desconoce el riesgo de cáncer de la resonancia magnética, si lo hay.

Métodos avanzados

Los primeros estudios de IRMf validaron la técnica frente a la actividad cerebral conocida, a partir de otras técnicas, por estar correlacionada con tareas. A principios de la década de 2000, los estudios de fMRI comenzaron a descubrir nuevas correlaciones. Aún así, sus desventajas técnicas han estimulado a los investigadores a probar formas más avanzadas de aumentar el poder de los estudios clínicos y de investigación.

Mejor resolución espacial

La resonancia magnética, en general, tiene mejor resolución espacial que EEG y MEG, pero no tan buena resolución como los procedimientos invasivos como los electrodos de una sola unidad. Si bien las resoluciones típicas están en el rango milimétrico, la espectroscopia de resonancia magnética o resonancia magnética de ultra alta resolución funciona a 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 el óxido de hierro fino. Adaptarse a un ser humano requiere escáneres de mayor calibre, lo que hace que las intensidades de campo más altas sean más difíciles de lograr, especialmente si el campo tiene que ser uniforme; también requiere un contraste interno como BOLD o un agente de contraste externo no tóxico a diferencia del óxido de hierro.

Las imágenes paralelas son otra técnica para mejorar la resolución espacial. Este utiliza múltiples bobinas para la excitación y la recepción. La resolución espacial mejora como la raíz cuadrada del número de bobinas utilizadas. Esto se puede hacer con una matriz en fase donde las bobinas se combinan en paralelo y, a menudo, muestrean áreas superpuestas con espacios en el muestreo o con matrices de bobinas masivas, que son un conjunto mucho más denso de receptores separados de las bobinas de excitación. Estos, sin embargo, captan mejor las señales de la superficie del cerebro y menos de estructuras más profundas como el hipocampo.

Mejor resolución temporal

La resolución temporal de la IRMf está limitada por: (1) el mecanismo de retroalimentación que aumenta el flujo sanguíneo operando lentamente; (2) tener que esperar hasta que se recupere la magnetización neta antes de volver a muestrear un corte; 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. Podrían ser aquellas secciones de la imagen que se repiten con frecuencia 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 sus colegas de Stanford. Estos mecanismos asumen que el investigador tiene una idea de la forma esperada de la imagen de activación.

El EPI de eco de gradiente típico usa 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. Activar ambas bobinas de gradiente puede 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 de 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 las consecuentes suposiciones) ya que volver a convertir al espacio de vóxel requiere que los datos estén en forma de cuadrícula (un conjunto de puntos igualmente espaciados en ambas direcciones horizontal y vertical).

Nuevos mecanismos de contraste

El contraste BOLD depende del flujo sanguíneo, que es lento en respuesta al estímulo y está sujeto a influencias ruidosas. Otros biomarcadores que ahora se analizan 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 del cerebro a partir de su actividad. La quema inicial de glucosa eleva la temperatura y la posterior entrada de sangre fresca y fría la baja. 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 de efecto Lorentz intentan medir el desplazamiento físico de las neuronas activas que transportan una corriente eléctrica dentro del fuerte campo estático.

Uso comercial

Algunos experimentos han demostrado los correlatos neurales de las personas' preferencias de marca. Samuel M. McClure utilizó resonancia magnética funcional para mostrar que la corteza prefrontal dorsolateral, el hipocampo y el mesencéfalo estaban más activos cuando las personas bebían Coca-Cola a sabiendas que cuando bebían Coca-Cola sin etiqueta. Otros estudios han mostrado la actividad cerebral que caracteriza la preferencia de los hombres por los autos deportivos, e incluso diferencias entre demócratas y republicanos en su reacción ante comerciales 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, ahora cerrada. Otro es Neurosense, con sede en Oxford, Reino Unido, que asesora a los clientes sobre cómo podrían utilizar potencialmente la IRMf como parte de su actividad empresarial de marketing. Un tercero es Sales Brain en California.

Se han creado al menos dos empresas para usar fMRI en la detección de mentiras: No Lie MRI y Cephos Corporation. No Lie MRI cobra cerca de $5000 por sus servicios. Estas compañías dependen de evidencia como la de un estudio realizado por Joshua Greene en la Universidad de Harvard que sugiere que la corteza prefrontal es más activa en aquellos que contemplan mentir.

Sin embargo, todavía hay bastante controversia sobre si estas técnicas son lo suficientemente confiables para usarse en un entorno legal. Algunos estudios indican que, si bien existe una correlación positiva general, existe una gran variación entre los hallazgos y, en algunos casos, una dificultad considerable para replicar los hallazgos. Un juez federal de primera instancia en Tennessee prohibió las pruebas de IRMf para respaldar la afirmación de que el acusado decía la verdad, con el argumento de que tales exploraciones no están a la altura del estándar legal de las pruebas científicas. La mayoría de los investigadores están de acuerdo en que la capacidad de No se ha establecido la resonancia magnética funcional para detectar el engaño en un entorno de la vida real.

El uso de la fMRI ha quedado fuera de los debates legales a lo largo de su historia. No se ha permitido el uso de esta tecnología debido a lagunas en la evidencia que respalda la IRMf. En primer lugar, la mayoría de las pruebas que respaldan la precisión de las IRMf se realizaron en un laboratorio en circunstancias controladas con hechos sólidos. Este tipo de prueba no pertenece a la vida real. Los escenarios de la vida real pueden ser mucho más complicados con muchos otros factores que afectan. Se ha demostrado que muchos otros factores afectan a BOLD además de una mentira típica. Se han realizado pruebas que muestran que el uso de drogas altera el flujo sanguíneo en el cerebro, lo que afecta drásticamente el resultado de las pruebas BOLD. Además, las personas con enfermedades o trastornos como la esquizofrenia o la mentira compulsiva también pueden generar resultados anormales. Por último, existe una cuestión ética relacionada con la resonancia magnética funcional. Esta prueba de BOLD ha generado controversia sobre si las IRMf 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.

Debido a estos factores y más, la evidencia de fMRI ha sido excluida de cualquier forma de sistema legal. La prueba es demasiado incontrolada e impredecible. Por lo tanto, se ha afirmado que fMRI tiene muchas más pruebas por hacer antes de que pueda considerarse viable a los ojos del sistema legal.

Crítica

Algunos académicos han criticado los estudios de fMRI por análisis estadísticos problemáticos, a menudo basados en estudios de baja potencia y muestras pequeñas. Otros investigadores de fMRI han defendido su trabajo como válido. En 2018, Turner y sus colegas sugirieron que los tamaños pequeños afectan la replicabilidad de los estudios de fMRI basados en tareas y afirmaron que incluso los conjuntos de datos con al menos 100 participantes pueden no replicar bien los resultados, aunque hay debates al respecto.

En un estudio de IRMf real pero satírico, a un salmón muerto se le mostraron imágenes de humanos en diferentes estados emocionales. Los autores proporcionaron evidencia, de acuerdo con dos pruebas estadísticas diferentes de uso común, de áreas en el cerebro del salmón que sugieren actividad significativa. El estudio se utilizó para resaltar la necesidad de análisis estadísticos más cuidadosos en la investigación de fMRI, dada la gran cantidad de vóxeles en una exploración típica de fMRI y el problema de las comparaciones múltiples. Antes de que se hicieran públicas las controversias en 2010, entre el 25 y el 40 % de los estudios sobre resonancia magnética funcional que se publicaban no utilizaban las comparaciones corregidas. Pero para 2012, ese número se había reducido al 10%. La Dra. Sally Satel, escribiendo en Time, advirtió que si bien los escáneres cerebrales tienen valor científico, las áreas individuales del cerebro a menudo sirven para múltiples propósitos y "inferencias inversas" como se usa comúnmente en los informes de prensa, conlleva una posibilidad significativa de sacar conclusiones inválidas. En 2015, se descubrió que se encontró un error estadístico en los cálculos de resonancia magnética funcional que probablemente invalidó al menos 40 000 estudios de resonancia magnética funcional anteriores a 2015, y los investigadores sugieren que no se puede confiar en los resultados anteriores a la corrección del error. Además, más tarde se demostró que la forma en que uno establece los parámetros en el software determina la tasa de falsos positivos. En otras palabras, el resultado del estudio se puede determinar cambiando los parámetros del software.

En 2020, el profesor Ahmad Hariri, (Universidad de Duke), uno de los primeros investigadores en usar fMRI, realizó un experimento a gran escala que buscaba probar la confiabilidad de fMRI en personas individuales. En el estudio, copió protocolos de 56 artículos publicados en psicología que usaban fMRI. Los resultados sugieren que la resonancia magnética funcional tiene poca confiabilidad cuando se trata de casos individuales, pero buena confiabilidad cuando se trata de patrones generales de pensamiento humano.