.
Desde o desenvolvimento da ressonância magnética funcional na década de 1990, a confiança na neuroimagem disparou à medida que os pesquisadores investigam como os dados de fMRI do cérebro em repouso e a própria estrutura anatômica do cérebro podem ser usados para prever características individuais, como depressão, declínio cognitivo e distúrbios cerebrais.
A imagem cerebral tem o potencial de revelar as bases neurais de muitos traços, desde distúrbios como depressão e dor crônica generalizada até por que uma pessoa tem uma memória melhor do que outra e por que as memórias de algumas pessoas são resilientes à medida que envelhecem. Mas o quão confiável é a imagem do cérebro para detectar características tem sido um assunto de amplo debate.
Pesquisas anteriores sobre estudos associados em todo o cérebro (denominados ‘BWAS’) mostraram que as ligações entre a função cerebral, a estrutura e os traços são tão fracos que milhares de participantes são necessários para detectar efeitos replicáveis. Pesquisas dessa escala exigem milhões de dólares em investimentos em cada estudo, limitando quais características e distúrbios cerebrais podem ser estudados.
No entanto, de acordo com um novo comentário publicado em Natureza, vínculos mais fortes entre medidas cerebrais e traços podem ser obtidos quando algoritmos de reconhecimento de padrões de última geração (ou ‘aprendizado de máquina’) são utilizados, o que pode obter resultados de alta potência de tamanhos de amostra moderados.
Em seu artigo, pesquisadores da Dartmouth e da University Medicine Essen fornecem uma resposta a uma análise anterior de estudos de associação em todo o cérebro liderados por Scott Marek na Washington University School of Medicine em St. Louis, Brenden Tervo-Clemmens no Massachusetts General Hospital/Harvard Medical Escola e colegas. O estudo anterior encontrou associações muito fracas em uma variedade de características em vários grandes estudos de imagens cerebrais, concluindo que seriam necessários milhares de participantes para detectar essas associações.
O novo artigo explica que os efeitos muito fracos encontrados no artigo anterior não se aplicam a todas as imagens cerebrais e a todos os traços, mas são limitados a casos específicos. Ele descreve como os dados de fMRI de centenas de participantes, em vez de milhares, podem ser melhor aproveitados para produzir informações importantes de diagnóstico sobre indivíduos.
Uma chave para associações mais fortes entre imagens cerebrais e características como memória e inteligência é o uso de algoritmos de reconhecimento de padrões de última geração. “Dado que não há praticamente nenhuma função mental realizada inteiramente por uma área do cérebro, recomendamos o uso de reconhecimento de padrões para desenvolver modelos de como várias áreas cerebrais contribuem para prever características, em vez de testar áreas cerebrais individualmente”, diz o autor sênior Tor Wager, o Diana L. Taylor Distinguished Professora de Ciências Psicológicas e do Cérebro e diretora do Brain Imaging Center em Dartmouth.
“Se forem aplicados modelos de múltiplas áreas cerebrais trabalhando juntas, em vez de isoladas, isso fornece uma abordagem muito mais poderosa em estudos de neuroimagem, produzindo efeitos preditivos quatro vezes maiores do que quando se testam áreas cerebrais isoladas”, diz o principal autor Tamas Spisak , chefe do Laboratório de Neuroimagem Preditiva do Instituto de Radiologia Diagnóstica e Intervencionista e Neurorradiologia da University Medicine Essen.
No entanto, nem todos os algoritmos de reconhecimento de padrões são iguais e encontrar os algoritmos que funcionam melhor para tipos específicos de dados de imagens cerebrais é uma área ativa de pesquisa. O artigo anterior de Marek, Tervo-Clemmens et al. também testaram se o reconhecimento de padrões pode ser usado para prever características de imagens cerebrais, mas Spisak e seus colegas descobriram que o algoritmo usado é abaixo do ideal.
Quando os pesquisadores aplicaram um algoritmo mais poderoso, os efeitos ficaram ainda maiores e associações confiáveis puderam ser detectadas em amostras muito menores. “Quando você faz os cálculos de poder sobre quantos participantes são necessários para detectar efeitos replicáveis, o número cai para menos de 500 pessoas”, diz Spisak.
“Isso abre o campo para estudos de muitas características e condições clínicas para as quais não é possível obter milhares de pacientes, incluindo distúrbios cerebrais raros”, diz a coautora Ulrike Bingel, da University Medicine Essen, que é chefe do University Center for Pain Medicamento. “A identificação de marcadores, incluindo aqueles que envolvem o sistema nervoso central, é necessária com urgência, pois são essenciais para melhorar o diagnóstico e as abordagens de tratamento personalizadas individualmente. Precisamos avançar em direção a uma abordagem de medicina personalizada baseada na neurociência. O potencial do BWAS multivariado nos move para este objetivo não deve ser subestimado.”
A equipe explica que as associações fracas encontradas na análise anterior, principalmente por meio de imagens cerebrais, foram coletadas enquanto as pessoas estavam simplesmente descansando no scanner, em vez de realizar tarefas. Mas a fMRI também pode capturar a atividade cerebral ligada a pensamentos e experiências específicas, momento a momento.
Wager acredita que vincular padrões cerebrais a essas experiências pode ser a chave para entender e prever as diferenças entre os indivíduos. “Um dos desafios associados ao uso de imagens cerebrais para prever características é que muitas características não são estáveis ou confiáveis. Se usarmos imagens cerebrais para focar no estudo de estados e experiências mentais, como dor, empatia e desejo por drogas, os efeitos pode ser muito maior e mais confiável”, diz Wager. “A chave é encontrar a tarefa certa para capturar o estado.”
“Por exemplo, mostrar imagens de drogas para pessoas com transtornos por uso de substâncias pode provocar o desejo por drogas, de acordo com um estudo anterior que revelou um neuromarcador para o desejo”, diz Wager.
“É importante identificar quais abordagens para entender o cérebro e a mente têm maior probabilidade de sucesso, pois isso afeta a forma como as partes interessadas veem e, finalmente, financiam a pesquisa translacional em neuroimagem”, diz Bingel. “Encontrar as limitações e trabalhar em conjunto para superá-las é fundamental para desenvolver novas formas de diagnosticar e cuidar de pacientes com distúrbios cerebrais e de saúde mental”.
.
