1. Neurociències: de la ciència bàsica al pacient 2020-2021
Mòdul 2. Cervell i conducta.
Plantejament d’un estudi en Neuroimatge
Dani Bergé
2. ● Quines preguntes podem respondre amb un
estudi de neuroimatge? Com hem de formular
les preguntes?
¿Podem esbrinar què pensa una persona amb
la fMRI?
¿Què pensen les persones amb esquizofrènia?
3. Quines preguntes (objectius i
hipòtesis) podem respondre amb la
neuroimatge?
● ¿En la depressió hi ha alguna regió que no funciona bé? ¿ Quina és ?
Els antidepressius en la depressió, fan que torni a funcionar bé?
● ¿En l’esquizofrènia hi ha alguna regió que funciona en excés o en defecte?
Els antipsicòtics reverteixen aquestes anomalies? O en causen d’altres?
● Si verdaderament en un trastorn hi ha unes alteracions en la neuroimatge, ¿Podem fer
un diagnòstic amb una prova d’imatge?
Alteració funcional Trastorn
?
4. Quines preguntes (objectius i
hipòtesis) podem respondre amb la
neuroimatge?
● ¿En la depressió hi ha alguna regió que no funciona bé? ¿ Quina és ?
● Objectiu: Determinar les regions que no s’activen o s’activen menys en depressió.
● Hipòtesi: Els pacients en depressió, en comparació a controls, tenen regions que
s’activen menys durant una tasca de processament d’emocions.
Els antidepressius en la depressió, fan que torni a funcionar bé?
● Objectiu: Determinar les regions que canvien el patró d’activació en millorar la
depressió.
● Hipòtesi: Els pacients en depressió que milloren de la depressió, en comparació a
controls i pacients que no milloren, presenten un canvi en el patró d’activació que
● a) s’associa a la millora de la depressió,
● b) va en la direcció del patró d’activació de controls.
5. Quines preguntes (objectius i
hipòtesis) podem respondre amb la
neuroimatge?
● Si verdaderament en un trastorn hi ha unes alteracions en la neuroimatge, ¿Podem fer
un diagnòstic amb una prova d’imatge?
Alteració funcional Trastorn
?
6.
7. Factors de confusió
Variable de
Neuroimarge:
Volum,
resposta
BOLD...
Trastorn A
vs. controls
Variabilitat
individual Edat /
Sexe Moviment
Fiabilitat
scanner
9. ● Com són les DADES?
● Quins ANÀLISI podem fer?
● Quines limitacions tenen les DADES i els ANÀLISI?
De què dependran les preguntes
que poguem fer?
10. Quines DADES podem obtenir?
● Dades estructurals:
– Volum Substància Gris (Substància blanca, LCR)
– Cortical thickness (gruix cortical)
– Substància blanca: Seqüències DTI → FA (Fractial anisotropy): Mesura d’organització dels
feixos de substància blanca.
– Connectivitat estructural: DTI: tractografía
● Dades funcionals:
– Grau d’“Activació” ó “metabolisme” d’una regió concreta
● Activació: fMRI: Efecto BOLD
● Metaboisme: PET amb FDG
– Número de mol·lècules marcades amb un marcador per SPECT (receptors, transportadors,
etc..)
– Presència de metabolits en una regió (Espectroscòpia per Ressonància Magnètica)
– Connectivitat funcional
11. Quines DADES podem obtenir?
● Dades estructurals:
– Volum Substància Gris (Substància blanca, LCR)
– Cortical thickness (gruix cortical)
– Substància blanca: Seqüències DTI → FA (Fractial anisotropy): Mesura d’organització dels
feixos de substància blanca.
– Connectivitat estructural
● Dades funcionals:
– Grau d’“Activació” o “metabolisme” d’una regió concreta
● Activació: fMRI: Efecto BOLD
● Metaboisme: PET amb FDG
– Número de mol·lècules marcades amb un marcador per SPECT (receptors,
transportadors,etc..)
– Presència de metabolits en una regió (Espectroscòpia per Ressonància Magnètica)
– Conectivitat funcional
12. Volum d’una sola regió: Una dada d’un sol
número (en ml)
Volum de tot el
cervell:
Mapa de probabilitat
per cada vòxel (unitat
mínima de resolució
de la RMN)
13. Quines DADES podem obtenir?
● Dades estructurals:
– Volum Substància Gris (Substància blanca, LCR)
– Cortical thickness (gruix cortical)
– Substància blanca: Seqüències DTI → FA (Fractial anisotropy): Mesura d’organització dels
feixos de substància blanca.
– Connectivitat estructural
● Dades funcionals:
– Grau d’“Activació” o “metabolisme” d’una regió concreta
● Activació: fMRI: Efecto BOLD
● Metaboisme: PET amb FDG
– Número de mol·lècules marcades amb un marcador per SPECT (receptors,
transportadors,etc..)
– Presència de metabolits en una regió (Espectroscòpia per Ressonància Magnètica)
– Conectivitat funcional
15. Quines DADES podem obtenir?
● Dades estructurals:
– Volum Substància Gris (Substància blanca, LCR)
– Cortical thickness (gruix cortical)
– Substància blanca: Seqüències DTI → FA (Fractial anisotropy): Mesura d’organització
dels feixos de substància blanca.
– Connectivitat estructural
● Dades funcionals:
– Grau d’“Activació” o “metabolisme” d’una regió concreta
● Activació: fMRI: Efecto BOLD
● Metaboisme: PET amb FDG
– Número de mol·lècules marcades amb un marcador per SPECT (receptors,
transportadors,etc..)
– Presència de metabolits en una regió (Espectroscòpia per Ressonància Magnètica)
– Connectivitat funcional
17. Quines DADES podem obtenir?
● Dades estructurals:
– Volum Substància Gris (Substància blanca, LCR)
– Cortical thickness (gruix cortical)
– Substància blanca: Seqüències DTI → FA (Fractial anisotropy): Mesura d’organització dels
feixos de substància blanca.
– Connectivitat estructural
● Dades funcionals:
– Grau d’“Activació” o “metabolisme” d’una regió concreta
● Activació: fMRI: Efecto BOLD
● Metabolisme: PET amb FDG
– Número de mol·lècules marcades amb un marcador per SPECT (receptors,
transportadors,etc..)
– Presència de metabolits en una regió (Espectroscòpia per Ressonància Magnètica)
– Connectivitat funcional
19. Quines DADES podem obtenir?
● Dades estructurals:
– Volum Substància Gris (Substància blanca, LCR)
– Cortical thickness (gruix cortical)
– Substància blanca: Seqüències DTI → FA (Fractial anisotropy): Mesura d’organització dels feixos
de substància blanca.
– Connectivitat estructural
● Dades funcionals:
– Grau d’“Activació” o “metabolisme” d’una regió concreta
● Activació: fMRI: Efecto BOLD
● Metabolisme: PET amb FDG
– Número de mol·lècules marcades amb un marcador per SPECT (receptors,
transportadors,etc..)
– Presència de metabolits en una regió (Espectroscòpia per Ressonància Magnètica)
– Conectivitat funcional
21. Quines DADES podem obtenir?
● Dades estructurals:
– Volum Substància Gris (Substància blanca, LCR)
– Cortical thickness (gruix cortical)
– Substància blanca: Seqüències DTI → FA (Fractial anisotropy): Mesura d’organització dels feixos
de substància blanca.
– Connectivitat estructural
● Dades funcionals:
– Grau d’“Activació” o “metabolisme” d’una regió concreta
● Activació: fMRI: Efecto BOLD
● Metabolisme: PET amb FDG
– Número de mol·lècules marcades amb un marcador per SPECT (receptors, transportadors,etc..)
– Presència de metabolits en una regió (Espectroscòpia per Ressonància Magnètica)
– Conectivitat funcional
23. Quines DADES podem obtenir?
● Dades estructurals:
– Volum Substància Gris (Substància blanca, LCR)
– Cortical thickness (gruix cortical)
– Substància blanca: Seqüències DTI → FA (Fractial anisotropy): Mesura d’organització dels feixos
de substància blanca.
– Connectivitat estructural
● Dades funcionals:
– Grau d’“Activació” o “metabolisme” d’una regió concreta
● Activació: fMRI: Efecto BOLD
● Metabolisme: PET amb FDG
– Número de mol·lècules marcades amb un marcador per SPECT (receptors, transportadors,etc..)
– Presència de metabolits en una regió (Espectroscòpia per Ressonància Magnètica)
– Conectivitat funcional
24. Connectivitat
a) Mesura de correlació entre un valor en un punt i un altre
punt, habitualment en funcional.
b) Connectivitat dels feixos de substància blanca
● Connectivitat funcional
● Connectivitat en DTI: Tractografia
25. Connectivitat
a) Mesura de correlació entre un valor en un punt i un altre
punt, habitualment en funcional.
b) Connectivitat dels feixos de substància blanca
● Connectivitat funcional
● Connectivitat en DTI: Tractografia
26. Quins ANÀLISI podem fer?
I. Dades d’una sola regió:
II. Dades de tot el cervell
27. Quins ANÀLISI podem fer?
I. Dades d’una sola regió:
Hipòtesis-driven. Enfoc per Region Of Interest (ROI)
Nnnn.nn ML
Per cada subjecte
Estadística
28. Quins ANÀLISI podem fer?
I. Dades d’una sola regió:
Hipòtesis-driven. Enfoc per Region Of Interest (ROI)
– “Dades” (volum, grau d’activació, etc.) d’una regió més
gran o més petites en un grup de pacients vs. Controls.
– Correlació de “Dades” d’una regió amb un altre valor
quantitatiu (escala, marcador biològic, etc.)
– Correlació de “Dades” d’una regió amb una o moltes
altres regions (Conectivitat).
– Utilitzar “Dades” d’una regió com a marcador diagnòstic.
29. Quins ANÀLISI podem fer?
I. Dades d’una sola regió:
Hipòtesis-driven. Enfoc per Region Of Interest (ROI)
– “Dades” (volum, grau d’activació, etc.) d’una regió més
gran o més petites en un grup de pacients vs. Controls.
– Correlació de “Dades” d’una regió amb un altre valor
quantitatiu (escala, marcador biològic, etc.)
– Correlació de “Dades” d’una regió amb una o moltes
altres regions (Conectivitat).
– Utilitzar “Dades” d’una regió com a marcador diagnòstic.
30. Primers Epis. Controls t. value df p
Right Accumbens
volume, ml (M/SD)
0.266 / 0.011 0.244 / 0.005 10.430 45.889 0.001
Left volume, ml (M/SD) 0.269 / 0.013 0.241 / 0.006 10.437 44.849 0.001
31. Quins ANÀLISI podem fer?
I. Dades d’una sola regió:
Hipòtesis-driven. Enfoc per Region Of Interest (ROI)
– “Dades” (volum, grau d’activació, etc.) d’una regió més
gran o més petites en un grup de pacients vs. Controls.
– Correlació de “Dades” d’una regió amb un altre valor
quantitatiu (escala, marcador biològic, etc.)
– Correlació de “Dades” d’una regió amb una o moltes
altres regions (Conectivitat).
– Utilitzar “Dades” d’una regió com a marcador diagnòstic.
32.
33. Quins ANÀLISI podem fer?
I. Dades d’una sola regió:
Hipòtesis-driven. Enfoc per Region Of Interest (ROI)
– “Dades” (volum, grau d’activació, etc.) d’una regió més
gran o més petites en un grup de pacients vs. Controls.
– Correlació de “Dades” d’una regió amb un altre valor
quantitatiu (escala, marcador biològic, etc.)
– Correlació de “Dades” d’una regió amb una o moltes
altres regions (Conectivitat).
– Utilitzar “Dades” d’una regió com a marcador diagnòstic.
34.
35. Quins ANÀLISI podem fer?
I. Dades d’una sola regió:
Hipòtesis-driven. Enfoc per Region Of Interest (ROI)
– “Dades” (volum, grau d’activació, etc.) d’una regió més
gran o més petites en un grup de pacients vs. Controls.
– Correlació de “Dades” d’una regió amb un altre valor
quantitatiu (escala, marcador biològic, etc.)
– Correlació de “Dades” d’una regió amb una o moltes
altres regions (Conectivitat).
– Utilitzar “Dades” d’una regió com a marcador diagnòstic.
36. Dx TDAH:
Ratio de Caudat Dret/Bilat <0.482
• Se: 60.0
• Sp: 95.0
• VPP: 47%
• VPN: 94%
37. Quins ANÀLISI podem fer?
II. Dades de tot el cervell
“Voxel-wise”. No necessària hipòtesi a priori
Mapa de “Dades” (volum, regions activades, etc..) per cada
subjecte.
● Comparació de dos grups.
● Correlació entre el mapa i un altre valor quantitatiu
(escala, marcador biològic, etc..)
● Construir un model predictiu (Machine learning)
38.
39. Quins ANÀLISI podem fer?
II. Dades de tot el cervell
“Voxel-wise”. No necessària hipòtesi a priori
Mapa de “Dades” (volum, regions activades, etc..) per cada
subjecte.
● Comparació de dos grups.
● Correlació entre el mapa i un altre valor quantitatiu
(escala, marcador biològic, etc..)
● Construir un model predictiu (Machine learning)
40. Bergé et al 2010
Volum Substància Gris:
Primers Episodis Psicòtics vs. Controls
Contrast: Controls > Pacients
Regions amb p no corregida <0.001 i k > 100 vòxels.
41.
42. Quins ANÀLISI podem fer?
II. Dades de tot el cervell
“Voxel-wise”. No necessària hipòtesi a priori
Mapa de “Dades” (volum, regions activades, etc..) per cada
subjecte.
● Comparació de dos grups.
● Correlació entre el mapa i un altre valor quantitatiu
(escala, marcador biològic, etc..)
● Construir un model predictiu (Machine learning)
43.
44. ● Limitacions tècniques:
– Condicions de l’adquisició de la neuroimatge: setting, tasca...
– Resolució espaial-temporal
● Limitacions estadístiques:
– Variabilitat individual molt gran, sovint major que entre patologies.
– Inmens volum de dades.
●
Risc de multiple testing
●
Troballes espúrees, per atzar o poc consistents entre estudis.
●
Limitacions clíniques:
– Diagnòstics amb consistència limitada
– Instruments de mesura heterogenis
● Limitacions conceptuals:
– Menys volum =? Malfuncionament? O Funcionament més eficient.
– Alteracions volumètriques tradueixen canvis molt consistents.
Quines altres limitacions tindrem?
45. ● Limitacions tècniques:
– Condicions de l’adquisició de la neuroimatge: setting, tasca...
– Resolució espaial-temporal
● Limitacions estadístiques:
– Variabilitat individual molt gran, sovint major que entre patologies.
– Inmens volum de dades.
●
Risc de multiple testing
●
Troballes espúrees, per atzar o poc consistents entre estudis.
●
Limitacions clíniques:
– Diagnòstics amb consistència limitada
– Instruments de mesura heterogenis
● Limitacions conceptuals:
– Menys volum =? Malfuncionament? O Funcionament més eficient.
– Alteracions volumètriques tradueixen canvis molt consistents.
Quines altres limitacions tindrem?
46. Limitacions tècniques
● No moviment (15-30 min)
● No material ferro-magnètic
● Molt soroll
● Dispositius especials per visualitzar tasques
● Interferència sonora.
49. ● Limitacions tècniques:
– Condicions de l’adquisició de la neuroimatge: setting, tasca...
– Resolució espaial-temporal
● Limitacions estadístiques:
– Variabilitat individual molt gran, sovint major que entre patologies.
– Inmens volum de dades.
●
Risc de multiple testing
●
Troballes espúrees, per atzar o poc consistents entre estudis.
●
Limitacions clíniques:
– Diagnòstics amb consistència limitada
– Instruments de mesura heterogenis
● Limitacions conceptuals:
– Menys volum =? Malfuncionament? O Funcionament més eficient.
– Alteracions volumètriques tradueixen canvis molt consistents.
Quines altres limitacions tindrem?
51. En Neuroimatge:
Inmens volum de dades = Multiple comparisons problem
●
El valor “p”, dona la probabilitat de que els canvis en la senyal MRI siguin
deguts a la tasca
● Si p=0,05, hi ha un risc del 5% de classificar erròneament un VÒXEL, com
a actiu.
●
Un estudi voxel-wise: 100.000 voxels (t-tests), trobariem 5000 vòxels falsos
positius.
● 2 Maneres de disminuir aquest risc:
– Limitar n.º de vòxels que estudiem
– Correccions per comparacions múltiples
52. ● Limitacions tècniques:
– Condicions de l’adquisició de la neuroimatge: setting, tasca...
– Resolució espaial-temporal
● Limitacions estadístiques:
– Variabilitat individual molt gran, sovint major que entre patologies.
– Inmens volum de dades.
●
Risc de multiple testing
●
Troballes espúrees, per atzar o poc consistents entre estudis.
●
Limitacions clíniques:
– Diagnòstics amb consistència limitada
– Instruments de mesura heterogenis
● Limitacions conceptuals:
– Menys volum =? Malfuncionament? O Funcionament més eficient.
– Alteracions volumètriques tradueixen canvis molt consistents.
Quines altres limitacions tindrem?
53. Limitacions clíniques
● Estabilitat diagnòstica limitada en psiquiatría
– CIE-10 vs. DSM V.
● Us dels instruments de mesura (Escales),
sovint poc homogeni.
PANSS
BPRS
SANS
54. ● Limitacions tècniques:
– Condicions de l’adquisició de la neuroimatge: setting, tasca...
– Resolució espaial-temporal
● Limitacions estadístiques:
– Variabilitat individual molt gran, sovint major que entre patologies.
– Inmens volum de dades.
●
Risc de multiple testing
●
Troballes espúrees, per atzar o poc consistents entre estudis.
●
Limitacions clíniques:
– Diagnòstics amb consistència limitada
– Instruments de mesura heterogenis
● Limitacions conceptuals:
– Menys volum =? Malfuncionament? O Funcionament més eficient.
– Alteracions volumètriques tradueixen canvis molt consistents.
Quines altres limitacions tindrem?
57. Exercici
● SpSEG:Síndrome pre-Sincopal de l’Estudiant en Grup
(pSGSS)
– Estudiants universitaris
– En fer treballs en grup presenten episodis breus de:
● Mareig
● Visió borrosa
● Desorientació
● A vegades síncope
– A més: Disminució rendiment acadèmic global
– No presenten ansietat ni psicosi.
60. ● Quines preguntes podem respondre amb un
estudi de neuroimatge? Com hem de formular
les preguntes?
¿Podem esbrinar què pensa una persona amb
la fMRI?
¿Què pensen les persones amb esquizofrènia?
61.
62. Premisses
● Resposta BOLD = ? Activitat neural
● Activitat neural = ? Activitat neural específica
de l’estímul
– Ex: Activitat amigdala en por
● Patró d’activitat = ? Representació de l’estímul
63. ● * Paradoxa del performance-activació
● * Incògnita del volum com a síntoma de bon o mal
funcionament. (ex: embaraç vs primers epis)
● * Incògnita de l'activació com a bon funcionament
o via alternativa. (DMN), cicv. Subcallosa en
depressió
● * Paradoxa del DMN: dificultat en desactivar.
