MV-ComBat y MV-CovBat: Marcos multivariantes para la armonización conjunta de datos de neuroimagen multimetría

Área de la Ciencia:

• Análisis de neuroimagen
• Genética estadística
• Bioestadística

Sus antecedentes:

• La agregación de datos de neuroimagen entre sitios y estudios es común.
• Los efectos de lote relacionados con el sitio y el escáner pueden oscurecer la variación biológica e introducir asociaciones espurias.
• Los métodos ComBat existentes son principalmente univariantes y no logran tener en cuenta las dependencias entre múltiples métricas y características.

Objetivo del estudio:

• Desarrollar y evaluar extensiones multivariantes de ComBat para la armonización de datos complejos de neuroimagen.
• Abordar los efectos de lote en medias, varianzas y covarianza entre métricas/características.
• Mejorar la preservación de la señal biológica y la precisión en estudios de neuroimagen multisede y multimetría.

Principales métodos:

• Se propone MV-ComBat, una extensión multivariante de ComBat para la armonización conjunta de múltiples métricas.
• Se implementó MV-ComBat utilizando Bayes empírico (EB) y Cadenas de Markov de Monte Carlo bayesianas (MCMC).
• Se extendió CovBat a MV-CovBat para la armonización en el espacio latente de efectos de lote relacionados con la covarianza entre características y métricas.

Principales resultados:

• MV-ComBat reduce eficazmente los efectos de lote en múltiples métricas y características.
• La implementación de EB es robusta al error de medición.
• MCMC recupera mejor las correlaciones entre métricas.
• MV-CovBat separa aún más la variación biológica real de los efectos de lote cuando las suposiciones de independencia no se cumplen.
• Las simulaciones muestran que MV-ComBat mejora la recuperación de correlaciones y la preservación de la señal en comparación con ComBat univariante.

Conclusiones:

• MV-ComBat y MV-CovBat ofrecen un marco flexible para armonizar datos de neuroimagen complejos y multimetría.
• Estos métodos son cruciales para un análisis preciso en estudios de neuroimagen a gran escala y multisede.
• Los métodos propuestos mejoran la fiabilidad y la interpretabilidad de los hallazgos de neuroimagen.