Evaluación objetiva de la calidad de datos de resonancia magnética funcional de precisión

Área de la Ciencia:

• Neuroimagen
• Neurociencia Computacional
• Análisis de Redes Cerebrales

Sus antecedentes:

• El mapeo funcional de precisión (PFM) ofrece información sobre las redes cerebrales individualizadas, pero exige datos de fMRI de alta calidad.
• Los criterios actuales para evaluar la suficiencia y calidad de los datos para PFM no están bien definidos, lo que dificulta la reproducibilidad.
• La falta de métricas objetivas complica la interpretación y replicación de los hallazgos de fMRI a nivel individual.

Objetivo del estudio:

• Introducir una medida objetiva, el Índice de Similitud de Red (NSI), para evaluar la calidad de los datos de fMRI para PFM.
• Proporcionar un marco para la evaluación de la calidad de los datos basada en NSI y la idoneidad del PFM.
• Guiar las decisiones sobre la suficiencia de los datos y optimizar las estrategias de recopilación de datos en la investigación de fMRI de precisión.

Principales métodos:

• Se desarrolló el Índice de Similitud de Red (NSI) para cuantificar la integridad de la organización de redes a gran escala en conjuntos de datos de fMRI individuales.
• Se evaluó la alineación del NSI con las evaluaciones de expertos sobre la usabilidad del PFM y su capacidad para tener en cuenta la variabilidad individual en la fiabilidad de la conectividad funcional.
• Se creó un marco de código abierto para la implementación del NSI y se desarrollaron modelos que vinculan los valores del NSI con la idoneidad del PFM.

Principales resultados:

• El NSI mide objetivamente hasta qué punto los patrones de conectividad funcional reflejan la estructura de red esencial para el PFM.
• El NSI demuestra una fuerte concordancia con las evaluaciones de expertos ciegas sobre la calidad de los datos de PFM.
• El marco NSI tiene en cuenta las diferencias individuales en la fiabilidad de la conectividad funcional.

Conclusiones:

• El NSI proporciona una métrica objetiva y cuantitativa para evaluar la calidad de los datos de fMRI para el mapeo funcional de precisión.
• Este marco facilita decisiones fundamentadas sobre la suficiencia de los datos y optimiza la recopilación de datos para la investigación reproducible de redes cerebrales a nivel individual.
• La herramienta NSI de código abierto mejora la fiabilidad y la interpretabilidad de los estudios de fMRI de precisión.