Cada año se publican miles de estudios sobre imagen cerebral. Un subconjunto de estos estudios son o duplicados o ligeras variaciones de estudios anteriores. El intentar llegar a una sólida conclusión basada en los complejos patrones de actividad cerebral relatado por todas estos duplicados puede ser desalentador. El Meta-análisis es una herramienta que ha sido utilizada para dar sentido a todos estos duplicados. Los Meta-análisis toman los lugares de actividad cerebral publicados en diferentes artículos científicos, y los reunen para ver si hay alguna consistencia.
Normalmente esto se hace usando un cerebro estandarizado donde se encajan los datos de todos los estudios (por ej., Talairach). Las coordenadas de activación se colocan sobre un cerebro modelo como si fueran puntos. Cuando los puntos tienden a agruparse juntos, ser puede ver que hay alguna consistencia presente en los estudios. Para ver un ejemplo de esta clase de resultado, mirar la siguiente figura:
Sin embargo, han surgido maneras más sofisticadas de hacer esto. Uno de estos métodos más avanzados es el llamado estimación de probabilidad de activación (ALE, de Activation Likelihood Estimation). Este método fue desarrollado por Peter Terkeltaub y col. (junto a Jason Chein y Julie Fiez) en 2002 y ampliado por Laird y col. en 2005.
ALE calcula la probabilidad de activación de cada parte del cerebro a través de los diferentes estudios. Es mucho más poderoso que la simple determinación de puntos, porque toma la mayor parte de las conjeturas decidiendo si un resultado es constante o no a través de los estudios.
Esta clase de estadísticas son muy importantes, ya que a la ciencia le gusta situar la probabilidad de equivocarse en menos del 5 %. Esto significa que alrededor del 5% de todos los resultados deberían estar equivocados, simplemente por probabilidad. Los Meta-análisis pueden ayudar a reducir este problema calculando la probabilidad de que un hallazgo esté equivocado en los diferentes estudios.
Se ha lanzado un paquete de software muy útil para realizar análisis ALE llamado, GingerALE. Este software es bastante fácil de usar, y puede ayudar a la comprensión de la función cerebral. La facilidad y la velocidad de conseguir resultados por meta-análisis nos indica que la simple curiosidad puede conducir a un mayor entendimiento del cerebro (a través de la literatura sobre neuroimagen) en muy poco tiempo. Aquí se muestra cómo realizar un análisis ALE:
-
Escribir los parámetros de artículos publicados en GingerALE. Aunque es mejor usar otro paquete de software, Sleuth, para buscar los estudios de interés. Descargue e instale Sleuth.
-
Abrir Sleuth y seleccionar ‘Experiments ‘. Se van a encontrar uno o varios tipos de experimento en ‘Paradigm Class’. Añadir a su búsqueda. Se puede refinar la búsqueda como se quiera. Seleccionar ‘Start Search’. (Han estado teniendo problemas con el servidor; quizás se necesite intentarlo más tarde si no funciona.)
-
Seleccionar todos los resultados y presionar ‘Download All’
-
Ahora se debería poder ver el mapa de puntos resultante en la pestaña ‘Plot’.
-
Para resultados más precisos e informativos, se necesita GingerALE. En Sleuth, ir a la barra de menú y bajo Export, seleccionar ‘Locations’. Descargue e instale GingerALE.
-
En GingerALE, seleccionar File>’Open Foci’. Después seleccionar el fichero de texto con las coordenadas de activación que se exportaron desde Sleuth.
-
Básicamente, se querrá comenzar en el principio de la ventana en GingerALE, e ir bajando. Empezar calculando el ALE. Después, el test de permutación (el paso más lento del trabajo). Se puede corregir por comparación múltiple utilizando el índice de descubrimientos falsos. Finalmente, aplicar el umbral. Los valores por defecto en cada paso suelen funcionar bien.
-
Una vez obtenidos los resultados, se pueden ver en un programa llamado MRIcron. Las instrucciones de cómo usar este programa están aquí. Se necesitaran imágenes estructurales de RMN para superponerlas sobre el análisis ALE. Se pueden encontrar aquí: Colin1.1.nii. Simplemente hay que abrir Colin1.1.nii con MRIcron, seleccione Overlay>’Add’, y seleccione el fichero de salida ALE.
-
Se debería ver un mapa de la activación probabilística comparando los estudios que se han seleccionado.
Este es un ejemplo de los resultados del meta-análisis con ALE del test de Stroop (el incremento del brillo indica el aumento de probabilidad de la activación del cerebro entre los diferentes estudios): 
