Неточности в МРТ заставили ученых сомневаться в итогах 40 тысяч научных исследований

Ученые из Великобритании и Швеции сделали вывод, что ошибки в ПО техники, предназначенной для функциональной магнитно-резонансной томографии, или фМРТ, могли стать причиной неправильных результатов в более, чем 40 тысячах работ и исследований. Отчет с таким выводом был опубликован в международном научно-исследовательском журнале.

Работает фМРТ следующим образом: аппаратура определяет, насколько активен тот или иной участок мозга, выполняя разные задачи, сопровождающиеся изменением интенсивности тока крови. Чтобы проанализировать течение крови, мозг исследуемого делится на воксели – небольшие трехмерные частицы. Далее воксели, обладающие схожими свойствами, объединяются в кластеры при помощи метода корреляции в пространстве. Именно кластеры частиц и анализируются приборами, и точность итогов анализа теперь находится под сомнением.

Ученые, которые могут опровергнуть результаты фМРТ, исследовали 499 человек, которые были абсолютно здоровы и прошли процедуру в покое. Было сформировано несколько групп, где находилось по 20 человек, а итоги обследования были сопоставлены по почти двум сотням возможных комбинаций. Использование для этих целей пакетов для фМРТ дало почти 3 млн сравнений для каждого параметра.

Проанализировав данные, исследователи пришли к выводу, что использование пакетов FSL, AFNI и SPM для оборудования может давать до 70% неправильных (ложнопозитивных) результатов, если допустимое значение параметра указано в пределах 5%. Если алгоритм сделал точное заключение по вокселам, то точность исследования кластера значительно понижается ввиду несоответствия корреляционной функции гауссиане параметра.

Итоги исследования дают возможность усомниться в результатах, которые были получены с использованием алгоритмов в фМРТ, а ведь за последние два десятка лет специалисты опубликовали около 40 тысяч работ на эту тему. Британские и шведские специалисты считают, что повышение точности итогов обследования с понижением неправильных заключений возможно при использовании в алгоритмах непараметрических типов моделей, строение которых образовывается не заранее, а по итогам исследования.