Por @Wicho — 3 de Octubre de 2012

El salmón zombie
El salmón zombie

Hace poco Craig Bennett, Abigail Baird, Michael Miller, y George Wolford ganaban el premio Ig Nobel 2012 de neurociencia por demostrar que los investigadores, usando instrumentos complicados y estadísticas simples, pueden ver actividad cerebral significativa en cualquier sitio, incluso en un salmón muerto.

Y aunque suene a broma es un tema muy importante, así que he leído con interés la entrevista que les hace Maggie Koerth-Baker a Bair y Bennett en What a dead fish can teach you about neuroscience and statistics.

Una de las primeras cosas que aclaran es que una imagen por resonancia magnética funcional, una fMRI, no mide directamente la actividad eléctrica del cerebro, algo que hubiera sido realmente sorprendente encontrar en un salmón muerto, sino la acumulación de sangre rica y pobre en oxígeno en distintas partes del cerebro.

Ambos tipos de sangre tienen distintas propiedades magnéticas, y un fMRI es capaz de diferenciarlas gracias a eso, con lo que la idea es que si se detecta una acumulación de sangre pobre en oxígeno en una parte determinada del cerebro es porque esta ha estado más activo.

En ese sentido tiene la ventaja frente a un encefalograma de que si bien este sí mide la actividad eléctrica del cerebro, no es capaz de indicar la zona en la que se produce salvo de forma bastante imprecisa.

Pero el aporte de sangre a un punto determinado del cerebro va con unos segundos de retraso respecto al momento en el que se pide, por lo que el tiempo tiene mucha importancia en el fMRI, lo que te obliga, por ejemplo, a decidir cuantos segundos después una medición es significativa para lo que estás mirando.

Además, las mediciones hechas durante una fMRI son inherentemente ruidosas y te puedes encontrar con que una bombilla estropeada influye en ellas, igual que lo hacen los latidos del corazón o los propios imanes de la máquina que también introducen su propio ruido en las mediciones.

Voluntario para unas pruebas en un fMRI
Una máquina fMRI - Foto CC Janne Moren

Hay que tomar muchos datos, de tal forma que puedas eliminar el ruido y quedarte con lo significativo. Es el motivo, por ejemplo, de que en el LHC realicen millones y millones de colisiones para obtener sus resultados y que los vayan refinando según tienen más datos, en busca de sigmas cada vez más altos.

En el caso del salmón, además, lo que provocaba las supuestas medidas de actividad era el tejido graso de su cerebro, que también da resultados distintos en zonas en las que es más y menos denso, lo que se podía interpretar como actividad.

Es cierto que los autores del estudio lo diseñaron para poderse dejar «engañar» por estos falsos resultados, pero precisamente ese era su objetivo: dejar claro que tienes que ser muy consciente de las limitaciones de tus instrumentos y de tu método antes de lanzar las campanas al vuelo.

También es importante, dicen Bair y Bennett, el diseñar correctamente el experimento, pues si bien es correcto usar un fMRI para detectar qué zonas del cerebro responden a un estímulo en una parte determinada del campo visual es imposible decir, como así se ha hecho, que un fMRI detecta difrencias entre el cerebro de un republicano y un demócrata si les enseñas, por ejemplo, imágenes de gente en la cola del paro.

Es mucho más probable que sus diferentes reacciones tengan que ver con si son personas compasivas que con que sean demócratas o republicanos; de hecho es muy posible que en grupos compuestos sólo por demócratas o sólo por republicanos puedas encontrar también diferencias.

Dicen además que hasta un 40% de los trabajos publicados en 2008 –su estudio es de 2009– no han aplicado las correcciones necesarias para eliminar errores estadísticos, y que incluso de hacerlo es posible que se cuelen falsos positivos, por lo que insisten en la importancia de hacer bien los deberes.

El estudio de Bennett, Baird, Miller y Wolford está disponible como PDF [864 KB] en Neural correlates of interspecies perspective taking in the post-mortem Atlantic Salmon: An argument for multiple comparisons correction por si te apetece profundizar más en el tema.

Compartir en Flipboard  Compartir en Facebook  Tuitear