Le Child Mind Institute a publié un article détaillant son étude pionnière dans la revue Nature Comportement humain Intitulée « Aller au-delà des variations liées au traitement et à l'analyse dans l'imagerie cérébrale fonctionnelle au repos », la recherche identifie des défis importants dans la reproductibilité et la normalisation de l'imagerie par résonance magnétique fonctionnelle (IRMf) utilisée pour comprendre le fonctionnement et le comportement du cerveau ; et propose des solutions concrètes pour faire évoluer le domaine vers des résultats qui se traduisent par un impact dans le monde réel.
L'étude a été menée par Michael P. Milham, MD, PhD, directeur scientifique du Child Mind Institute, et Gregory Kiar, PhD, chercheur scientifique et directeur du Center for Data Analytics, Innovation, and Rigor du Child Mind Institute, en collaboration avec une équipe diversifiée de collaborateurs internationaux. L'article évalue de manière critique les pipelines de prétraitement dans l'analyse des données IRMf, des outils logiciels largement utilisés qui ont augmenté la participation dans le domaine de la recherche IRMf en automatisant les tâches analytiques de base.
L'étude n'a trouvé qu'une concordance modérée entre cinq pipelines populaires – ; Adolescent Brain Cognitive Development fMRI Pipeline (ABCD-BIDS) ; Connectome Computational System (CCS) ; Configurable Pipeline for the Analysis of Connectomes default pipeline (C-PAC:Default), développé par le Child Mind Institute ; Data Processing Assistant for Resting-State fMRI (DPARSF) ; et fMRIPrep Long-Term Support version (fMRIPrep-LTS) – ; lorsque des données identiques sont fournies. Cette variabilité affecte considérablement la fiabilité des résultats des études d'association à l'échelle du cerveau, qui sont essentielles pour comprendre les différences individuelles dans la fonction cérébrale et le comportement. Cela est particulièrement préoccupant car les chercheurs supposent souvent que ces pipelines sont interchangeables.
« Nous avons découvert que ce que nous apprenons sur le cerveau peut changer de manière significative en fonction du pipeline que nous choisissons », explique le Dr Kiar. « Le résultat le plus frappant est que la faible concordance entre les pipelines compromet également les conclusions que nous tirons de ces données prétraitées. Si nous voulons que notre travail se traduise en compréhension et en soins dans le monde réel, nous devons en être conscients et agir. »
Principales conclusions:
- Accord modéré sur les pipelines:L'étude a démontré que différents pipelines de prétraitement produisent des résultats différents, même lorsque les mêmes données sont utilisées. Il s'agit d'un défi important pour atteindre la reproductibilité dans les études d'IRMf.
- Impact sur les connaissances scientifiques:Les différences dans les étapes de prétraitement peuvent conduire à des résultats incohérents dans l’identification des associations cerveau-comportement. Cette incohérence est particulièrement préoccupante, car la communauté des neurosciences vise à traduire ces résultats en applications cliniques.
- Qualité des données et différences de pipeline : Les différences analytiques sont plus apparentes avec des données de haute qualité. Les pipelines constitueront le prochain obstacle à la génération de résultats, qui pourront être reproduits dans d'autres études à mesure que la collecte de données sera optimisée.
- Recommandations pour la normalisation:Le domaine doit adopter des méthodes normalisées et des pratiques de reporting transparentes. Cela implique de détailler toutes les étapes de traitement des données, y compris les versions de logiciels et les paramètres spécifiques utilisés.
Cette étude souligne l’importance de la fiabilité et de la normalisation dans le traitement des données. La reproductibilité est essentielle au progrès scientifique, et elle a été extrêmement difficile à atteindre dans le domaine de l’imagerie cérébrale. Cette étude représente une énorme quantité de temps et d’efforts pour révéler les menaces communes à la reproductibilité et reproduire les outils courants utilisés dans ce domaine. Cela permettra de réduire les obstacles pour tout le monde et de nous pousser à l’étape suivante.
Dr. Michael P. Milham, docteur en médecine, directeur scientifique du Child Mind Institute
Le Dr Milham, le Dr Kiar et leur équipe estiment qu'améliorer l'accord inter-pipeline (IPA) par le biais de la normalisation et de rapports méthodologiques clairs est crucial pour l'avancement du domaine. Ils préconisent la documentation de toutes les décisions, paramètres et versions liés au pipeline dans chaque publication, ainsi que l'utilisation de pipelines alternatifs dans les analyses pour déterminer si la variabilité inter-pipeline affecte les résultats de la recherche. Le pipeline configurable C-PAC du Child Mind Institute permet de comparer plusieurs pipelines ensemble dans un seul package et peut être utilisé à cette fin.
Créer un consensus solide et prendre des mesures proactives dès maintenant sur cette « prochaine frontière » dans la crise de reproductibilité du domaine de l’IRMf permettra aux chercheurs d’être mieux préparés à exploiter la puissance d’une meilleure qualité des données et d’ouvrir la voie à une ère d’informations solides et continues sur le cerveau et le comportement humain.
