Mapas de estadísticos paramétricos (SPM) en medicina nuclear

Gispert JD, et al. Mapas de estadísticos paramétricos (SPM) en medicina nuclearejemplo) y efectos «correctores» (efecto de la edad),así como por diferencias entre las medias de dos factores.Mediante el GLM, esto se realiza mediante ladefinición de un «contraste».Un contraste se define mediante un vector. La longitudde este vector es igual al número de efectos incluidosen la matriz de diseño, de modo que cadaefecto «se pondera» por su elemento correspondiente.Si el efecto es corrector, entonces se pondera con uncero en el vector contraste. En caso de que el efectosea paramétrico, el contraste determina si la correlaciónbuscada es positiva, mediante un «1», o biennegativa mediante un «–1», en la posición correspondientea ese efecto en el vector contraste. En casode efectos categóricos los contrastes deben cumpliruna condición importante: la suma de todos los pesosen el contraste en las columnas de efectos categóricosdebe ser igual a cero. Esto viene dado pormotivos matemáticos que escapan a la intención deeste artículo.En el ejemplo, la pertenencia al grupo de pacientescontribuye con peso negativo (menor metabolismoque controles), el grupo de controles contribuye conpeso positivo (mayor metabolismo que pacientes) yla edad, al ser un efecto corrector, tendría peso cero(fig. 3e). De este modo, el vector de contraste sería[1 –1 0], ya que la suma de los efectos 1 y 2 debe sercero. En el caso contrario, para comprobar qué regionespresentan un metabolismo mayor en pacientes,el contraste sería [–1 1 0].Llegados a este punto, SPM realiza el test estadístico(un test t o un test F), descrito mediante la matrizde diseño y el contraste, en todos los vóxels dela imagen de forma independiente. El resultado es unaimagen cuyo valor en cada vóxel es el resultado deltest estadístico y a la que se denomina mapa paramétricoestadístico (de ahí el nombre del software,figs. 1 y 2).AGRADECIMIENTOSLos autores desean agradecer al Dr. Vicente Molinala aportación de estudios PET para su análisis eneste centro y a los Drs. Celso Arango y Pedro Domínguezsus comentarios acerca de este artículo. Estetrabajo ha sido financiado en parte por los proyectosTIC99 #1085-C02 y FIS #00/0036; Comunidad deMadrid IIIPRICYT; y por «Fundació La Caixa»#99/042-00.BIBLIOGRAFÍA1. Ashburner J, Friston K, Holmes A, Poline JB. Statistical ParametricMapping, The Wellcome Department of Cognitive Neurology,University College London. Londres, Reino Unido. Disponibleen: http://www.fil.ion.ucl.ac.uk/spm/.2. Friston KJ, Holmes AP, Worsley KJ, Poline JP, Frith CD, FrackowiakRSJ. Statistical parametric maps in functional imaging:a general linear approach. Hum Brain Map 1995;2:189-210.3. Woods RP, Cherry SR, Maziota JC. Rapid automated algorithmfor aligning and reslicing PET images. J Comput Assist Tomogr1992;16:620-33.4. Ashburner J, Neelin P, Collins DL, Evans AC, Friston KJ. Incorporatingprior knowledge into image registration. NeuroImage1997;6:344-52.5. Ashburner J, Friston K. Multimodal image coregistration andpartitioning - a unified framework. Neuroimage 1997;6:209-17.6. Barnden L, Kwiatek R, Lau Y, Hutton B, Thurfjell L, Pile K,et al. Validation of fully automatic brain SPET to MR co-registration.Eur J Nucl Med 2000;27:147-54.7. Evans AC, Collins DL, Mills SR, Brown ED, Kelly RL, PetersTM. 3D statistical neuroanatomical models from 305 MRI volumes.in IEEE-Nuclear Science Symposium and Medical ImagingConference. 1993. Piscataway, New Jersey.8. Talairach J, Tournoux P. A Co-planar Stereotatic Atlas of theHuman Brain. Stuttgart: Thieme; 1988.9. Worsley KJ, Marrett S, Neelin P, Vandal AC, Friston JJ, Evans AC.A unified statistical approach for determining significant voxels inimages of cerebral activation. Hum Brain Map 1996;4:58-73.10. Chatfield C, Collins AJ. Introduction to Multivariate Analysis.London: Chapman and Hall; 1980.11. Petersson KM, Nichols TE, Poline JB, Holmes AP. Statisticallimitations in functional neuroimaging. I. Non-inferential methodsand statistical models. Philos Trans R Soc Lond B BiolSci 1999;354:1239-60.12. Petersson KM, Nichols TE, Poline JB, Holmes AP. Statisticallimitations in functional neuroimaging. II. Signal detection andstatistical inference. Philos Trans R Soc Lond B Biol Sci1999;354:1261-81.13. Ashburner J, Friston KJ. Voxel-based morphometry-The methods.Neuroimage 2000;11:805-21.14. Missimer J, Knorr U, Maguire RP, Herzog H, Seitz RJ, TellmanL, et al. On two methods of statistical image analysis. HumBrain Mapp 1999;8:245-58.15. Davatzikos C, Li HH, Herskovits E, Resnick SM. Accuracy andsensitivity of detection of activation foci in the brain via statisticalparametric mapping: a study using a PET simulator.Neuroimage 2001;13:176-84.16. Lahorte P, Vandenberghe S, Van Laere K, Audenaert K, LemahieuI, Dierckx RA. Assessing the performance of SPManalyses of spect neuroactivation studies. Statistical ParametricMapping. Neuroimage 2000;12:757-64.17. Stamatakis EA, Glabus MF, Wyper DJ, Barnes A, Wilson JT. Validationof statistical parametric mapping (SPM) in assessing cerebrallesions: a simulation study. Neuroimage 1999;10:397-407.18. Wang GJ, Volkow ND, Levy AV, Felder CA, Fowler JS, PappasNR, et al. Measuring reproducibility of regional brain metabolicresponses to lorazepam using statistical parametric maps.J Nucl Med 1999;40:715-20.19. Frackowiak RSJ, Friston KJ, Frith CD, Dolan RJ, Maziota JC.Characterising brain images with the general linear model. SanDiego: Academic Press; 1997.20. Acton PD, Friston KJ. Statistical parametric mapping in functionalneuroimaging: beyond PET and fMRI activation studies.Eur J Nucl Med 1998;25:663-7.52Rev. Esp. Med. Nuclear, 2003;22(1):43-5358