El trabajo está bastante aislado: sus vecinos más cercanos se dedican a la resonancia magnética de próstata, a la segmentación de imágenes médicas y al lensado débil, y no hay análogos directos sobre el suavizado de mapas cuantitativos del cerebro. Alrededor ya se ha hecho mucho: se ha demostrado que la resonancia magnética cuantitativa detecta cambios semanas antes de la recidiva de un glioma, que la edad modifica la mielina, el hierro y el agua del cerebro, y que el suavizado ponderado por tejido mejora la reproducibilidad. Pero faltaba una comparación sistemática de las distintas formas de suavizado sobre los mismos datos.
Se utilizó un conjunto de datos abierto de 138 personas sanas de entre 19 y 75 años: cuatro mapas cuantitativos (MTsat, PD, R1, R2*) en un espacio estándar. Cada mapa se suavizó de tres maneras: ponderada por tejido (TWS), generalizada específica por tejido (gTSPOON) y SUSAN, que preserva los bordes. Después, para cada variante se construyeron modelos lineales voxel a voxel con la edad como factor y teniendo en cuenta el sexo, el volumen cerebral y el tipo de escáner. Se comprobó la inferencia estadística paramétrica y no paramétrica, y también se compararon los mapas mediante el logaritmo de la verosimilitud, el método de Bland-Altman y métricas de similitud.
TWS y gTSPOON dieron umbrales de significación y patrones espaciales casi idénticos, pero TWS encontró más vóxeles significativos debido a un suavizado efectivo un poco más intenso. SUSAN mostró umbrales más altos y menos vóxeles significativos, aunque más conglomerados: su suavizado efectivo resultó aproximadamente dos veces más débil. El logaritmo de la verosimilitud reveló que TWS funciona mejor en el interior de la sustancia gris y la blanca, gTSPOON en la periferia, y SUSAN en los límites entre tejidos. La similitud entre TWS y gTSPOON fue alta, sobre todo en la sustancia blanca, mientras que SUSAN se diferenció notablemente, y más que nada en la sustancia gris.
El trabajo se distingue de los vecinos porque por primera vez compara de forma sistemática tres estrategias de suavizado sobre los mismos datos cuantitativos de resonancia magnética, con una evaluación de la calidad local del modelo. Los trabajos cercanos o bien proponen un único método, o bien aplican el suavizado como un paso rutinario sin ese tipo de comparación. Aquí se muestra que la elección del suavizado cambia la topología estadística más que la elección entre inferencia paramétrica y no paramétrica.
Se pueden desarrollar métodos adaptativos o híbridos que elijan el suavizado óptimo vóxel a vóxel según el logaritmo de la verosimilitud. Esto permitirá combinar los puntos fuertes de los enfoques ponderado por tejido y preservador de bordes, y aumentar la sensibilidad a los cambios sutiles en la corteza.
Los resultados son importantes para los estudios longitudinales y multicéntricos sobre el envejecimiento, la esclerosis múltiple y otras afecciones en las que la resonancia magnética cuantitativa se usa para detectar cambios microestructurales.
Comprobar el enfoque propuesto con datos independientes y otros parámetros cuantitativos, y también implementar en software libre la selección adaptativa del suavizado vóxel a vóxel.
En la resonancia magnética cuantitativa sigue sin resolverse la cuestión de cómo separar los cambios biológicos reales de los artefactos de volumen parcial y del ruido. Este trabajo muestra que la elección del suavizado puede enmascarar o, al contrario, revelar efectos sutiles de la edad, y ofrece una herramienta para evaluar esa elección de forma local.
En los mapas de MTsat de la sustancia blanca, el suavizado ponderado por tejido encontró hasta 93 060 vóxeles significativos, mientras que SUSAN solo 63 340, aunque ambos métodos se consideran «específicos por tejido».
No publicado en arXiv. Aquí están su página, el PDF y la formalización: puede comprobarlo usted mismo, no solo leer nuestro análisis.