Автоматическая сегментация сделала измерение внутренней структуры гиппокампа рутинным: стандартный скан выдаёт объёмы десятка и более субполей, и исследования старения, памяти и болезней теперь сообщают, какая именно зона связана с исходом. Однако результаты этих исследований противоречат друг другу: мета-анализы расходятся даже в знаке эффекта, а отдельные работы называют разные структуры без видимой связи с размером выборки или протоколом. Распространённое объяснение противоречий — нехватка статистической мощности, но споры о воспроизводимости касаются лишь того, воспроизводится ли связь, и не задаются вопросом, можно ли вообще восстановить её анатомическую локализацию. Данная работа стоит особняком: рядом в архиве лежат исследования диагностики по реакции ткани, измерения растущих органоидов, деления клеток с сохранением памяти, живых органов в чашке Петри, привыкания миниатюрных мозгов, сжатия речи, клеточных атласов и точной стимуляции, но ни одно из них не проверяло, способен ли реальный дизайн с субполями гиппокампа назвать правильную зону при наличии истинного эффекта.
Использовали данные 638 участников когорты Cam-CAN (возраст 18,6–89,0 лет, средний 55,2). Объёмы 36 субполей гиппокампа (по 18 на полушарие) получены в FreeSurfer 8.2.0 с вероятностным атласом Иглесиаса; объёмы логарифмировали, очищали от влияния внутричерепного объёма, возраста (сплайн), пола и образования, затем стандартизировали. Выделили глобальный фактор (среднее по всем зонам) и локальные контрасты, ортогональные ему. Основная модель — регуляризованная подкова (horseshoe) с априорным ожиданием четырёх значимых предикторов. Для проверки восстанавливаемости в реальные данные вносили искусственные эффекты известной локализации и величины (2% или 5% объяснённой дисперсии), а также в «отбелённую» копию того же дизайна, где корреляции между зонами удалены методом ZCA-отбеливания. В каждом повторе обе версии получали одинаковые подвыборки, столбцы, истинные предикторы, знаки и вектор шума; различался только масштаб коэффициентов. Сравнивали три оценщика: ридж-регрессию, лассо-путь и регуляризованную подкову. Сетка включала 4 размера выборки (100, 200, 400, 638), 2 величины эффекта, 80 парных повторов на ячейку; дополнительно варьировали гранулярность парцелляции (6, 12, 18, 36 зон) и схему внесения эффектов.
В наблюдаемых данных ни один из 36 локальных коэффициентов не был отличим от нуля: ни один 89% интервал не исключал ноль, апостериорное среднее эффективного числа ненулевых коэффициентов составило 1,89 при априорном ожидании 4. Глобальный фактор имел коэффициент +0,067 (89% интервал [0,004; 0,130]) и объяснял 0,6% дисперсии исхода. Локальный блок добавлял лишь 0,005 к байесовскому R², а разница в ожидаемой логарифмической плотности не превышала 4 единиц ни для одной модели. Стабильность между половинами когорты была крайне низкой: корреляция векторов коэффициентов в среднем +0,12, перекрытие топ-6 отборов 0,08, при этом повторные запуски на тех же данных давали идеальное совпадение (перекрытие 1,00). В эксперименте с внесёнными эффектами восстановление полного набора из трёх зон при 5% эффекте составило 20,8% при n=100 и 69,2% при n=638 для реального дизайна, против 30,0% и 85,0% для отбелённого. При 2% эффекте соответствующие значения: 15,4% и 38,3% против 15,4% и 53,3%. Подгонка кривой насыщения дала потолок восстановления 0,944 (реальный) и 1,05 (отбелённый) при 5% эффекте; при 2% эффекте потолки 0,544 и 0,738. Требуемый размер выборки для достижения критерия 0,8 при 5% эффекте: 1752–2803 участника для реального дизайна и 893–1151 для отбелённого, то есть корреляция умножает необходимый размер выборки в 1,5–3,1 раза. При 2% эффекте ни один дизайн не достигал критерия ни при каком размере выборки. Огрубление парцелляции до 6 зон дало восстановление лишь 0,750 (реальный) и 0,783 (отбелённый) при 2% эффекте. Выбор оценщика оказался важнее корреляции: при n=638 и 5% эффекте восстановление составило 24,6% для риджа, 69,2% для подковы и 76,7% для лассо. 58,6% пар зон были взаимозаменяемы (разница в leave-one-out R² менее 0,002).
Работа вносит в область исследований гиппокампа то, чего не хватало соседним работам по клеточным атласам и органоидам: прямую эмпирическую оценку того, может ли реальный дизайн с субполями назвать правильную зону при наличии истинного эффекта. В отличие от исследований, которые лишь сообщают о связях или измеряют надёжность сегментации, здесь впервые построен контрфактический эксперимент с парными «отбелёнными» данными, позволяющий отделить вклад корреляционной структуры от вклада размера выборки. Это не просто ещё одно исследование ассоциаций, а калибровочная поверхность, на которой можно заранее оценить реалистичность запланированного исследования. Главный вывод для науки: стандартные выводы о локализации эффекта в конкретном субполе часто не имеют под собой статистической основы, и практика называть «победителя» среди сильно скоррелированных зон должна уступить место отчёту об эквивалентных классах.
Тема может развиваться в сторону создания открытых инструментов для предварительной калибровки дизайна: исследователь сможет указать свою парцелляцию, ожидаемый размер эффекта и доступный размер выборки, чтобы получить реалистичную оценку вероятности верной локализации. Возможно появление стандартов отчётности, требующих указывать класс эквивалентности вместо отдельной зоны, а также рекомендаций по выбору оценщика, поскольку разница между методами оказалась больше, чем эффект корреляции. Перспективно распространение подхода «внесённых эффектов» на другие области мозга и другие модальности, где мультиколлинеарность также высока.
Результаты напрямую повлияют на планирование и интерпретацию исследований в когнитивной нейронауке, нейропсихологии и психиатрии, где используются объёмы субполей гиппокампа. Они также важны для генетических исследований, где уже принята практика корректировки на общий объём гиппокампа, и для разработки клинических биомаркеров на основе тонкой анатомии.
Ближайшие шаги включают пересчёт калибровочных кривых для других инструментов сегментации (например, ASHS) и для других когорт, чтобы оценить переносимость результатов. Также необходимо проверить, сохраняются ли выводы при использовании других когнитивных исходов и при продольных дизайнах.
Работа напрямую связана с фундаментальной проблемой невоспроизводимости в нейровизуализации: она показывает, что противоречия в литературе по субполям гиппокампа могут объясняться не только малой мощностью, но и принципиальной неидентифицируемостью локализации при типичных размерах эффекта. Это ставит под сомнение интерпретацию многих опубликованных результатов и требует пересмотра стандартов доказательности в исследованиях структура-поведение.
Условие числа матрицы дизайна составило 1727, а медианный фактор инфляции дисперсии — 7,3, что означает: информация о многих зонах почти полностью дублируется соседними. При этом 32 из 36 бивариантных корреляций с когнитивным фактором были положительными, то есть отрицательный коэффициент в многомерной модели пришлось бы интерпретировать как супрессию, а не как обратную связь.
Работа опубликована не на arXiv. Здесь её страница, PDF и формализация: проверить можно самим, а не только прочитать наш разбор.