Varredura de ressonância magnética no Laboratório de Cérebro e Comportamento da Universidade de Genebra, Suíça.Crédito: Salvatore Di Nolfi/EPA/Shutterstock
‘Desenho experimental’: estas palavras sinalizam uma seção de um artigo de pesquisa que muitos leitores podem estar inclinados a examinar rapidamente, antes de passarem para as descobertas reais. Mas um estudo em Natureza esta semana deveria fazer com que todos os pesquisadores – tanto leitores quanto escritores de artigos – considerassem se debruçar um pouco mais sobre os métodos que fazem parte do processo científico.
Leia o artigo: Os recursos do desenho do estudo aumentam a replicabilidade em estudos de associação em todo o cérebro
O estudo, liderado por Simon Vandekar, bioestatístico do Vanderbilt University Medical Center em Nashville, Tennessee, trata de como tornar os estudos de associação de todo o cérebro (BWAS) mais robustos (K. Kang e outros. Natureza https://doi.org/10.1038/s41586-024-08260-9; 2024). A ideia central do BWAS é estudar coleções de imagens cerebrais usando ferramentas estatísticas e algoritmos de aprendizado de máquina. Isto serve para prever quais características cerebrais específicas ou padrões de atividade estão associados a características ou comportamentos, por exemplo, uma capacidade de raciocinar abstratamente ou uma tendência a experimentar emoções negativas específicas.
Mas os BWAS têm um problema perene e bem conhecido de baixa replicabilidade: dois estudos sobre o mesmo tema podem chegar a conclusões diferentes. Grande parte do problema é que alguns estudos do BWAS precisam de grandes números de amostras para refletir os efeitos com precisão. Amostras pequenas podem exagerar a relação de uma determinada característica cerebral com um comportamento ou característica. No campo semelhante dos estudos de associação genómica – que procuram relacionar diferenças no ADN com características de saúde ou doença – o problema da falta de fiabilidade está a ser ultrapassado através da recolha de conjuntos de dados com dezenas de milhares de amostras de participantes. No entanto, no caso do cérebro, isto é muito mais difícil, especialmente para investigadores fora da Europa e dos Estados Unidos. Uma hora de exame em uma máquina de ressonância magnética (MRI) custa cerca de US$ 1.000. Os Institutos Nacionais de Saúde dos EUA distribuem anualmente cerca de 2 mil milhões de dólares para investigação em neuroimagem, mas poucos outros países dispõem deste nível de recursos.
Vandekar e seus colegas sugerem que concentrar-se na qualidade, e não na quantidade, poderia ser uma resposta. Eles analisaram mais de 100 mil exames de ressonância magnética de adultos e crianças saudáveis, bem como exames de crianças com problemas de saúde mental.
Dicas de design para estudos reproduzíveis que ligam o cérebro ao comportamento
O objetivo deles era explorar como fatores como idade, sexo, função cognitiva e saúde mental estão associados à estrutura e função do cérebro em diversos desenhos de estudo. Por exemplo, um estudo explorou como o volume do cérebro muda com a idade. Vandekar e seus coautores descobriram que, em comparação com exames únicos de várias pessoas – estudos transversais – exames repetidos de ressonância magnética das mesmas pessoas ao longo do tempo produziram resultados mais robustos (ver RJ Chauvin e NUF Dosenbach Natureza https://doi.org/10.1038/d41586-024-03650-5; 2024).
Esses estudos longitudinais há muito provaram seu valor em áreas da ciência como a identificação de biomarcadores para doenças crônicas ou degenerativas (Y. Guo e outros. Envelhecimento da Natureza 4247–260; 2024). Embora não funcionem para alguns tipos de questões para as quais são necessários estudos transversais, os estudos longitudinais são bons para descartar fatores irrelevantes que pareciam estar implicados durante pequenos estudos transversais.
Há, no entanto, advertências: os investigadores que realizam estudos longitudinais devem, por exemplo, ter o cuidado de deixar intervalos suficientemente longos entre as medições de qualquer indivíduo, se quiserem captar diferenças significativas e estatisticamente significativas ao longo do tempo. Vandekar e os seus colegas também enfatizam que os investigadores devem ter em conta tanto as mudanças que acontecem nos indivíduos ao longo do tempo como as diferenças entre os indivíduos.
Toda pesquisa precisa ser planejada. Para o BWAS, a selecção dos participantes de forma a obter resultados robustos e a utilização dos modelos estatísticos correctos pode melhorar a fiabilidade dos resultados sem a necessidade automática de amostras massivas. Os benefícios do rigor estatístico, por sua vez, realçam a necessidade de maior colaboração entre estatísticos e neurocientistas, uma vez que utilizam métodos de tratamento de dados mais sofisticados nas suas investigações. Estas descobertas serão valiosas para a comunidade neurocientífica e merecem maior atenção.
Muitos campos da ciência estão a mergulhar na descoberta orientada por dados, cada vez mais auxiliados pelas capacidades de procura de padrões dos algoritmos de inteligência artificial. À medida que o fazem, as questões de correlação e causalidade, e de garantir que os resultados sejam estatisticamente significativos e reprodutíveis, tornam-se cada vez mais pertinentes. Isso significa que os pesquisadores não devem ignorar o projeto experimental, quer estejam lendo ou escrevendo um artigo.
Uma maior atenção aos métodos de investigação e à forma como um estudo obtém o sinal do seu efeito é a forma de garantir que os resultados resistem ao teste do tempo.
