Assessing specificity testing in Lesion Network Mapping
Dit artikel verduidelijkt de relatie tussen specificiteitstesten en andere varianten van Lesion Network Mapping (LNM), terwijl het aantoont dat persistente herhaling in LNM-specificiteitsnetwerken een fundamentele beperking in ziektespecificiteit onthult, waardoor de noodzaak voor nieuwe methodologische benaderingen om de hersencircuits die ten grondslag liggen aan neurologische en psychiatrische stoornissen te identificeren, wordt onderstreept.
Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dit is een AI-gegenereerde uitleg van een preprint die niet peer-reviewed is. Dit is geen medisch advies. Neem geen gezondheidsbeslissingen op basis van deze inhoud. Lees de volledige disclaimer
Het menselijk brein is geen verzameling geïsoleerde onderdelen, maar een uitgestrekt, onderling verbonden web waarin elk gebied met vele andere gebieden communiceert. Wanneer een specifiek gebied wordt beschadigd door een beroerte of een tumor, zijn de symptomen die een persoon ervaart — zoals depressie, geheugenverlies of bewegingsproblemen — vaak het gevolg van deze schade die een specifiek circuit binnen dat web verstoort. Jarenlang hebben wetenschappers een methode genaamd Lesion Network Mapping gebruikt om deze circuits te vinden. Het idee is eenvoudig: als je weet waar de laesie zich bevindt, kun je kijken naar een standaardkaart van hoe gezonde hersenen verbonden zijn om te voorspellen welke verre delen van het brein ook door die verwonding worden aangetast. Door de verbindingen van veel patiënten met vergelijkbare symptomen te middelen, hoopten onderzoekers de exacte neurale route te pinpointen die verantwoordelijk is voor een specifieke ziekte, wat een duidelijk doel biedt voor nieuwe behandelingen.
Een nieuwe analyse suggereert echter dat deze methode patronen ziet die er eigenlijk niet zijn. Een team van onderzoekers, onder leiding van Martijn van den Heuvel, onderzocht de resultaten van honderden studies die deze mappingtechniek gebruikten. Ze ontdekten dat de hersencircuits die werden geïdentificeerd voor zeer verschillende condities — zoals psychose, depressie en posttraumatische stressstoornis — bijna identiek waren. Sterker nog, de kaarten voor deze ongerelateerde ziekten waren zo vergelijkbaar dat ze meer dan 60 procent van hun kenmerken deelden, een mate van overlap die ongebruikelijk hoog is voor medische beeldvorming. De onderzoekers stellen dat deze herhaling geen teken is dat deze ziekten dezelfde oorzaak hebben, maar eerder een wiskundige eigenaardigheid van de methode zelf. Omdat de techniek steunt op een enkele, standaardkaart van hersenverbindingen om elke patiënt te analyseren, worden de resultaten onvermijdelijk naar de meest voorkomende patronen in die standaardkaart getrokken, ongeacht de specifieke ziekte die wordt bestudeerd.
De kern van het probleem ligt in de manier waarop de methode gegevens verwerkt. Wanneer wetenschappers Lesion Network Mapping gebruiken, nemen ze de locatie van de verwonding van een patiënt en projecteren deze op een "normatief connectoom", een grote database die de gemiddelde verbindingen van een gezond brein vertegenwoordigt. De onderzoekers toonden aan dat wanneer je twee groepen patiënten vergelijkt — bijvoorbeeld die met depressie versus die met een andere conditie — de methode simpelweg de gemiddelde verbindingen van de ene groep aftrekt van de andere. Omdat beide groepen afkomstig zijn uit dezelfde onderliggende database van gezonde verbindingen, wordt het resultaat nog steeds sterk gevormd door de structuur van de oorspronkelijke database. Het is alsof je probeert een unieke vingerafdruk te vinden door de handen van twee mensen te vergelijken met dezelfde generieke handafdruk; de verschillen die je vindt, zijn vaak slechts variaties van dezelfde basisvorm, in plaats van bewijs van een werkelijk onderscheidende identiteit.
Om dit te testen, heranalyseerde het team gegevens van tientallen gepubliceerde studies, die honderden patiënten en tientallen verschillende condities besloegen. Ze reconstrueerden de hersenkaarten die als "specifiek" voor bepaalde symptomen waren gepubliceerd en vergeleken deze met elkaar. De resultaten waren opmerkelijk. De kaarten die werden gegenereerd voor condities die zo verschillend zijn als de ziekte van Parkinson, cognitieve achteruitgang en angststoornissen, vertoonden een hoge mate van gelijkenis. Wanneer de onderzoekers keken naar de specifieke pieken van activiteit die deze studies claimden uniek te zijn voor een ziekte, ontdekten ze dat deze zelfde punten telkens weer opdoken bij ongerelateerde condities. Zo werd bijvoorbeeld een specifiek gebied in het onderste deel van de frontale kwab in één studie geïdentificeerd als een cruciaal doelwit voor depressie, maar hetzelfde gebied werd ook benadrukt als het cruciale doelwit voor cognitieve stoornissen na een beroerte en zelfs voor de sensatie van een buitenlichamelijke ervaring in andere studies.
De onderzoekers onderzochten ook of een nieuwere, complexere versie van de methode, die zij symptom-based mapping noemen, dit probleem kon oplossen. Deze benadering probeert de hersenkaarten direct te koppelen aan de ernst van de symptomen van een patiënt, in plaats van alleen aan hun diagnose. Het team kwam tot de conclusie dat deze methode wiskundig equivalent is aan de oudere benadering; het is simpelweg een andere manier van dezelfde aftrekking uitvoeren. Bijgevolg lijdt het aan dezelfde beperking. Of wetenschappers nu een eenvoudige vergelijking tussen twee groepen gebruiken of een complex statistisch model, de output blijft beperkt door de beperkte variëteit aan patronen die beschikbaar zijn in de standaard hersenkaart die ze gebruiken. De methode is effectief beperkt tot het vinden van verschillen die passen binnen de bestaande, laagdimensionale structuur van de gezonde hersenkaart, wat het moeilijk maakt om werkelijk unieke circuits voor specifie recente ziekten te ontdekken.
Dit betekent niet dat de hersencircuits voor deze ziekten niet bestaan, maar het suggereert dat de huidige tool niet nauwkeurig genoeg is om ze van elkaar te scheiden. De onderzoekers stellen voor dat het brein mogelijk werkt volgens een principe waarbij een klein aantal brede, gedeelde netwerken veel verschillende symptomen en condities beïnvloedt. In dit licht is de overlap in de kaarten geen falen van de data, maar een reflectie van hoe het brein is gebouwd. Dezelfde neurale paden kunnen betrokken zijn bij een breed scala aan menselijke ervaringen, van creativiteit tot angst, en een enkele verwonding kan deze gedeelde paden op manieren verstoren die over verschillende patiënten heen op elkaar lijken.
De studie concludeert dat het vakgebied de noodzaak heeft om voorbij het idee te gaan dat elk symptoom een enkel, geïsoleerd netwerk heeft dat wacht om gevonden te worden. In plaats daarvan moet toekomstig onderzoek zich richten op het begrijpen van hoe deze gedeelde, overlappende netwerken bijdragen aan het complexe landschap van menselijk gedrag en ziekte. Hoewel de huidige methode waardevolle inzichten heeft geboden, waarschuwen de onderzoekers dat het vertrouwen op deze methode om unieke doelwitten voor behandeling te identificeren, ertoe kan leiden dat wetenschappers patronen najaagt die artefacten zijn van de kaart zelf, in plaats van de ziekte. De weg vooruit vereist nieuwe benaderingen die voorbij de dominante, herhalende patronen van het gezonde brein kunnen kijken om de subtiele, specifieke verschillen te vinden die een conditie werkelijk definiëren.
Verdrinkt u in papers in uw vakgebied?
Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.