Normative modeling in neuroimaging across psychiatric and neurological disorders: a systematic review and the NORMA reporting checklist
Esta revisão sistemática de 122 estudos de neuroimagem destaca a mudança em direção à modelagem normativa individualizada na psiquiatria e neurologia, identifica lacunas críticas nos fundamentos empíricos e na transparência de relato, e introduz o checklist NORMA de 18 itens para padronizar a construção, validação e aplicação clínica dos modelos.
Artigo original sob licença CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Esta é uma explicação gerada por IA de um preprint que não foi revisado por pares. Não é aconselhamento médico. Não tome decisões de saúde com base neste conteúdo. Ler aviso legal completo
Imagine que você é um médico tentando descobrir se uma criança está crescendo de forma saudável. Por mais de um século, você não apenas perguntou: "Este grupo de crianças é mais alto que aquele outro?". Em vez disso, você retira um gráfico de crescimento. Este gráfico mostra a faixa normal de altura para cada idade e sexo. Você não olha apenas para a média; você olha para onde esta criança específica se encontra na curva. Se ela estiver muito fora do gráfico, isso é um indício de que algo pode estar errado. Este é o poder da "modelagem normativa".
Por décadas, neurocientistas tentaram entender transtornos mentais e neurológicos (como esquizofrenia ou autismo) comparando o cérebro médio de um grupo de pacientes contra o cérebro médio de pessoas saudáveis. É como comparar a altura média de um time de basquete com a altura média de um time de futebol. Mas essa abordagem tem uma grande falha: ela trata todos os indivíduos do grupo como se fossem iguais. Na realidade, os cérebros são complexos. Duas pessoas com o mesmo diagnóstico podem ter problemas cerebrais completamente diferentes, e duas pessoas com diagnósticos diferentes podem compartilhar as mesmas peculiaridades cerebrais. O cérebro "médio" muitas vezes esconde a história única e individual da pessoa que está sentada à sua frente. Este artigo faz uma pergunta crucial: Podemos finalmente passar da comparação de grupos para a compreensão de indivíduos, e estamos fazendo isso da maneira correta?
O Panorama Geral: Uma Revisão Sistemática
Este artigo é uma "revisão sistemática" massiva, que é, basicamente, uma busca detalhada por tesouros. Os autores, liderados por Shinichiro Luke Nakajima e uma equipe de pesquisadores, vasculharam a literatura científica para encontrar todos os estudos que tentaram usar essa abordagem de "gráfico de crescimento" para o cérebro. Eles encontraram 122 estudos que se encaixavam nesse perfil, publicados entre 2018 e o início de 2025.
Aqui está o que eles descobriram sobre o estado atual do campo:
1. As Ferramentas Estão Ficando Sofisticadas
Os cientistas estão atualizando suas ferramentas matemáticas. No passado, a maioria dos estudos usava um método chamado Regressão de Processo Gaussiano (GPR). Mas recentemente, o campo mudou para métodos mais complexos e flexíveis, especificamente a regressão bayesiana e a regressão de distribuição. Pense nisso como atualizar uma régua simples para um scanner 3D que pode medir não apenas a altura média, mas também o quanto as pessoas variam em altura e forma. Até 2024, esses métodos mais novos estavam sendo usados em quase 60% dos estudos.
2. O Problema do "Grupo de Referência"
Para construir um gráfico de crescimento cerebral, você precisa de um grupo de referência saudável e enorme para definir o que é o "normal". Os autores descobriram que, embora alguns estudos tenham usado conjuntos de dados massivos (até 77.157 pessoas!), o estudo mediano utilizou apenas 642 pessoas. Isso é um pouco pequeno para obter um mapa perfeito dos extremos.
Mais importante ainda, o "mapa" é frequentemente enviesado. Os maiores conjuntos de dados, nos quais muitos pesquisadores confiam, vêm majoritariamente do Reino Unido e dos EUA e são predominantemente brancos. O artigo aponta que, se o seu mapa de referência é desenhado principalmente para um tipo de pessoa, as "pontuações de desvio" (o quão longe do mapa o paciente está) podem estar erradas para pessoas de outras origens. É como usar um gráfico de crescimento feito para adultos para medir uma criança pequena; os números podem parecer "anormais", mas isso é apenas porque o gráfico foi construído para o grupo errado.
3. A "Caixa Preta" da Validação
Este é o maior receio do artigo. Só porque você construiu um modelo sofisticado, não significa que ele funcione em novas pessoas. Os autores descobriram que a validação externa — testar o modelo em um novo grupo de pessoas saudáveis de um lugar diferente — foi relatada em apenas 8% dos estudos.
Imagine um aplicativo de previsão do tempo que prevê a chuva perfeitamente na sua cidade, mas nunca foi testado em uma cidade vizinha. Se você levar esse aplicativo para a cidade vizinha, não tem ideia se ele funcionará. O artigo sugere que, sem essa etapa, não podemos ter certeza se as pontuações cerebrais "anormaisas" que encontramos são reais ou apenas uma falha no modelo.
4. Os Detalhes Ausentes
Os pesquisadores também notaram que muitos estudos não contavam a história completa. Embora quase todos relatassem o que estavam estudando, menos da metade explicava detalhadamente como construíram seus modelos ou quem exatamente estava em seus grupos de pacientes. Eles levaram em conta a medicação? Eles verificaram outras questões de saúde? Sem esses detalhes, é difícil comparar estudos ou confiar nos resultados.
A Solução: O Checklist NORMA
Como o campo está crescendo rapidamente, mas de forma tão inconsistente na prestação de contas, os autores criaram uma nova ferramenta chamada NORMA (Avaliação de Modelagem Normativa). É um checklist de 18 itens, como a lista de verificação pré-voo de um piloto. Ele força os pesquisadores a serem transparentes sobre:
- Como construíram seu grupo de referência.
- Como lidaram com as diferenças entre diferentes scanners ou hospitais.
- Como validaram seu modelo.
- Como interpretaram os resultados para os pacientes.
A Conclusão
O artigo conclui que, embora os métodos para criar esses mapas cerebrais individuais estejam se tornando melhores e mais sofisticados, a fundação ainda é instável. A tecnologia está pronta para ajudar médicos a tratar indivíduos, mas os dados e os padrões de relato ainda não chegaram lá.
Os autores sugerem que, até que tenhamos grupos de referência maiores e mais diversos e até que os pesquisadores comecem a testar rigorosamente seus modelos em novas populações (validação externa), essas "pontuações de desvio" individuais devem ser tratadas como poderosas ferramentas de pesquisa, mas ainda não como ferramentas independentes para tomar decisões clínicas. Estamos construindo o motor, mas ainda precisamos garantir que o mapa seja preciso para todos antes de pegarmos a estrada.
Afogado em artigos na sua área?
Receba digests diários dos artigos mais recentes que correspondam às suas palavras-chave de pesquisa — com resumos técnicos, no seu idioma.