La imagen por resonancia magnética funcional (IRMf) es un procedimiento que permite mostrar en imágenes las regiones cerebrales activas, por ejemplo al ejecutar una tarea determinada. En inglés se abrevia fMRI (por functional magnetic resonance imaging).

La resonancia magnética funcional (fRMN) mide los pequeños cambios en el flujo sanguíneo que ocurren con la actividad del cerebro. Puede utilizarse para examinar la anatomía funcional del cerebro, evaluar los efectos del derrame o guiar el tratamiento cerebral. La fRMN puede detectar anormalidades dentro de cerebro que no se pueden encontrar con otras técnicas por imágenes.

Un estudio realizado por Microsfot, la Universidad de Singapur y la Universidad de Illinois, publicado en la revista Communications Biology, cuestiona los estudios que en los últimos años le han prestado atención a un fenómeno denominado “la crisis de la reproducibilidad en la ciencia”, particularmente, los relacionados con los fMRI. En resumidas cuentas, se refieren a procesos estadísticos en los estudios que se presentan como revelaciones, pero que no son relevantes por las muestras de los estudios. “Algunos de los motivos de esta crisis -incluidos los procedimientos estadísticos defectuosos, las estructuras de incentivos profesionales que enfatizan la producción rápida de resultados impactantes mientras castiga los estudios que informan hallazgos nulos y los sesgos inherentes al sistema de publicación- se han articulado cuidadosamente en trabajos previos.

Los investigadores observaron que, incluso cuando se reconocen tamaños de muestra más grandes en los estudios sobre fMRI, los procesos están desactualizados.  

Los investigadores observaron que, incluso cuando se reconocen tamaños de muestra más grandes en los estudios sobre fMRI, los procesos están desactualizados.  

“Por supuesto, esta deficiencia se debe en gran parte al gran gasto asociado con la recolección de datos de resonancia magnética funcional”, dice el estudio. Incluso estudios relativamente pequeños pueden costar varias decenas de miles de dólares, y el sistema de financiación en gran parte del mundo generalmente no está configurado para permitir la recolección rutinaria de muestras grandes de, digamos, más de 100 muestras.

Aparte de estas consideraciones financieras, hay otras dos razones por las que los investigadores persisten en la recopilación de pequeñas muestras en los estudios sobre fMRI. La primera es que, aunque existen herramientas que permiten a los investigadores realizar análisis prospectivos para estudios de resonancia magnética, tienen dificultades para comprender estas herramientas.

La segunda posible razón no financiera por la que los investigadores continúan utilizando muestras pequeñas se debe a que varios estudios han demostrado que la resonancia magnética funcional generalmente tiene una fiabilidad buena. Es posible que los investigadores interpreten que esto significa que no se necesitan muestras grandes, particularmente si el investigador no comprende los enfoques del diseño estándar de un fMRI para aumentar la potencia a nivel individual, lo que significa que sus pequeñas muestras tienen suficiente potencia.

Los investigadores demostraron el impacto del tamaño de las muestras de la mayoría de los estudios sobre fMRI. “Encontramos que el grado de replicabilidad para los tamaños de muestra típicos es modesto y que los tamaños de muestra mucho más grandes que los típicos (por ejemplo, 100) producen resultados que distan mucho de ser perfectamente replicables. 

Es decir que los estudios sobre resonancias magnéticas cerebrales no son del todo fiable, ni siquiera cuando hay 100 sujetos de prueba implicados en la recolección de información.

“No existe un valor universalmente aceptado para un tamaño de muestra mínimo recomendado. Sin embargo, observamos que el tamaño de muestra medido más pequeño para estos estudios fue 36. Por lo tanto, nuestros resultados se unen a la línea de trabajo existente abogando por tamaños de muestra más grandes”, reza el estudio.

Además, debido a que evaluamos tamaños de muestra en un rango bastante amplio y utilizamos métricas intuitivas de replicabilidad, esperamos que nuestros resultados sean más comprensibles y convincentes para los investigadores que puedan haber encontrado resultados anteriores que abogan por muestras más grandes inaccesibles.