Conectoma funcional e inteligencia fluida

Un equipo de neurocientíficos de China se sirve de un neuromarcador funcional de la materia blanca para predecir el nivel de inteligencia fluida (Gf) a nivel individual. valorado por una versión del test de matrices progresivas de Raven o por la escala Wechsler.

Consideran 326 estudiantes universitarios de los que obtuvieron registros en reposo en un momento determinado (t1), 11 meses después (t2, n = 105) y 29 meses después (t3, n = 83). Obsérvese cómo se va reduciendo el tamaño de la muestra con los sucesivos registros. Además de este registro longitudinal, validan el modelo predictivo al que llegan con 53 individuos no incluidos en el estudio original y que completaron el test de Wechsler en lugar del test de Matrices.

Estudian el conectoma funcional a través de la señal ‘bold’ de la materia blanca y en estado de reposo. Construyen ese conectoma funcional usando 128 nodos y, a partir de aquí, calculan las matrices de conectividad de 128 x 128 en las que se incluyen las correlaciones de Pearson que permiten cuantificar la fuerza de las conexiones entre la red definida por esos nodos.

Seguidamente exploran si la fuerza de la conectividad predice Gf recurriendo a un método de ‘leave-one-out cross-validation’ (LOOCV). Es decir, seleccionan aleatoriamente a un individuo como target y usan al resto de los individuos como ‘training set’.

A continuación, seleccionan las conexiones que se asocian de modo significativo a Gf, tanto en un sentido positivo como negativo. Repiten el cálculo hasta agotar el número de posibilidades según el número de individuos disponibles.

En la fase final, calculan la correlación entre el nivel de Gf predicho y el observado.

Además del LOOCV usan la ‘K-fold cross-validation’ para verificar la relación entre el Gf predicho y el observado. Generan 20 ‘folds’ incluyendo en cada uno de ellos aprox. 16 individuos. Al igual que en el LOOCV, uno de esos ‘fold’ sirve de target y el resto actúa como ‘training set’. Repiten el cálculo 20 veces y averiguan cuál es el valor de Gf.

Para enfrentarse a los niveles de significación estadística aplican 5.000 permutaciones.

Vamos con los resultados:

1.- Usando los registros de t1 (n = 324), el valor de r fue de 0,24. Es decir, estudiando la conectividad funcional de la material blanca estiman un nivel de Gf que predice, con un tamaño de efecto moderado, las puntuaciones de Gf obtenidas por los individuos en el test de matrices.

2.- Con los registros de t2 (n = 103), el valor de r fue de 0,38 (un tamaño del efecto que puede considerarse grande). Además, el modelo usado en t1 predice Gf según las matrices de conectividad obtenidas en t2.

3.- Con los registros de t3 (n = 81), el valor de r fue de 0,36.

4.- En el grupo de validación completamente independiente, el valor de r fue de 0,28. Una vez más, un tamaño del efecto moderado.

¿Cuáles fueron las conexiones que contribuyeron en mayor grado a la predicción?

Para responder esta pregunta agrupan primero los 128 nodos en 11 redes funcionales identificadas en la investigación previa. El resultado subrayó la relevancia del ‘superior longitudinal fasciculus’, así como tractos frontales profundos y el frontoparietal ventral:

“La implicación del fascículo longitudinal superior sugiere que las conexiones identificadas ofrecen información funcional, no estructural, sobre Gf.”

En la discusión, los autores comentan las reservas que hay en la comunidad científica sobre el uso de la señal ‘bold’ para interrogar a la materia blanca. Según ellos, es perfectamente viable, tanto por motivos vinculados a las propias técnicas de neuroimagen, como por los sistemas venosos del propio cerebro.

También discuten la congruencia de sus resultados con lo estipulado por el modelo P-FIT sobre la inteligencia. Consideran que existe congruencia, aunque sus hallazgos añaden algo al cóctel, algo nada raro teniendo en cuenta que en ese modelo cabe casi de todo, lo que no es precisamente algo positivo.

Si me preguntan qué pienso sobre esta investigación, respondería, ante todo, que me atrae que se usen registros funcionales en reposo. Los registros evento-relacionados me asustan. También es interesante que haya tres registros longitudinales de un número relativamente alto de individuos. Pero hubiera sido interesante informar sobre la conectividad estructural e incluso de qué sucede con la conectividad funcional clásica, centrada en la materia gris, para compararla con la que ellos aplican sobre la materia blanca. ¿Añade algo? ¿Es redundante?

La búsqueda intensiva de neuromarcadores que permitan predecir factores psicológicos como la inteligencia promete ofrecer suculentos beneficios prácticos. Pero las aproximaciones multimodales pueden resultar más adecuadas para llegar a esa meta.

O no.