+84 (024)37625838 | +84 (024)32045357 
info@tamlyvietphap.vnCác nhà khoa học luôn mong muốn tìm hiểu làm thế nào những suy nghĩ và hành vi phức tạp xuất hiện từ mạng lưới tế bào thần kinh phức tạp được tìm thấy trong não của chúng ta. Ví dụ, dường như có mối liên hệ (yếu) giữa trí thông minh và tổng khối lượng não (Pietschnig và cộng sự, 2015) nhưng cũng có mối liên hệ giữa trí thông minh và kích thước đuôi gai của các tế bào thần kinh hình chóp (Goriounova và cộng sự, 2018). Tuy nhiên, những mối quan hệ này không cung cấp một cái nhìn sâu sắc thực sự về sự khác biệt về trí thông minh hoặc trong các hành vi khác giữa các cá nhân xuất hiện như thế nào. Cũng giống như kiểm tra một bộ phận trong ô tô hoặc cân toàn bộ ô tô sẽ cho chúng ta biết tương đối ít về hiệu suất tổng thể của chiếc xe, chỉ nhìn vào từng tế bào thần kinh riêng lẻ hoặc tính toán thể tích của bộ não, sẽ không nói lên toàn bộ câu chuyện về một con người.
Điều này là do các khu vực và cấu trúc của não tương tác với nhau và phối hợp với nhau để tạo ra và tác động đến hành vi. Các kỹ thuật mới như chụp cộng hưởng từ (MRI) đã giúp bắt đầu khám phá cách một đặc điểm hành vi cụ thể được liên kết với não. Đặc biệt, nhiều mối liên hệ mới giữa hành vi và cấu trúc não đã được tiết lộ với các phương pháp tiếp cận đơn biến khối lượng, chia não thành các đơn vị 3D nhỏ gọi là voxels, sau đó lập bản đồ mối quan hệ giữa hành vi và từng voxels này bằng các kiểm tra thống kê đơn biến như ANOVAs hoặc kiểm định t (t – test) (Ashburner và Friston, 2000 & Kanai và Rees, 2011). Tuy nhiên, rất khó để tái tạo lại một số phát hiện thu được thông qua các phương pháp này.
Trên eLife, các nhà nghiên cứu từ Trung tâm nghiên cứu Jülich và Heinrich Heine Đại học Düsseldorf, cùng với Sáng kiến hình ảnh thần kinh bệnh Alzheimer (ADNI), báo cáo những hiểu biết mới về những vấn đề này (Kharabian Masouleh et al., 2019). Nhóm nghiên cứu đã sử dụng các phương pháp đơn biến khối lượng phổ biến trên hai mẫu tương đối lớn gồm 371 và 466 cá nhân để kiểm tra các mối liên hệ cấu trúc não - hành vi (structural brain-behavior - SBB) với 36 biện pháp tâm lý. Những phân tích này tiết lộ rằng rất khó xác định mối quan hệ giữa cấu trúc não và đặc điểm hành vi và những mối quan hệ này thường chiếm các vị trí khác nhau giữa các mẫu, khiến chúng khó tái tạo.
Điều gì có thể giải thích và thậm chí khắc phục sự thiếu tin cậy này trong các nghiên cứu về liên kết cấu trúc não – hành vi SBB? Một vấn đề là các biến số tâm lý như hạnh phúc hay trí thông minh là những cấu trúc phức tạp dựa trên nhiều quá trình thần kinh khác nhau. Do đó, các biện pháp khuếch tán như vậy có thể mang lại mối tương quan không ổn định. Ngược lại, Kharabian Masouleh et al. cho thấy rằng tuổi tác mang lại mối liên hệ phổ biến và có khả năng tái tạo cao với cấu trúc não bộ. Điều này có thể là do biện pháp 'cứng', không phức tạp này ảnh hưởng đến cơ quan một cách nhất quán trên các quy mô khác nhau, từ tế bào thần kinh đến vùng não.
Một vấn đề khác là các phương pháp thống kê được sử dụng trong các phân tích đơn biến khối lượng không thể mô hình hóa sức mạnh tổng hợp giữa các phần khác nhau của não hoặc não có thể tổ chức các hành vi khác nhau giữa các cá nhân. Một minh họa cho hạn chế này là công việc hiện tại không thể tái tạo các đỉnh liên kết, do bởi các vùng mô não nhỏ cho thấy các liên kết cấu trúc não – hành vi (SBB) cũng rất quan trọng (cũng được thảo luận bởi Kanai, 2016). Thay vào đó, các kỹ thuật nhận dạng mẫu đa biến có thể phát hiện mối liên hệ giữa hành vi và các mẫu cấu trúc trong não, giúp xác định các nhóm voxel thay đổi cùng với các biến thể trong trí thông minh.
Ngày nay, các nghiên cứu dựa trên máy móc sử dụng các phân tích đa biến này. Những cách tiếp cận mới này cũng có thể lựa chọn độc lập các đặc điểm liên quan và tính đến cả tương tác giữa các cấu trúc não và tính không đồng nhất giữa các cá nhân. Ngoài ra, nó đã trở thành quy trình tiêu chuẩn để cố gắng sao chép các kết quả trong bộ khám phá (bằng xác thực chéo) và trong các mẫu thử nghiệm độc lập (ví dụ: Dwyer et al., 2018).
Sử dụng nhiều dữ liệu hơn cũng sẽ bảo vệ giúp chống lại tính không thể tái tạo và cải thiện khả năng khái quát hóa. Các mẫu nhỏ sẽ thiên về những phát hiện có khả năng nhưng các bộ dữ liệu lớn giúp giảm nhiễu và phương sai lấy mẫu cũng đồng thời thu được nhiều tính không đồng nhất hơn (Schnack và Kahn, 2016). Cuối cùng, các khuyến nghị hướng tới việc công khai càng nhiều thông tin càng tốt, chẳng hạn như bằng cách xuất bản các phát hiện không có giá trị (tức là cho dù không có giá trị về mặt kết quả và còn bỏ ngỏ những các phát hiện này có thể có giá trị về mặt phương pháp, số liệu thống kê hoặc là các manh mối gợi ý hữu ích cho các nghiên cứu sau này) và chia sẻ dữ liệu thô (ví dụ như được thực hiện bởi Ngân hàng sinh học Vương quốc Anh). Nếu điều này là không thể, kết quả của các phân tích - bản đồ não thống kê - sẽ được công bố để chúng có thể được sử dụng trong các phân tích tổng hợp chẳng hạn.
Các biện pháp dựa trên voxel hoạt động ở quy mô milimet và do đó bỏ qua các chi tiết của nhiều tế bào thần kinh có trong voxels. Mặt khác, giờ đây có thể phóng to các lớp vỏ não bằng công nghệ 3T MRI (Ferguson và cộng sự, 2018). Đây có thể là bước đầu tiên hướng tới việc kiểm tra bộ não sống với độ phân giải thường chỉ có được thông qua nghiên cứu khám nghiệm tử thi.
Những cải tiến hơn nữa có thể đến từ việc vượt ra ngoài việc đo khối lượng, chẳng hạn như bằng cách bắt đầu đánh giá khả năng kết nối ở các quy mô khác nhau (Scholtens và van den Heuvel, 2018) bằng cách sử dụng các phép đo quang phổ hoặc bằng cách kết hợp cả hai. Tuy nhiên, những đổi mới khắt khe hơn có thể vẫn cần thiết để cuối cùng chúng ta có thể hiểu được các khái niệm phong phú và đa diện chẳng hạn như sự xuất hiện của trí thông minh. Vì vậy, các nhà khoa học sẽ cần thiết kế các phương pháp phức tạp không kém để phân tích bộ não theo cách tài tình và rõ ràng hơn.
Nguồn: Brain and Behavior: Assessing reproducibility in association studies - eLife (2019)
