به گزارش خبرگزاری ایمنا و به نقل از نیچر، بررسی جدیدی که توسط سایمون وندکار، متخصص آمار زیستی در مرکز پزشکی دانشگاه واندربیلت ایالات متحده انجام شده، اهمیت روش‌های آماری در طراحی مطالعات مرتبط با مغز را برجسته می‌کند، این پژوهش که در شماره به‌تازگی نشریه Nature منتشر شده است، بر بهبود مطالعات ارتباطی در سراسر مغز (BWAS) تأکید دارد.
مطالعات BWAS با استفاده از تحلیل تصاویر مغزی و بهره‌گیری از ابزارهای آماری و الگوریتم‌های یادگیری ماشینی، الگوهای خاصی از فعالیت‌های مغزی را با ویژگی‌ها یا رفتارهای انسانی مرتبط می‌سازد، این روش‌ها برای پیش‌بینی توانایی‌های شناختی یا تمایلات احساسی به کار گرفته می‌شوند؛ اما چالش اصلی این مطالعات، تکرارپذیری پایین نتایج است.
به عبارت دیگر، دو مطالعه مشابه ممکن است به نتایج متفاوتی دست پیدا می‌کنند، بخش عمده‌ای از این مشکل ناشی از حجم نمونه‌های کوچک است که منجر به اغراق در ارتباط میان ویژگی‌های مغزی و رفتارها می‌شود.
در مطالعات مرتبط با ژنوم که به دنبال ارتباط میان تفاوت‌های DNA و ویژگی‌های سلامت هستند، این مشکل با جمع‌آوری داده‌های حجیم از هزاران نمونه برطرف شده است، اما در مطالعات مغزی، جمع‌آوری این حجم از داده‌ها به دلیل هزینه‌های بالای تصویربرداری مغزی بسیار دشوار است.
تریسی کیول، متخصص انسان‌شناسی تکاملی، اظهار کرد: یک ساعت تصویربرداری با دستگاه MRI در ایالات متحده حدودهزار دلار هزینه دارد و تنها کشورهای معدودی از جمله ایالات متحده و برخی کشورهای اروپایی قادر به تأمین منابع مالی لازم برای چنین تحقیقاتی هستند، این در حالی است که بسیاری از کشورهای دیگر فاقد امکانات لازم برای انجام این مطالعات هستند.
به گفته سایمون وندکار، برای رفع این محدودیت‌ها، نیاز به توسعه روش‌های آماری و بهره‌گیری از فناوری‌های نوین است تا پژوهشگران در کشورهای کم‌منابع نیز بتوانند به یافته‌های دقیق‌تر و معتبرتری دست پیدا کند، وی افزود: بازنگری در طراحی‌های آماری مطالعات و استفاده بهینه از داده‌های موجود می‌تواند نتایج قابل اعتمادتری ارائه دهد.
یافته‌های این مطالعه اهمیت تمرکز بیشتر بر بخش روش‌شناسی در پژوهش‌های علمی را یادآور می‌شود و نشان می‌دهد که پیشرفت در این حوزه نه تنها به کیفیت تحقیقات کمک می‌کند، بلکه به درک بهتر از پیچیدگی‌های مغز انسان و ویژگی‌های مرتبط با آن منجر خواهد شد.
نظر شما