Hirnforschung: Verrauschte fMRT-Daten oft falsch interpretiert
Die Analyse von Daten aus der funktionellen Magnetresonanztomografie (fMRT) sowie Studien, welche die elektrische Aktivität im Gehirn verfolgen, können irreführende Ergebnisse hervorbringen, warnen Forscher um Nikolaus Kriegeskorte vom National Institute of Mental Health in Bethesda.
Techniken wie die fMRT, mit der sich aktive Hirnregionen abbilden lassen, oder die Elektrophysiologie, bei der die elektrische Aktivität vieler Nervenzellen zugleich aufgenommen wird, erzeugen große Datenmengen. Ein Teil davon erscheint verrauscht, das heißt, es treten unerwünschte Hintergrundsignale auf – vergleichbar mit einem gestörten Radioempfang. Um die eigentlich interessanten Informationen hervorzuheben, behandeln Wissenschaftler die Rohdaten oft mit Hilfe komplexer Transformationen.
Kriegeskorte und sein Team untersuchten nun mit üblichen Methoden künstlich verrauschte Daten, die mit keinen experimentellen Variablen in Verbindung standen, erhielten aber dennoch scheinbar sinnvolle Ergebnisse. Dies zeige, so die Forscher, dass die aus einer solchen Analyse gezogenen Schlüsse nicht unbedingt etwas über das reale Experiment aussagen.
Zurückzuführen seien die falschen Resultate auf ein Phänomen, das die Autoren "Double Dipping" tauften. Es trete auf, wenn eine Hypothese an nur einem Datensatz überprüft wird: Vermuten Wissenschaftler beispielsweise, dass eine Hirnregion im Vergleich zu einer anderen stärker auf einen bestimmten Stimulus reagiert, und analysieren sie daraufhin gezielt diese Bereiche, erhalten sie nach Ansicht von Kriegeskorte und Kollegen ein irreführendes Ergebnis. Denn einige Regionen im Gehirn könnten rein zufällig aktiver arbeiten als andere.
Auch wenn die Effekte in vielen Fällen klein sind, könnten sie die Resultate erheblich verfälschen. Aus diesem Grund sollten Forscher in ihren Studien vermeiden, die Zahl der untersuchten Gebiete einzuschränken, mahnen die Autoren. Ein einfacher Weg, solche Fehlerquellen gänzlich zu vermeiden, sei die Auswahl und die anschließende selektive Analyse unabhängiger Daten. (mp)
Techniken wie die fMRT, mit der sich aktive Hirnregionen abbilden lassen, oder die Elektrophysiologie, bei der die elektrische Aktivität vieler Nervenzellen zugleich aufgenommen wird, erzeugen große Datenmengen. Ein Teil davon erscheint verrauscht, das heißt, es treten unerwünschte Hintergrundsignale auf – vergleichbar mit einem gestörten Radioempfang. Um die eigentlich interessanten Informationen hervorzuheben, behandeln Wissenschaftler die Rohdaten oft mit Hilfe komplexer Transformationen.
Kriegeskorte und sein Team untersuchten nun mit üblichen Methoden künstlich verrauschte Daten, die mit keinen experimentellen Variablen in Verbindung standen, erhielten aber dennoch scheinbar sinnvolle Ergebnisse. Dies zeige, so die Forscher, dass die aus einer solchen Analyse gezogenen Schlüsse nicht unbedingt etwas über das reale Experiment aussagen.
Zurückzuführen seien die falschen Resultate auf ein Phänomen, das die Autoren "Double Dipping" tauften. Es trete auf, wenn eine Hypothese an nur einem Datensatz überprüft wird: Vermuten Wissenschaftler beispielsweise, dass eine Hirnregion im Vergleich zu einer anderen stärker auf einen bestimmten Stimulus reagiert, und analysieren sie daraufhin gezielt diese Bereiche, erhalten sie nach Ansicht von Kriegeskorte und Kollegen ein irreführendes Ergebnis. Denn einige Regionen im Gehirn könnten rein zufällig aktiver arbeiten als andere.
Auch wenn die Effekte in vielen Fällen klein sind, könnten sie die Resultate erheblich verfälschen. Aus diesem Grund sollten Forscher in ihren Studien vermeiden, die Zahl der untersuchten Gebiete einzuschränken, mahnen die Autoren. Ein einfacher Weg, solche Fehlerquellen gänzlich zu vermeiden, sei die Auswahl und die anschließende selektive Analyse unabhängiger Daten. (mp)
Schreiben Sie uns!
Beitrag schreiben