Apesar dessas vantagens, ainda existem diversos problemas não resolvidos com relação ao uso de RMF para determinação de lateralização de memória. Um desses problemas está relacionado com o uso de limiares estatísticos arbitrários para definir o que é considerado uma ativação válida e o que não é. A maior parte dos estudos que utilizaram RMF para mapeamento clínico de memória seguiram a abordagem padrão de arbitrariamente selecionar um limiar estatístico, normalmente um valor de P que na literatura varia de 0.00003 a 0.01 (Bellgowan, Binder et al. 1998; Detre, Maccotta et al. 1998; Killgore, Glosser et al. 1999; Dupont, Van de Moortele et al. 2000; Jokeit, Okujava et al. 2001; Deblaere, Backes et al. 2002; Golby, Poldrack et al. 2002; Richardson, Strange et al. 2003). Devido ao fato de que a pesquisa com RMF se baseia fundamentalmente em mapas de ativação, nenhum estudo de
memória utilizou em sua análise voxels fracamente ativados, os quais podem ser úteis se considerarmos que o limiar estatístico foi escolhido arbitrariamente. Esses voxels podem ser particularmente importantes para a região do LTM, que geralmente apresenta ativações fracas em tarefas de memória devido a artefatos locais de susceptibilidade (Glover and Law 2001) e ao fato de que essas regiões estão continuamente ativadas (Buckner, Wheeler et al. 2001), levando a pequenas mudanças relativas do nível de atividade neural entre condições de tarefa e de controle.
Ativações fracas resultam em mapas paramétricos estatísticos (MPE) que contêm voxels com valores de T baixos. Como os índices de lateralização (IL) são tradicionalmente calculados utilizando apenas voxels com valores de T acima de um determinado ponto arbitrário, o cálculo dos ILs pode ser tornar impossibilitado se apenas poucos ou nenhum voxel obtiver um valor de T acima do limiar. Para complicar ainda mais o uso de limiares arbitrários, limiares que normalmente resultam em aproximadamente o mesmo nível de ativação, i.e., mesmo número de voxels ativados em determinada região de interesse (RDI), variam amplamente de sujeito para sujeito. E no mesmo sujeito, diferentes limiares podem resultar em ILs para lados opostos. Alguns estudos têm tentado utilizar limiares mais baixos para incluir também voxels estatisticamente menos significativos no cálculo do IL,
possibilitando o cálculo ILs em um número maior de sujeitos, mas poucos têm explorado o uso de metodologias absolutamente independentes de limiar (Nagata, Uchimura et al. 2001). Isso é parcialmente devido ao fato de que LIs têm sido principalmente utilizados para avaliar lateralização de linguagem (Desmond, Sum et al. 1995; Binder, Swanson et al. 1996;
Springer, Binder et al. 1999; Deblaere, Backes et al. 2002; Rutten, Ramsey et al. 2002; Adcock, Wise et al. 2003; Sabbah, Chassoux et al. 2003), a qual tende a envolver amplas regiões de ativação e tipicamente resulta em uma alta relação sinal/ruído. Além disso, como existe relativamente um grande número de voxels ativados nas regiões de linguagem, uma
cérebro é normalmente suficiente para identificar o lado dominante. Regiões do LTM, no entanto, são pequenas e sua lateralização depende de muitas variáveis, conforme discutido acima. Nessa tese, nós hipotetizamos, portanto, que lateralizações de LTM extraídas da total distribuição de voxels, onde cada um é ponderado pelo seu respectivo peso estatístico, podem ser mais consistentes do que aquelas calculadas apenas comparando o número de voxels ativados em cada lado acima de um determinado limiar arbitrário.
Um outro ponto relevante, e que raramente é discutido na literatura, é a comparação quantitativa de ILs obtidos de pacientes com aqueles obtidos de controles saudáveis. Embora seja possível calcular índices de lateralização por TAS, a maioria dos centros descreve os resultados do TAS de uma forma qualitativa (direita, esquerda ou bilateral), já que os escores de TAS são normalmente obtidos de um número limitado de estímulos. A RMF, no entanto, permite o cálculo de uma gama muito maior de ILs numéricos, que podem ser comparados com a lateralização média da população. Um TAS mostrando o lado esquerdo dominante para memória, por exemplo, apesar de identificar a dominância do paciente, diz pouco sobre como a lateralização para a esquerda daquele determinado paciente se compara com relação à lateralização média da população, que também será para a esquerda. Portanto, nós também hipotetizamos nesta tese que a lateralização de memória por RMF de um paciente que esteja dois ou mais desvios-padrão (DP) além da lateralização média do grupo controle possa ser clinicamente significante para avaliação pré-operatória.
Nesta tese, nós focamos principalmente no estudo do hipocampo anterior, já que a lobectomia temporal medial normalmente inclui o LTM anterior, mas não suas porções mais posteriores. Evidência clínica dessas ressecções sugere que o hipocampo anterior (HCA) é crítico para a memorização de novas informações, mas muitos estudos de RMF têm revelado ativações mais intensas na região do hipocampo posterior (Stern, Corkin et al. 1996; Detre,
Maccotta et al. 1998; Kelley, Miezin et al. 1998; Dupont, Van de Moortele et al. 2000; Kirchhoff, Wagner et al. 2000; Golby, Poldrack et al. 2001; Powell, Koepp et al. 2005). Se isso é secundário a um sinal fraco de RMF no HCA, levando a uma predominância de voxels fracamente ativados, ou ao suavizamento de áreas posteriores ao LTM altamente ativadas, como os giros fusiforme e lingual, ainda não está claro. Nós portanto comparamos a lateralização por RMF no hipocampo anterior (HCA) durante tarefas de memorização em sujeitos normais e pacientes utilizando a abordagem padrão de quantificação de voxels (QtVx) com as lateralizações obtidas utilizando todos os voxels ponderados pelo seu peso estatístico, com o objetivo de encontrar uma melhor correlação entre RMF do HCA e os achados clínicos. Outras regiões, entretanto, também foram parcialmente avaliadas. Nós testamos três tipos de ponderação: um utilizando estatística T e dois com base na estatística P (mais superficialmente, foram testados também ponderações que também incluíam voxels com valores de T negativos—ou P > 0,5). Para identificar qual tipo de ponderação é o mais consistente (menos variável), nós utilizamos o desvio-padrão (DP) do grupo controle saudável como indicador de variabilidade. Para validar a nossa abordagem, nós selecionamos cinco pacientes para os quais a lateralização de memória tinha sido previamente estabelecida por TAS bilateral e avaliamos em que extensão os ILs nesses pacientes, calculados pelos três diferentes tipos de ponderação, podiam ser diferenciados da lateralização média do grupo controle.
3. OBJETIVOS