gms | German Medical Science

Einleitung: Die funktionelle Magnetresonanztomographie (fMRT) stellt ein leistungsfähiges Werkzeug für die Untersuchung der Gehirnfunktion dar. Mittels fMRT können die Daten eines einzelnen Probanden im Rahmen einer sogenannten first-level-Analyse auf Aktivität untersucht werden. Dies erfolgt in der Regel anhand eines univariaten allgemeinen linearen Modells, in dem die Zeitreihe der aufeinanderfolgenden Aufnahmen als n Stichprobenelemente für jedes einzelne der insgesamt p Voxel (Volumenelement im Gehirn) betrachtet wird. Die fMRT-Daten sind üblicherweise durch eine hohe Dimension (p>n) sowie räumliche und zeitliche Abhängigkeiten charakterisiert. Die zeitliche Korrelation wird meist anhand eines autoregressiven Prozesses erster Ordnung modelliert. Da eine große Zahl von Voxeln parallel betrachtet wird, entsteht bei der univariaten Analyse die Notwendigkeit einer Adjustierung für multiples Testen.

Methoden: Es werden drei verschiedene multiple Testverfahren, die auf datenabhängig geordneten oder gewichteten Hypothesen basieren, auf korrelierte Stichproben angepasst und dann auf echte und simulierte fMRT-Daten angewendet. Bei der ersten Testprozedur werden die Variablen in Abhängigkeit von totalen Abweichungsquadraten sortiert und solange geprüft, wie signifikante Ergebnisse auftreten [1]. Beim zweiten Verfahren erhalten die Variablen vor dem Sortieren spezielle aus den Daten gewonnene Gewichte [2]. Die dritte multiple Testprozedur, die ebenfalls auf dem datengetriebenen Ordnungsprinzip basiert, erlaubt ein „Überspringen“ von einer bestimmten Anzahl nicht-signifikanter Ergebnisse (Hommel und Kropf, 2005). Zur Anpassung der zeitlichen Korrelation werden für alle Prozeduren unterschiedliche Korrekturmethoden angewendet und ihr Verhalten bezüglich der multiplen Fehler 1. und 2. Art untersucht.

Ergebnisse: Die Ergebnisse der originalen multiplen Testverfahren weisen bei korrelierten Stichprobenelementen starke Überschreitungen des Testniveaus auf. Diese Verletzung des Testniveaus kann durch Anwendung der betrachteten Korrekturmethoden verringert werden. Beim Gütevergleich der Prozeduren kann festgestellt werden, dass das Einbeziehen der Informationen von den totalen Abweichungsquadraten in die multiplen Testprozeduren einen nachweisbaren Gewinn gegenüber klassischen Methoden liefert, wobei durch eine geeignete Parametrisierung bei der gewichteten und der Sprungprozedur die höchste Güte erzielt wurde.

Die entsprechenden Methoden liefern auch bei Anwendung auf reale fMRT-Daten bessere Ergebnisse.