Kosten-Effizienz von fMRI-Studien mit Ruhe-Zustand vs. aufgabenbasierten funktionalen Konnektivität

Wir untersuchen, ob und wie wir die Kosten-Effizienz von Neuroimaging-Studien mit maßgeschneiderten fMRI-Aufgaben verbessern können. Die vergleichende Studie wird mit einer neuartigen netzwerkwissenschaftlich orientierten, bayesianischen konnektom-basierten prädiktiven Methode durchgeführt, die Netzwerktheorien in den Modellaufbau integriert und die Präzision und Robustheit der Erkennung von Bildmarkern erheblich verbessert. Die Robustheit der Methode bildet die Grundlage für die Identifizierung von Unterschieden in der prädiktiven Kraft zwischen den fMRI-Aufgabenbedingungen, sofern solche Unterschiede existieren. Bei der Anwendung auf eine klinisch heterogene transdiagnostische Kohorte finden wir gemeinsame und unterschiedliche funktionale Fingerabdrücke neuropsychologischer Ergebnisse über sieben fMRI-Bedingungen. Beispielsweise zeigt sich, dass die emotionale N-back-Gedächtnisaufgabe weniger optimal für negative emotionale Ergebnisse ist, und die kontinuierliche Leistungsaufgabe mit schrittweisem Beginn engere Verbindungen zu Sensitivitäts- und Geselligkeitsresultaten hat als zu kognitiven Kontroll-Ergebnissen. Insgesamt zeigen unsere Ergebnisse, dass es einzigartige optimale Paarungen von aufgabenbasierten fMRI-Bedingungen und neuropsychologischen Ergebnissen gibt, die bei der Planung gut leistungsfähiger Neuroimaging-Studien nicht ignoriert werden sollten.