Advertencia: Esta página es una traducción de esta página originalmente en inglés. Tenga en cuenta ya que las traducciones son generadas por máquinas, no que todos traducción será perfecto. Este sitio Web y sus páginas están destinadas a leerse en inglés. Cualquier traducción de este sitio Web y su páginas Web puede ser imprecisa e inexacta en su totalidad o en parte. Esta traducción se proporciona como una conveniencia.

Nueva iniciativa puesta en marcha para soportar el revelado y el uso de la investigación de la psicología

Estos últimos años, los esfuerzos de entender los funcionamientos de la mente han adquirido urgencia recién encontrada. No sólo están los desordenes psicológicos y neurológicos -- de enfermedad de Alzheimer y de recorridos al autismo y a la ansiedad -- convirtiéndose más dispersas, las nuevas herramientas y los métodos han emergido de los cuales permita que los científicos exploren la estructura, y actividad dentro, el cerebro con mayor granulosidad.

La Casa Blanca puso en marcha la iniciativa del CEREBRO el 2 de abril de 2013, con el objetivo de soportar el revelado y el uso de las tecnologías innovadoras que pueden crear una comprensión dinámica de la función del cerebro. La iniciativa ha soportado más de $1 mil millones en la investigación y ha llevado a los nuevos discernimientos, a las nuevas drogas, y a las nuevas tecnologías para ayudar a individuos con desordenes del cerebro.

Pero esta riqueza de la investigación viene con retos, según Russell Poldrack, un profesor de la psicología con calcular doblado en la Universidad de Stanford. La psicología y la neurología luchan para emplear el conocimiento de sus investigadores dispares.

La “ciencia se significa para ser acumulativa, pero los problemas metodológicos y conceptuales han impedido progreso acumulativo en ciencia psicológica,” Poldrack y los colaboradores de Stanford, universidad de Dartmouth y universidad de estado de Arizona escribieron en un papel de las comunicaciones de la naturaleza en mayo de 2019.

ARCHIVISTA DE LOS DATOS

La parte del problema es práctica. Con centenares de grupos de investigación que emprenden la investigación original, un depósito central es necesario recibir y los datos de la parte, comparar y combinar estudios, y animar la reutilización de los datos. Para dirigir este reto curatorial, en 2010 Poldrack puso en marcha una plataforma llamada OpenFMRI para compartir estudios del fMRI.

“Había pensado durante mucho tiempo que la distribución de datos era importante por varias razones,” expliqué Poldrack, “para la diapositiva y la reproductibilidad y también ayudarnos globales a través de los lotes de pequeños estudios a perfeccionar nuestra potencia de contestar a preguntas.”

OpenFMRI vino casi cientos grupos de datos, y fue incluido en 2016 en OpenNeuro, una plataforma más general para recibir estudios de las imágenes cerebrales. Esa plataforma tiene hoy más de 220 grupos de datos, incluyendo alguno como “el estudio soñoliento del cerebro de Estocolmo” y el “tramitación de los nervios de los estímulos musicales y Nonmusical emocionales en la depresión,” que han sido centenares transferidos directamente de épocas.

Los grupos de datos de las imágenes cerebrales son relativamente grandes y requieren un depósito grande contenerlas. Cuando él desarrollaba OpenFMRI, Poldrack giró al centro de cómputo avance Tejas (TACC) en la Universidad de Texas en Austin para recibir y para servir hacia arriba los datos.

Una concesión del asiento de Arnold permitió que él recibiera OpenNeuro en los servicios web del Amazonas por algunos años, pero Poldrack giró recientemente otra vez a TACC y a otros sistemas que son parte del ambiente extremo NSF-financiado del descubrimiento de la ciencia y de la ingeniería (XSEDE) a servir como el cyberinfrastructure para la base de datos.

La parte del éxito del proyecto es debido al revelado de un patrón común, HACE UNA OFERTA -- Estructura de datos de las imágenes cerebrales (BIDS) -- que permite que los investigadores comparen y que combinen estudios de una manera de las manzana-a-manzanas. Introducido por Poldrack y otros en 2016, ganó la aceptación cercano-inmediata y ha crecido en la lingua franca para los datos neuroimaging.

Como parte de la creación estándar, Poldrack y sus colaboradores construyeron un Validator en Internet para hacerlo fácil determinar si sus datos cumplen el patrón.

Los “investigadores convierten sus datos en OFERTAS formatan, cargue por teletratamiento sus datos y consigue validado en carga por teletratamiento,” Poldrack dijo. “Una vez que pasa el Validator y consigue cargada por teletratamiento, con un tecleo de un botón puede ser compartida.”

La distribución de datos solamente no es el objetivo final de estos esfuerzos. Final, Poldrack quisiera desarrollar las tuberías para el cómputo que puede analizar rápidamente grupos de datos de las imágenes cerebrales de una variedad de manera. Él está trabajando con el proyecto de CBrain, basado en la universidad de McGill en Montreal, Canadá, para crear los flujos de trabajo en contenedor que los investigadores pueden utilizar para realizar estos análisis sin requerir mucha experiencia que calcula avanzada, y a la independiente de qué sistema están utilizando.

Él también está trabajando con otro proyecto llamado BrainLife.io basado en la universidad de Indiana, que utiliza recursos de XSEDE, incluyendo ésos en TACC, para tramitar datos, incluyendo datos de OpenNeuro.

Muchos de los grupos de datos de OpenNeuro están disponibles ahora en BrainLife, y hay un botón en esos grupos de datos que lleva uno directamente la paginación relevante en BrainLife, en donde pueden ser tramitadas y ser analizadas usando una variedad de apps científico-revelados.

“Además de compartir los datos, una de las cosas que tiene este patrón común de los datos nos permite es la capacidad de analizar automáticamente datos y de hacer la clase de proceso previo y de control de calidad que hacemos a menudo en datos de la proyección de imagen,” él explicó. “Usted apenas apunta el contenedor en el conjunto de datos, y apenas lo ejecuta.”

REPIENSE LAS SUPOSICIONES DE DISCIPLINE-WIDE

Las cosas serían simples si formataron, almacenamiento, y de distribución eran los únicos problemas que el campo hizo frente. ¿Pero qué si los investigadores comunes de los métodos usados para analizar estudian polarizaciones negativas y desvíos introducidos, llevando a una falta de reproductibilidad? ¿Por otra parte, qué si las suposiciones subyacentes sobre la manera la mente trabajada eran fundamental dañadas?

Un estudio publicó en 2018 en la conducta humana de la naturaleza que intentó replegar 21 sociales y los papeles de la ciencia del comportamiento de la naturaleza y de la ciencia encontraron que solamente 13 podrían ser replegados con éxito. Otro meta-estudio bajo los auspicios del centro para la ciencia Open, volvió a efectuar 28 estudios clásicos y del contemporáneo en psicología y encontró que 14 no pudieron replegar. Esto ha llevado a las sospechas retroactivas sobre el valor de las décadas de resultados.

Poldrack y sus colaboradores abordaron los problemas metodológicos y de la suposición en su papel reciente de las comunicaciones de la naturaleza aplicando métodos estadísticos más rigurosos para intentar destapar las estructuras subyacentes de la mente, un proceso que llaman “descubrimiento dato-impulsado de la ontología.”

Aplicando la aproximación a los estudios de la autorregulación, los investigadores probaron la capacidad de los cuestionarios del levantamiento topográfico y tarea-basaron estudios para predecir la probabilidad de un individuo de ser en riesgo de alcoholismo, obesidad, tenencia ilícita de drogas, u otra las entregas uno mismo-regla-relacionadas.

En su estudio, 522 participantes tomaron 23 estudios del uno mismo-parte y realizaron 37 tareas del comportamiento. De cada uno de estas 60 dimensiones, las personas derivaron pensamiento múltiple de las variables relacionadas para capturar construcciones psicológicas. Usando las variables relacionadas, las personas primero intentaron crear “un espacio psicológico” -- una manera de cuantificar la distancia entre las variables relacionadas para determinar cómo diversos tipos de comportamiento que se consideran como atado separado o correlacionan a menudo el uno al otro. Utilizaron estas “huellas dactilares ontológicas” para determinar la contribución de diversas construcciones psicológicas al modelo profético final.

La aproximación estadística usada en el estudio, y habilitada por los superordenadores en TACC, va mucho más alla de los métodos estándar usados en estudios psicológicos típicos.

“Estamos aplicando métodos serios del aprendizaje de máquina para determinar qué se correlaciona con lo que, y qué tiene exactitud profética generalizable, usando los métodos que siguen siendo bastante nuevos a este campo de investigación,” Poldrack dijo.

Encontraron que algunos objetivos previstos, como salud mental y obesidad, tenían huellas dactilares ontológicas simples, tales como “mando emocional” y “consumición problemática,” pero que otras huellas dactilares eran más complicadas. También encontraron que los estudios tarea-basados -- campo común en la investigación psicológica -- no tenía casi ninguna capacidad profética.

“Soy siempre receloso de decir nuestra investigación seré útil para la diagnosis, pero será casi ciertamente útil para una mejor comprensión de cómo hacer diagnosis y las funciones subyacentes que se relacionan con ciertos resultados, como fumar o consumición u obesidad del problema,” Poldrack dijo.

La motivación del esfuerzo es un reexamen de la manera que hablamos de enfermedad mental.

“Rompiendo estos desordenes en categorías diagnósticas tenga gusto de la esquizofrenia, desorden bipolar, o la depresión, no es apenas biológico realista,” él dijo. “Las genéticas y la neurología muestran que esos desordenes tienen manera más recubrimiento en términos de su genética y su neurobiología, que diferencias. Así pues, pienso que hay los nuevos paradigmas que pudieron emerger eso serían ayudados por una mejor comprensión del cerebro.”

El alto rendimiento que calcula permite que los investigadores apliquen métodos mucho más sofisticados para determinar distribuciones de conocimiento y para imaginar cómo son los resultados importantes.

“Podemos utilizar técnicas de muestreo para seleccionar al azar los datos 5.000 veces y volver a efectuar modelos grandes muchas veces,” Poldrack dijo. “Que no es realista posible sin los superordenadores.”

Era el caso que el progreso de la ciencia era relacionado en la capacidad de crear una molécula o de sintetizar una substancia química. Pero el progreso en ciencia depende cada vez más de la capacidad de hacer la pregunta correcta acerca de un conjunto de datos grande, y después de poder real posible conseguir una respuesta a esa pregunta.

“Y,” dijo a Poldrack, “hay muchas preguntas a las cuales, sin el alto rendimiento que calcula, usted no puede posible conseguir una respuesta.”

A pesar de las crisis de la fe que ha golpeado el campo estos últimos años, Poldrack cree que la ciencia psicológica tiene mucho decir que es muy segura sobre porqué los seres humanos hacen lo que hacen, y que da la neurología nos a maneras de entender de adonde ésa viene.

“Estamos intentando entender cosas realmente complejas,” él dijo. “Tiene que ser observado que todo que decimos es probablemente incorrecto, pero la esperanza es que puede conseguirnos un poco más cercano a cuál correcto.”

Source:
Journal reference:

Eisenberg, I. et al. (2019) Uncovering the structure of self-regulation through data-driven ontology discovery. Nature Communications. doi.org/10.1038/s41467-019-10301-1