Page 135 - Stefano Rastelli (a cura di), La ricerca sperimentale sul linguaggio: acquisizione, uso, perdita, Pavia, Pavia University Press, 2013

Lo studio del linguaggio con la risonanza magnetica funzionale 117

1.5. L’analisi dei dati di fMRI

Un metodo abbastanza standard e molto usato negli studi sul linguaggio è
quello di condurre un’analisi in due livelli (si vedano, per esempio, Cooper et al.
2011; Graves et al. 2010; Groen et al. 2010; Moody, Gennari 2010; Zhu et al. 2012).
L’analisi del primo livello calcola i parametri d’interesse per ogni partecipante
singolarmente, considerando la variazione fra le misurazioni ottenute dal
singolo partecipante. Essa si applica ai dati raccolti per ogni voxel, l’unità di
misura volumetrica usata durante la scansione (per esempio, un caso comune è
quello di voxel isomorfi di 3 x 3 x 3 mm, ma se ne possono usare anche di molto
più piccoli e non isomorfi). Essa consiste in un’analisi a effetti fissi per i dati
raccolti da ogni partecipante, secondo un modello di regressione lineare:
Y=X11+X22+Xnn+E. In questo modello, X1, X2, Xn sono regressori separati,
ognuno dei quali indica la configurazione di attività che si pensa sia evocata dai
diversi tipi di stimoli presentati, e 1, 2, n sono i coefficienti di regressione da
stimare.
La serie temporale del segnale BOLD (il segnale raccolto Y), pertanto,
riflette l’azione delle varie condizioni sperimentali espresse come un prodotto
dell’effetto previsto per ogni condizione (X1, X2, Xn) e dei coefficienti di
regressione (1, 2, n) che indicano la quantità di segnale spiegato da ogni
condizione. Un valore beta più alto indica una risposta più forte a un dato
stimolo. Il segnale Y riflette anche la quantità di segnale che non deriva dalle
condizioni sperimentali e che viene perciò chiamato errore o rumore () e viene
generalmente attribuito ad artefatti dovuti a movimenti della testa, cambiamenti
fisiologici, disomogeneità nel campo magnetico o anche variazioni nell’attività
cognitiva del partecipante che non sono considerate dal modello delle variabili
indipendenti dell’esperimento.
A questo livello, l’applicazione di altri test statistici del Modello Lineare
Generale (GLM), come per esempio t-test e ANOVA possono rispondere a
diverse domande. Per esempio, possono mostrare in quale voxel i coefficienti di
regressione sono significativi statisticamente o in quali voxel c’è una differenza
significativa nella risposta a diverse condizioni. Generalmente, però, i risultati
riportati nella letteratura sono quelli del gruppo, non quelli del singolo
partecipante; le analisi di primo livello sono riportate solo per studi di casi o
circostanze particolari.
L’analisi di secondo livello, anche chiamata ‘analisi di gruppo’, consiste nel
calcolare la variazione fra le misurazioni ottenute da tutti i partecipanti, con l’idea
che essi siano stati scelti a caso e che perciò le differenze fra i loro dati riflettano
differenze effettive nella popolazione da cui sono stati estratti. In questo modo i