La RMN funcional en estado de reposo (RMN-R) es un método relativamente nuevo y potente para evaluar las interacciones regionales que se producen cuando un sujeto no está realizando una tarea explícita.
Las fluctuaciones BOLD de baja frecuencia (<0,1 Hz) suelen mostrar fuertes correlaciones en reposo incluso en regiones distantes de la materia gris. Se supone que las fluctuaciones en la actividad neuronal espontánea subyacen a las fluctuaciones BOLD, aunque los mecanismos exactos que dan lugar a las fluctuaciones neuronales siguen sin estar claros. Los patrones espaciales de las correlaciones R-fMRI son estables, en el sentido de que son similares a través de múltiples estados de «reposo», como ojos abiertos, ojos cerrados y fijación, y a través de individuos y sesiones. Debido a la falta de exigencias de la tarea, la R-fMRI descarga el diseño experimental, la conformidad del sujeto y las exigencias de entrenamiento, lo que la hace atractiva para los estudios del desarrollo y de las poblaciones clínicas.
De los experimentos en el mono macaco, las correlaciones de la R-fMRI a menudo se superponen con las vías anatómicas conocidas, pero a veces implican regiones que no están directamente conectadas. Por lo tanto, la conectividad funcional (R-fMRI) y la conectividad anatómica (tractografía) son medidas complementarias, aunque relacionadas, que juntas proporcionan un poderoso enfoque para analizar los circuitos cerebrales.
Numerosos estudios, incluyendo muchos realizados por miembros de nuestro consorcio, demuestran que estos patrones espaciales están estrechamente relacionados con los subsistemas neurales revelados por la fMRI de activación de tareas (T-fMRI). Las regiones que se coactivan con una región semilla en diferentes tareas tienden a estar positivamente correlacionadas con la región semilla en reposo. Un mapa construido a partir de una única semilla muestra un patrón específico de correlación en todo el cerebro. Por consiguiente, esto sugiere que incluso las semillas relativamente cercanas pueden mostrar patrones de correlación bastante diferentes. Por lo tanto, la disposición espacial de las correlaciones de diferentes orígenes puede ayudar en la parcelación del cerebro. Los patrones espaciales de correlación también pueden utilizarse para crear extensas descripciones a nivel de sistema/red de las interacciones funcionales a través de las regiones cerebrales que pueden compararse con las descripciones de la conectividad anatómica y las activaciones funcionales evocadas por la tarea.
Se han propuesto varios métodos para adquirir y analizar los datos de R-fMRI. Uno de los principales objetivos de la HCP es encontrar la combinación o combinaciones óptimas de métodos para segmentar las regiones del cerebro y comprender las relaciones entre ellas. Esto implica la optimización de muchos aspectos de la adquisición de datos (duración de la exploración, resolución espacial, suavización espacial durante el preprocesamiento) y el análisis de datos (enfoques basados en semillas y enfoques de análisis de componentes independientes).