Dostanou se meze metod k těm, kdo je používají? Co o tom naznačují citace v odborné literatuře o zobrazovací neurovědě

Průběžná zpráva z posouzení základů zobrazovací neurovědy, týden do 11. 10. 2026

Každá měřicí metoda má známé meze. V zobrazovací neurovědě je obvykle popsali sami autoři metod nebo jejich nejbližší kolegové, často pečlivě a s čísly: za jakých podmínek a o kolik metoda dává zkreslený výsledek. Takový článek je varováním — před chybným výkladem výsledku, pokud se metoda použije mimo podmínky, za nichž platí. Je určen výzkumníkům, kteří metodu používají ve vlastních studiích. Položili jsme si otázku: dostane se k nim?

Varování může k uživateli putovat mnoha kanály — odbornou literaturou, dokumentací softwaru, výukou, recenzním řízením, zvyklostmi laboratoří. My sledujeme jediný kanál a v něm jedinou stopu: zda studie, která metodu používá, cituje i článek o její mezi. Citace není čtení, porozumění ani dodržení; je to jen viditelná stopa toho, že varování v daném textu bylo.

Obraz, který ta stopa ukazuje, je zajímavější, než jsme čekali. V citacích aplikačních studií se neobjevují „všechny“ meze ani „žádné“, ale výběrově — některé druhy častěji než jiné.

Co jsme spočítali a jak to čteme

Rozlišujeme čtyři věci. Měření je číslo s dobře definovanou veličinou, škálou, mezemi a podmínkami platnosti. Testování je měření, u něhož bylo předem stanoveno kritérium. Kvalifikované posouzení je odborné zařazení nebo výběr, který měřením není. Kvalifikovaný odhad je úsudek o tom, co měřeno nebylo, opřený o to, co měřeno bylo. Naše práce leží většinou mezi měřením a posouzením — a proto to říkáme hned na začátku.

Vzali jsme dvě metody, které používají tisíce studií:

• kanonickou hemodynamickou odezvu v analýze fMRI (metodický článek Friston et al. 1998),
• FreeSurfer, software pro měření struktury mozku (Fischl et al. 2002).

K oběma jsme vybrali články, které popisují jejich meze. U hemodynamické odezvy: Boynton et al. (1996) — linearita v určitém rozsahu platí; Glover (1999) — události oddělte aspoň o 4 sekundy; Vazquez & Noll (1998) — pod 4 sekundy odezva lineární není; Birn et al. (2001) — u krátkých podnětů může být skutečná odezva až desetkrát jiná, než předpovídá lineární model, a to různě v různých částech mozku. U FreeSurferu: Jovicich et al. (2009) — vliv skeneru a pracoviště; Gronenschild et al. (2012) — verze softwaru a operační systém mění výsledky, mezi verzemi FreeSurferu se objemy struktur liší v průměru o 8,8 % (v krajním případě až o 64 %) a tloušťka kůry o 2,8 %, typ stanice a verze systému zhruba o polovinu toho; Glatard et al. (2015) — vliv operačního systému a numerické přesnosti.

Spočítali jsme v citační databázi OpenAlex (snímek z 11. 10. 2026), kolik studií, které citují metodu, cituje i článek o její mezi. Abychom neporovnávali s ničím, srovnali jsme každou mez se „sourozencem“ — jiným článkem téže metodické rodiny (u hemodynamiky Friston et al. 1994, u FreeSurferu Dale et al. 1999). Studie jsme rozdělili na metodické a aplikační a počítali jen ty, které vyšly až po článku o mezi. Samotný počet je přesný. Je to ale zástupný ukazatel: na to, zda se varování dostane k uživatelům metody, z něj usuzujeme, neměříme to.

Testovali jsme jedinou věc: u Birnova článku jsme předem zapsali, že se v aplikacích bude citovat výrazně méně než jeho sourozenec. Ostatní výsledky jsou počty, ne test.

Posuzovali jsme — a tady začíná šedá zóna i u nás. Výběr sedmi článků o mezích, volba sourozenců a rozdělení mezí na ty, které říkají kde metoda platí, a ty, které říkají o kolik může selhat, jsou naše zařazení. Rozdělení literatury na metodickou a aplikační jsme převzali z automatické klasifikace OpenAlex a přijali ho jako dost dobré, aniž jsme jeho přesnost změřili. Totéž platí pro úplnost citačních vazeb. Jsou to přesně ty atributy měření, které se v praxi tiše berou za samozřejmé.

Co ukázaly počty citací

Pro každou mez porovnáváme dva podíly: kolik ze studií citujících metodu cituje článek o mezi, a kolik jich cituje sourozence. Poměr r je jejich podíl (1 = mez se cituje stejně často jako sourozenec).

Glatardův článek se cituje tak zřídka, že na statistický test nejsou data; uvádíme ho kvůli úplnosti.

Z 1 448 aplikačních studií, které citují kanonickou odezvu, cituje Birnův článek čtyři (0,28 %, 95% interval 0,11–0,71 %). Směr u Birna jsme zapsali před spuštěním výpočtu. Jak silný je to doklad? Po přepočtu na zmrazených datech, kde každou studii počítáme právě jednou, a po korekci na sedm statistických testů vychází takto: směr je stejný ve všech variantách výpočtu u všech tří „poplašných“ mezí, ale statisticky pevný je jen u Jovicich (p = 0,002); u Birna je hraniční (0,10, v jedné variantě 0,024) a u Gronenschilda hraniční (0,10). První verze naší analýzy ukazovala silnější výsledky — počítala ale studie citující obě práce dvakrát. Tu verzi jsme stáhli.

Pro úplnost: v plných textech, které jsou volně dostupné (54 studií z našeho korpusu), uvádí ze studií, které jmenují svůj analytický software, jeho verzi 10 z 24 a operační systém 4 z 24.

Co z toho vyvozujeme z praktického hlediska? Tři závěry, každý z nich střídmý a dobře doložený.

1. V citacích aplikačních studií se objevují meze, které říkají, kde metoda funguje. „Linearita platí“ a „použijte odstup 4 sekundy“ se v aplikacích citují stejně nebo častěji než srovnávací („sourozenecký“) článek téže metody. Rozdělení na „kde“ a „o kolik“ je ale naše pracovní zařazení a nesedí dokonale: Vazquez & Noll říká, kde linearita neplatí, a v aplikacích se přesto cituje málo (r = 0,64).
2. Méně se v nich objevují meze, které říkají, o kolik může selhat — tak to aspoň naznačují data: směr je konzistentní, statisticky pevný zatím u jedné ze tří takových prací. Desetinásobná odchylka u krátkých podnětů zůstává v metodické literatuře. Totéž platí pro zjištění, že výsledek strukturálního měření závisí na verzi programu.
3. Necitování ještě není porušení. Studie může dodržet Gloverovo pravidlo, aniž ho cituje, a může mít podněty dost dlouhé, aby se jí Birnův výsledek netýkal. Sledovali jsme stopu varování v jednom kanálu, ne zda se studie mýlí. Varování, které v citacích chybí, může k autorům dojít jinudy; a citace naopak nezaručuje, že bylo přijato.

Otázky, které klademe otevřeně

Tyto otázky v odborném článku budeme formulovat opatrněji. Tady je pokládáme přímo.

• Je citace meze varováním, nebo povolenkou? Glover se cituje, když autor zdůvodňuje svůj design: „odstup 4 sekundy, podle Glovera“. Citace tu nevaruje, ale dovoluje. Birnův článek nic nedovoluje — jen říká, že výsledek může být jinde. Dostávají se tedy do citací hlavně meze, které se dají použít jako razítko?
• Kdo by měl Birna citovat? Právě studie s krátkými podněty v oblastech, kde je nelinearita velká. Tedy přesně ty, kterým by citace přinesla nepohodlnou otázku. Neděje se výběr varování podle toho, komu by bylo nepříjemné?
• Proč se neujímají ani snadná opatření? „Zmrazte verzi a uveďte ji“ nic nestojí. Přesto ji ve volně dostupných plných textech neuvádí víc než polovina studií, které software jmenují (14 z 24 — vzorek je malý a výběrový). Je mez, která zpochybňuje přístroj, nepohodlnější než mez, která zpochybňuje pokus?
• Které atributy měření se „ukrajují“, kdy a kým? Z dobře definovaného měření se cestou od metody k aplikaci stává měření, u něhož se některé podmínky platnosti přijímají jako samozřejmé nebo nepodstatné, aniž by to někdo prokázal. Které to jsou, v kterém kroku se ztrácejí a co je příčinou — a co motivem, protože to nemusí být totéž? A jak velkou roli hrají kultura oboru, instituce a ještě měkčí faktory: zvyk, pohodlí, tlak na publikaci? Povolenka i nepohodlí z předchozích otázek jsou dva případy téhož.
• Měl by mít každý přístroj „příbalový leták“? U léku je seznam nežádoucích účinků povinný a putuje s každým balením. U metody putuje jen název. Kdo za obor rozhoduje, co se s metodou přibalí?

Odpověď na tyto otázky z citací nevyčteme. Vyčteme z nich ale, které otázky obor sám sobě nepokládá.

Odkazy

• Boynton, G. M., Engel, S. A., Glover, G. H. & Heeger, D. J. (1996). Linear systems analysis of functional magnetic resonance imaging in human V1. Journal of Neuroscience, 16(13), 4207–4221. https://doi.org/10.1523/jneurosci.16-13-04207.1996
• Vazquez, A. L. & Noll, D. C. (1998). Nonlinear aspects of the BOLD response in functional MRI. NeuroImage, 7(2), 108–118. https://doi.org/10.1006/nimg.1997.0316
• Friston, K. J. et al. (1998). Event-related fMRI: characterizing differential responses. NeuroImage, 7(1), 30–40. https://doi.org/10.1006/nimg.1997.0306
• Friston, K. J. et al. (1994). Analysis of functional MRI time-series. Human Brain Mapping, 1(2), 153–171. https://doi.org/10.1002/hbm.460010207
• Glover, G. H. (1999). Deconvolution of impulse response in event-related BOLD fMRI. NeuroImage, 9(4), 416–429. https://doi.org/10.1006/nimg.1998.0419
• Dale, A. M., Fischl, B. & Sereno, M. I. (1999). Cortical surface-based analysis. I. Segmentation and surface reconstruction. NeuroImage, 9(2), 179–194. https://doi.org/10.1006/nimg.1998.0395
• Birn, R. M., Saad, Z. S. & Bandettini, P. A. (2001). Spatial heterogeneity of the nonlinear dynamics in the FMRI BOLD response. NeuroImage, 14(4), 817–826. https://doi.org/10.1006/nimg.2001.0873
• Fischl, B. et al. (2002). Whole brain segmentation: automated labeling of neuroanatomical structures in the human brain. Neuron, 33(3), 341–355. https://doi.org/10.1016/s0896-6273(02)00569-x
• Jovicich, J. et al. (2009). MRI-derived measurements of human subcortical, ventricular and intracranial brain volumes: reliability effects of scan sessions, acquisition sequences, data analyses, scanner upgrade, scanner vendors and field strengths. NeuroImage, 46(1), 177–192. https://doi.org/10.1016/j.neuroimage.2009.02.010
• Gronenschild, E. H. B. M. et al. (2012). The effects of FreeSurfer version, workstation type, and Macintosh operating system version on anatomical volume and cortical thickness measurements. PLoS ONE, 7(6), e38234. https://doi.org/10.1371/journal.pone.0038234
• Glatard, T. et al. (2015). Reproducibility of neuroimaging analyses across operating systems. Frontiers in Neuroinformatics, 9, 12. https://doi.org/10.3389/fninf.2015.00012
• OpenAlex (Priem, Piwowar & Orr 2022), dotazy 11. 10. 2026. https://openalex.org · https://arxiv.org/abs/2205.01833

Naše referenční dokumentace (pracovní verze v .md; sazba v TeX připravována): neuro-assessment/PART-2-PHYSICS-v0.1-EN.md §3h (výsledky A7, A7b, A7c, A7d a přepočet A8 na zmrazeném snímku, včetně stažených a opravených měr); skripty scripts/a7.py, a8_snapshot.py, a8_analyse.py; data s kontrolními součty v data/A7 a data/A8-. Dokumentace je dnes v soukromém pracovním repozitáři. Odkazy ověřeny 12. 10. 2026: Friston 1998, Dale 1999, Fischl 2002 a Jovicich 2009 přes PubMed (PMID 9500830, 9931268, 11832223, 19233293), Friston 1994 přes Crossref.*

Připravujeme. Tento výsledek bude součástí odborného článku, který připravujeme ke zveřejnění na arXiv, s úplnou metodou, daty a kódem. Text projde druhou kontrolou a bude oznámen zde.

Metoda a meze. Citace jsou z OpenAlex, jehož citační vazby nejsou úplné. Dělení na metodickou a aplikační literaturu je podle tematické klasifikace OpenAlex (téma T10378), tedy přibližné. Statistický test je počítán na zmrazeném snímku 23 390 citujících prací (11. 10. 2026, dva nezávislé snímky shodné) s disjunktními skupinami — každá studie právě jednou — a s Holmovou korekcí na sedm testů; první verze, která studie citující mez i sourozence počítala dvakrát, je stažena. Necitování neznamená nedodržení. Míra, kterou jsme v průběhu stáhli (poměr k průměru oboru), je popsána v dokumentaci: dávala stejnou hodnotu i kontrolní dvojici, a nic tedy neříkala. Tři časy: generátor textu a analytických skriptů — jazykový model Claude (Cowork), 2026-10-11 až 12; orákulum — vlastní předem zapsaná očekávání (commit 3173329) a disjunktní Fisherův test; doména — citační graf OpenAlex ke snímku 2026-10-11T11:52Z.