成千上万篇静息态功能磁共振成像的相关文章已经发表。由于功能磁共振图像是高维数据，全脑包含数以万计的测量单元（又称体素），已发表的文章几乎都会对结果进行多重比较校正以控制假阳性率。大家通常认为，较小的阈值或者较严格的多重比较校正方法可以更好的控制假阳性率并提高研究之间的可重复性。然而事实如何？为此研究者们开展了一项全球性的大型合作，来研究严格的多重比较校正是否可以控制假阳性率，并提高研究之间的可重复性。

这一研究纳入了来自全球的15个中心的神经影像数据集，对每个志愿者的数据分析了低频振幅测量。这是一种体素水平的全脑静息态功能分析方法，已被广泛应用于脑科学研究。基于所有中心的帕金森病患者振幅的测量，研究团队绘制了每个中心的“病例-对照”全脑统计图谱，据此进行荟萃分析并将其结果作为金标准。结果显示，单一中心的帕金森与正常人的“异常”脑图谱，在实施多重比较校正后，几乎与荟萃分析的金标准“脑区”没有重叠。比如，帕金森疾病中“异常假设”非常强的脑区-壳核，也是荟萃分析所揭示疾病异常的金标准脑区，然而多重比较校正后，绝大多数中心无法检测到壳核的异常，但如果不做多重比较校正，大多数中心则可以检测出壳核的异常。这提示我们：严格多重比较校正并不能提高研究可重复性，相比严格多重比较校正，一个强有力的先验假设更重要。

这个发现意味着“严格的多重比较校正可能会排除掉有意义的脑区”。一些病症相关的异常脑区，由于其疾病效应量很小，因此很难在小样本研究中被检测到。样本量的不足限制了单个中心研究结果的可靠性，这正是“为什么大多数发表的结果是错误的”这一生命科学研究困境在静息态脑成像研究中的体现。通过多中心、团队化的开放式科学合作，使用大样本，开发更可靠的测量，来提高统计效应检测的功效，是解决上述困境的有效办法。针对这个问题，研究团队采用一种常模建模方法并展示了该方法可以大幅提高不同研究之间的可重复性（如图）。

神经影像学研究领域应建立有效的影像数据共享机制，通过对大样本的计算挖掘而建立健康人群的参考模式（常模），大幅提升研究的可靠性，促进转化应用。尽管由于潜在的伦理学问题，共享原始数据仍然是一个挑战，但是至少可以共享原始的统计图谱以供荟萃分析使用，而不是通过只发表严格多重比较校正的图谱，因为严格的多重比较校正并不能提高结果在不同研究之间的可重复性。