Imagerie par résonance magnétique fonctionnelle - Functional magnetic resonance imaging

Imagerie par résonance magnétique fonctionnelle
1206 FMRI.jpg
Une image IRMf avec des zones jaunes montrant une activité accrue par rapport à une condition de contrôle.
But mesure l'activité cérébrale en détectant les changements dus au flux sanguin.

L'imagerie par résonance magnétique fonctionnelle ou IRM fonctionnelle ( IRMf ) mesure l'activité cérébrale en détectant les changements associés au flux sanguin . Cette technique repose sur le fait que le flux sanguin cérébral et l'activation neuronale sont couplés. Lorsqu'une zone du cerveau est utilisée, le flux sanguin vers cette région augmente également.

La principale forme d'IRMf utilise le contraste dépendant du niveau d'oxygène dans le sang (BOLD), découvert par Seiji Ogawa en 1990. Il s'agit d'un type de scanner cérébral et corporel spécialisé utilisé pour cartographier l' activité neuronale dans le cerveau ou la moelle épinière des humains ou d'autres animaux en imageant le changement de flux sanguin ( réponse hémodynamique ) lié à l'utilisation d'énergie par les cellules du cerveau. Depuis le début des années 1990, l'IRMf domine la recherche sur la cartographie du cerveau car elle n'exige pas que les gens subissent des injections ou une intervention chirurgicale, qu'ils ingèrent des substances ou qu'ils soient exposés à des rayonnements ionisants. Cette mesure est fréquemment altérée par le bruit provenant de diverses sources ; par conséquent, des procédures statistiques sont utilisées pour extraire le signal sous-jacent. L'activation cérébrale résultante peut être représentée graphiquement par un codage couleur de la force d'activation à travers le cerveau ou la région spécifique étudiée. La technique peut localiser l'activité au millimètre près mais, en utilisant des techniques standard, pas mieux que dans une fenêtre de quelques secondes. D'autres méthodes d'obtention de contraste sont le marquage du spin artériel et l' IRM de diffusion . Cette dernière procédure est similaire à l'IRMf BOLD mais fournit un contraste basé sur l'ampleur de la diffusion des molécules d'eau dans le cerveau.

En plus de détecter les réponses BOLD de l'activité due aux tâches/stimuli, l'IRMf peut mesurer l'IRMf à l'état de repos , ou IRMf sans tâche, qui montre la variance BOLD de base des sujets. Depuis environ 1998, des études ont montré l'existence et les propriétés du réseau en mode par défaut (DMN), alias « Resting State Network » (RSN), un réseau neuronal fonctionnellement connecté d'« états cérébraux » apparents.

L'IRMf est utilisée dans la recherche et, dans une moindre mesure, dans le travail clinique. Il peut compléter d'autres mesures de la physiologie cérébrale telles que l' EEG et le NIRS . Des méthodes plus récentes qui améliorent à la fois la résolution spatiale et temporelle sont à l'étude, et celles-ci utilisent largement des biomarqueurs autres que le signal BOLD. Certaines entreprises ont développé des produits commerciaux tels que des détecteurs de mensonges basés sur des techniques d'IRMf, mais on pense que la recherche n'est pas suffisamment développée pour une commercialisation à grande échelle.

Aperçu

Le concept d'IRMf s'appuie sur la technologie d' imagerie IRM antérieure et sur la découverte des propriétés du sang riche en oxygène. Les scintigraphies cérébrales par IRM utilisent un champ magnétique puissant, permanent et statique pour aligner les noyaux dans la région du cerveau étudiée. Un autre champ magnétique, le champ de gradient, est ensuite appliqué pour localiser spatialement différents noyaux. Enfin, une impulsion de radiofréquence (RF) est jouée pour propulser les noyaux à des niveaux de magnétisation plus élevés, l'effet dépendant désormais de l'endroit où ils se trouvent. Lorsque le champ RF est supprimé, les noyaux retrouvent leur état d'origine et l'énergie qu'ils émettent est mesurée avec une bobine pour recréer les positions des noyaux. L'IRM fournit ainsi une vue structurelle statique de la matière cérébrale. L'objectif central de l'IRMf était d'étendre l'IRM pour capturer les changements fonctionnels dans le cerveau causés par l'activité neuronale. Les différences de propriétés magnétiques entre le sang artériel (riche en oxygène) et veineux (pauvre en oxygène) ont fourni ce lien.

Chercheur vérifiant les images IRMf.
Chercheur vérifiant des images d'IRMf

Depuis les années 1890, on sait que les modifications du flux sanguin et de l'oxygénation du sang dans le cerveau (collectivement appelées hémodynamique ) sont étroitement liées à l'activité neuronale. Lorsque les neurones deviennent actifs, le flux sanguin local vers ces régions du cerveau augmente et le sang riche en oxygène (oxygéné) déplace le sang appauvri en oxygène (désoxygéné) environ 2 secondes plus tard. Cela atteint un pic en 4 à 6 secondes, avant de retomber au niveau d'origine (et généralement légèrement en dessous). L'oxygène est transporté par la molécule d' hémoglobine dans les globules rouges . L'hémoglobine désoxygénée (dHb) est plus magnétique ( paramagnétique ) que l'hémoglobine oxygénée (Hb), qui est pratiquement résistante au magnétisme ( diamagnétique ). Cette différence conduit à un signal MR amélioré puisque le sang diamagnétique interfère moins avec le signal magnétique MR. Cette amélioration peut être cartographiée pour montrer quels neurones sont actifs à la fois.

Histoire

À la fin du XIXe siècle, Angelo Mosso inventa « l'équilibre de la circulation humaine », qui pouvait mesurer de manière non invasive la redistribution du sang pendant l'activité émotionnelle et intellectuelle. Cependant, bien que brièvement mentionnés par William James en 1890, les détails et le fonctionnement précis de cette balance et les expériences que Mosso a effectuées avec elle sont restés en grande partie inconnus jusqu'à la découverte récente de l'instrument original ainsi que les rapports de Mosso par Stefano Sandrone et ses collègues. Angelo Mosso a étudié plusieurs variables critiques qui sont toujours pertinentes en neuroimagerie moderne, telles que le « rapport signal/bruit », le choix approprié du paradigme expérimental et la nécessité d'enregistrer simultanément des paramètres physiologiques différents . Les manuscrits de Mosso ne fournissent pas de preuve directe que la balance était vraiment capable de mesurer les changements dans le flux sanguin cérébral dus à la cognition , cependant une réplication moderne réalisée par David T Field a maintenant démontré en utilisant des techniques modernes de traitement du signal inaccessibles à Mosso qu'un appareil d'équilibre de ce type est capable de détecter les changements dans le volume sanguin cérébral liés à la cognition.

En 1890, Charles Roy et Charles Sherrington ont pour la première fois lié expérimentalement la fonction cérébrale à son flux sanguin, à l'Université de Cambridge . L'étape suivante pour déterminer comment mesurer le flux sanguin vers le cerveau a été la découverte par Linus Pauling et Charles Coryell en 1936 que le sang riche en oxygène contenant de l'Hb était faiblement repoussé par les champs magnétiques, tandis que le sang appauvri en oxygène contenant de la dHb était attiré par un mais moins que les éléments ferromagnétiques tels que le fer. Seiji Ogawa à AT & T Bell Labs a reconnu que cela pourrait être utilisé pour augmenter l' IRM, ce qui pourrait juste étudier la structure statique du cerveau, car les propriétés magnétiques différentes de dHb et Hb causées par le flux sanguin vers les régions du cerveau activées provoquerait des changements mesurables dans la signal IRM. BOLD est le contraste IRM de dHb, découvert en 1990 par Ogawa. Dans une étude fondamentale de 1990 basée sur des travaux antérieurs de Thulborn et al., Ogawa et ses collègues ont scanné des rongeurs dans une IRM à champ magnétique puissant (7,0  T ). Pour manipuler le niveau d'oxygène dans le sang, ils ont modifié la proportion d'oxygène que les animaux respiraient. Au fur et à mesure que cette proportion diminuait, une carte du flux sanguin dans le cerveau a été vue dans l'IRM. Ils ont vérifié cela en plaçant des tubes à essai avec du sang oxygéné ou désoxygéné et en créant des images séparées. Ils ont également montré que les images en écho de gradient, qui dépendent d'une forme de perte d'aimantation appelée décroissance T 2 * , produisaient les meilleures images. Pour montrer que ces changements de flux sanguin étaient liés à l'activité cérébrale fonctionnelle, ils ont modifié la composition de l'air respiré par les rats et les ont scannés tout en surveillant l'activité cérébrale par EEG. La première tentative de détection de l'activité cérébrale régionale à l'aide de l'IRM a été réalisée par Belliveau et ses collègues de l'Université Harvard en utilisant l'agent de contraste Magnevist, une substance paramagnétique restant dans la circulation sanguine après une injection intraveineuse. Cependant, cette méthode n'est pas populaire en IRMf humaine, en raison de l'inconvénient de l'injection d'agent de contraste et parce que l'agent ne reste dans le sang que pendant une courte période.

Trois études en 1992 ont été les premières à explorer l'utilisation du contraste BOLD chez l'homme. Kenneth Kwong et ses collègues, utilisant à la fois une séquence d' imagerie écho-planaire (EPI) à écho de gradient et de récupération d'inversion à une force de champ magnétique de 1,5 T, ont publié des études montrant une activation claire du cortex visuel humain . L'équipe de Harvard a ainsi montré que le débit sanguin et le volume sanguin augmentaient localement dans le tissu nerveux actif. Ogawa et d'autres ont mené une étude similaire en utilisant un champ plus élevé (4,0 T) et ont montré que le signal BOLD dépendait de la perte de magnétisation T2*. La désintégration T2 * est causée par des noyaux magnétisés dans un volume d'espace perdant leur cohérence magnétique (magnétisation transversale) à la fois par collision et par des différences intentionnelles dans l'intensité du champ magnétique appliqué à travers les emplacements (inhomogénéité de champ à partir d'un gradient spatial). Bandettini et ses collègues ont utilisé l'EPI à 1,5 T pour montrer l'activation dans le cortex moteur primaire, une zone du cerveau à la dernière étape des circuits contrôlant les mouvements volontaires. Les champs magnétiques, les séquences d'impulsions et les procédures et techniques utilisées par ces premières études sont toujours utilisées dans les études IRMf actuelles. Mais aujourd'hui, les chercheurs collectent généralement des données à partir de plusieurs tranches (en utilisant des gradients magnétiques plus forts) et prétraitent et analysent les données à l'aide de techniques statistiques.

Physiologie

Le cerveau ne stocke pas beaucoup de glucose, sa principale source d'énergie. Lorsque les neurones deviennent actifs, les ramener à leur état de polarisation d'origine nécessite de pomper activement des ions à travers les membranes cellulaires neuronales, dans les deux sens. L'énergie de ces pompes à ions est principalement produite à partir du glucose. Plus de sang afflue pour transporter plus de glucose, apportant également plus d'oxygène sous forme de molécules d'hémoglobine oxygénée dans les globules rouges. Ceci est dû à la fois à un débit sanguin plus élevé et à une expansion des vaisseaux sanguins. La modification du flux sanguin est localisée à 2 ou 3 mm de l'endroit où se trouve l'activité neuronale. Habituellement, l'oxygène apporté est supérieur à l'oxygène consommé lors de la combustion du glucose (il n'est pas encore établi si la consommation de glucose est principalement oxydative), ce qui entraîne une diminution nette de l'hémoglobine désoxygénée (dHb) dans les vaisseaux sanguins de cette zone du cerveau. Cela modifie la propriété magnétique du sang, ce qui le rend moins interférer avec l'aimantation et sa dégradation éventuelle induite par le processus d'IRM.

Le flux sanguin cérébral (CBF) correspond au glucose consommé différemment dans différentes régions du cerveau. Les premiers résultats montrent qu'il y a plus d'afflux que de consommation de glucose dans des régions telles que l' amygdale , les noyaux gris centraux , le thalamus et le cortex cingulaire , qui sont tous recrutés pour des réponses rapides. Dans les régions plus délibératives, comme les lobes frontaux latéraux et pariétaux latéraux, il semble que le flux entrant soit inférieur à la consommation. Cela affecte la sensibilité BOLD.

L'hémoglobine diffère dans la façon dont elle réagit aux champs magnétiques, selon qu'elle possède ou non une molécule d'oxygène liée. La molécule dHb est plus attirée par les champs magnétiques. Par conséquent, il déforme le champ magnétique environnant induit par un scanner IRM, provoquant une perte d'aimantation plus rapide des noyaux via la désintégration T 2 * . Ainsi, les séquences d'impulsions IRM sensibles à T 2 * montrent plus de signal MR là où le sang est fortement oxygéné et moins là où il ne l'est pas. Cet effet augmente avec le carré de la force du champ magnétique. Le signal IRMf a donc besoin à la fois d'un champ magnétique puissant (1,5 T ou plus) et d'une séquence d'impulsions telle que l'EPI, qui est sensible au contraste T 2 * .

La réponse physiologique du flux sanguin décide en grande partie de la sensibilité temporelle, c'est-à-dire avec quelle précision nous pouvons mesurer quand les neurones sont actifs, en BOLD fMRI. Le paramètre de résolution temporelle de base (temps d'échantillonnage) est désigné TR; le TR dicte la fréquence à laquelle une tranche de cerveau particulière est excitée et autorisée à perdre son magnétisation. Les TR peuvent varier du très court (500 ms) au très long (3 s). Pour l'IRMf en particulier, la réponse hémodynamique dure plus de 10 secondes, augmente de manière multiplicative (c'est-à-dire en proportion de la valeur actuelle), culmine à 4 à 6 secondes, puis diminue de manière multiplicative. Les changements dans le système de circulation sanguine, le système vasculaire, intègrent des réponses à l'activité neuronale au fil du temps. Comme cette réponse est une fonction continue fluide, l'échantillonnage avec des TR toujours plus rapides n'aide pas ; cela donne juste plus de points sur la courbe de réponse pouvant être obtenus par simple interpolation linéaire de toute façon. Les paradigmes expérimentaux tels que le décalage lorsqu'un stimulus est présenté lors de divers essais peuvent améliorer la résolution temporelle, mais réduisent le nombre de points de données efficaces obtenus.

Réponse hémodynamique BOLD

Principales résolutions des techniques d'imagerie fonctionnelle cérébrale

Le changement dans le signal MR de l'activité neuronale est appelé la réponse hémodynamique (HDR). Il retarde de quelques secondes les événements neuronaux qui le déclenchent, car il faut un certain temps au système vasculaire pour répondre aux besoins du cerveau en glucose. À partir de ce point, il atteint généralement un pic environ 5 secondes après le stimulus. Si les neurones continuent à tirer, disons à partir d'un stimulus continu, le pic se propage à un plateau plat tandis que les neurones restent actifs. Après l'arrêt de l'activité, le signal BOLD tombe en dessous du niveau d'origine, la ligne de base, un phénomène appelé sous-dépassement. Au fil du temps, le signal revient à la ligne de base. Il existe des preuves que les besoins métaboliques continus dans une région du cerveau contribuent au sous-dépassement.

Le mécanisme par lequel le système neuronal fournit une rétroaction au système vasculaire de son besoin de plus de glucose est en partie la libération de glutamate dans le cadre de la décharge des neurones. Ce glutamate affecte les cellules de soutien voisines, les astrocytes , provoquant une modification de la concentration en ions calcium . Ceci, à son tour, libère de l'oxyde nitrique au point de contact des astrocytes et des vaisseaux sanguins de taille intermédiaire, les artérioles . L'oxyde nitrique est un vasodilatateur provoquant l'expansion des artérioles et l'aspiration de plus de sang.

Le signal de réponse d' un seul voxel au fil du temps est appelé son évolution temporelle. En règle générale, le signal indésirable, appelé bruit, provenant du scanner, de l'activité cérébrale aléatoire et d'éléments similaires est aussi gros que le signal lui-même. Pour les éliminer, les études IRMf répètent plusieurs fois la présentation d'un stimulus.

Résolution spatiale

La résolution spatiale d'une étude IRMf fait référence à la manière dont elle distingue les emplacements proches. Elle se mesure par la taille des voxels, comme en IRM. Un voxel est un cuboïde rectangulaire tridimensionnel, dont les dimensions sont définies par l'épaisseur de la tranche, la surface d'une tranche et la grille imposée à la tranche par le processus de balayage. Les études sur le cerveau complet utilisent des voxels plus grands, tandis que celles qui se concentrent sur des régions d'intérêt spécifiques utilisent généralement des tailles plus petites. Les tailles vont de 4 à 5 mm, ou avec une résolution laminaire IRMf (lfMRI), à submillimétrique. Les voxels plus petits contiennent en moyenne moins de neurones, incorporent moins de flux sanguin et ont donc moins de signal que les voxels plus gros. Des voxels plus petits impliquent des temps de balayage plus longs, car le temps de balayage augmente directement avec le nombre de voxels par tranche et le nombre de tranches. Cela peut entraîner à la fois une gêne pour le sujet à l'intérieur du scanner et une perte du signal de magnétisation. Un voxel contient généralement quelques millions de neurones et des dizaines de milliards de synapses , le nombre réel dépendant de la taille du voxel et de la zone du cerveau à imager.

Le système artériel vasculaire alimentant des branches de sang frais dans des vaisseaux de plus en plus petits lorsqu'il pénètre dans la surface du cerveau et les régions intra-cérébrales, culminant dans un lit capillaire connecté dans le cerveau. De même, le système de drainage se fond dans des veines de plus en plus grosses à mesure qu'il évacue le sang appauvri en oxygène. La contribution dHb au signal IRMf provient à la fois des capillaires proches de la zone d'activité et des veines de drainage plus grandes qui peuvent être plus éloignées. Pour une bonne résolution spatiale, le signal des grosses veines doit être supprimé, car il ne correspond pas à la zone où se trouve l'activité neuronale. Ceci peut être réalisé soit en utilisant des champs magnétiques statiques puissants, soit en utilisant des séquences d'impulsions d'écho de spin. Avec ceux-ci, l'IRMf peut examiner une plage spatiale de millimètres à centimètres, et peut donc identifier les zones de Brodmann (centimers), les noyaux sous-corticaux tels que le caudé , le putamen et le thalamus, et les sous-champs hippocampiques tels que le gyrus denté combiné / CA3 , CA1 et subiculum .

Résolution temporelle

La résolution temporelle est la plus petite période d'activité neuronale séparée de manière fiable par IRMf. Un élément déterminant ceci est le temps d'échantillonnage, le TR. En dessous d'un TR de 1 ou 2 secondes, cependant, le balayage génère simplement des courbes HDR plus nettes, sans ajouter beaucoup d'informations supplémentaires (par exemple au-delà de ce qui est alternativement obtenu en interpolant mathématiquement les écarts de courbe à un TR inférieur). La résolution temporelle peut être améliorée en échelonnant la présentation des stimuli entre les essais. Si un tiers des essais de données sont échantillonnés normalement, un tiers à 1 s, 4 s, 7 s et ainsi de suite, et le dernier tiers à 2 s, 5 s et 8 s, les données combinées fournissent une résolution de 1 s , mais avec seulement un tiers du nombre total d'événements.

La résolution temporelle nécessaire dépend du temps de traitement cérébral pour divers événements. Un exemple de la large gamme ici est donné par le système de traitement visuel. Ce que l'œil voit est enregistré sur les photorécepteurs de la rétine en une milliseconde environ. Ces signaux parviennent au cortex visuel primaire via le thalamus en quelques dizaines de millisecondes. L'activité neuronale liée à l'acte de voir dure plus de 100 ms. Une réaction rapide, comme une embardée pour éviter un accident de voiture, prend environ 200 ms. Au bout d'une demi-seconde environ, la conscience et la réflexion de l'incident s'installent. Se souvenir d'un événement similaire peut prendre quelques secondes, et les changements émotionnels ou physiologiques tels que l'éveil de la peur peuvent durer des minutes ou des heures. Les changements appris, tels que la reconnaissance de visages ou de scènes, peuvent durer des jours, des mois ou des années. La plupart des expériences d'IRMf étudient les processus cérébraux pendant quelques secondes, l'étude étant menée sur quelques dizaines de minutes. Les sujets peuvent bouger la tête pendant ce temps, et ce mouvement de la tête doit être corrigé. Il en va de même de la dérive du signal de base au fil du temps. L'ennui et l'apprentissage peuvent modifier à la fois le comportement du sujet et les processus cognitifs.

Addition linéaire à partir d'une activation multiple

Lorsqu'une personne effectue deux tâches simultanément ou en chevauchement, la réponse BOLD devrait s'additionner linéairement. Il s'agit d'une hypothèse fondamentale de nombreuses études d'IRMf qui est basée sur le principe selon lequel des systèmes continuellement différenciables peuvent se comporter de manière linéaire lorsque les perturbations sont faibles ; ils sont linéaires au premier ordre. L'addition linéaire signifie que la seule opération autorisée sur les réponses individuelles avant qu'elles ne soient combinées (additionnées) est une mise à l'échelle distincte de chacune. Étant donné que la mise à l'échelle n'est qu'une multiplication par un nombre constant, cela signifie qu'un événement qui évoque, disons, deux fois la réponse neuronale comme un autre, peut être modélisé comme le premier événement présenté deux fois simultanément. Le HDR pour l'événement doublé est alors juste le double de celui de l'événement simple.

Dans la mesure où le comportement est linéaire, l'évolution dans le temps de la réponse BOLD à un stimulus arbitraire peut être modélisée par convolution de ce stimulus avec la réponse impulsionnelle BOLD. Une modélisation précise de l'évolution dans le temps est importante pour estimer l'amplitude de la réponse BOLD.

Cette hypothèse forte a été étudiée pour la première fois en 1996 par Boynton et ses collègues, qui ont vérifié les effets sur le cortex visuel primaire de motifs clignotant 8 fois par seconde et présentés pendant 3 à 24 secondes. Leur résultat a montré que lorsque le contraste visuel de l'image était augmenté, la forme HDR restait la même mais son amplitude augmentait proportionnellement. À quelques exceptions près, les réponses à des stimuli plus longs pourraient également être déduites en additionnant les réponses pour plusieurs stimuli plus courts totalisant la même durée plus longue. En 1997, Dale et Buckner ont testé si des événements individuels, plutôt que des blocs d'une certaine durée, se résumaient également de la même manière, et ont constaté qu'ils le faisaient. Mais ils ont également trouvé des écarts par rapport au modèle linéaire à des intervalles de temps inférieurs à 2 secondes.

Une source de non-linéarité dans la réponse IRMf provient de la période réfractaire, où l'activité cérébrale d'un stimulus présenté supprime toute activité supplémentaire sur un stimulus ultérieur similaire. Au fur et à mesure que les stimuli se raccourcissent, la période réfractaire devient plus perceptible. La période réfractaire ne change pas avec l'âge, ni les amplitudes des HDR. La période diffère selon les régions du cerveau. Dans le cortex moteur primaire et le cortex visuel, l'amplitude HDR évolue linéairement avec la durée d'un stimulus ou d'une réponse. Dans les régions secondaires correspondantes, le cortex moteur supplémentaire , qui est impliqué dans la planification du comportement moteur, et la région V5 sensible au mouvement, une forte période réfractaire est observée et l'amplitude HDR reste stable sur une plage de durées de stimulus ou de réponse. L'effet réfractaire peut être utilisé d'une manière similaire à l' accoutumance pour voir quelles caractéristiques d'un stimulus une personne distingue comme nouvelles. D'autres limites à la linéarité existent en raison de la saturation : avec des niveaux de stimulation élevés, une réponse BOLD maximale est atteinte.

Faire correspondre l'activité neuronale au signal BOLD

Les chercheurs ont comparé le signal BOLD à la fois aux signaux des électrodes implantées (principalement chez les singes) et aux signaux des potentiels de champ (c'est-à-dire le champ électrique ou magnétique de l'activité cérébrale, mesuré à l'extérieur du crâne) de l' EEG et du MEG . Le potentiel de champ local, qui comprend à la fois l'activité post-neurone-synaptique et le traitement neuronal interne, prédit mieux le signal BOLD. Ainsi, le contraste BOLD reflète principalement les entrées d'un neurone et le traitement intégratif du neurone dans son corps, et moins la décharge de sortie des neurones. Chez l'homme, les électrodes ne peuvent être implantées que chez les patients nécessitant une intervention chirurgicale comme traitement, mais les preuves suggèrent une relation similaire au moins pour le cortex auditif et le cortex visuel primaire. Les emplacements d'activation détectés par BOLD fMRI dans les zones corticales (régions de la surface du cerveau) sont connus pour correspondre aux cartes fonctionnelles basées sur le CBF à partir de la TEP . Il a été démontré que certaines régions de quelques millimètres, telles que le noyau genouillé latéral (LGN) du thalamus, qui relaie les entrées visuelles de la rétine au cortex visuel, génèrent correctement le signal BOLD lorsqu'elles sont présentées avec une entrée visuelle. Les régions voisines telles que le noyau pulvinaire n'ont pas été stimulées pour cette tâche, indiquant une résolution millimétrique pour l'étendue spatiale de la réponse BOLD, au moins dans les noyaux thalamiques. Dans le cerveau du rat, il a été démontré que le toucher d'un seul moustache déclenche des signaux BOLD du cortex somatosensoriel .

Cependant, le signal BOLD ne peut pas séparer les réseaux actifs de rétroaction et d'anticipation dans une région ; la lenteur de la réponse vasculaire signifie que le signal final est la version additionnée de l'ensemble du réseau de la région ; le flux sanguin n'est pas discontinu au cours du traitement. En outre, les entrées inhibitrices et excitatrices d'un neurone provenant d'autres neurones s'additionnent et contribuent au signal BOLD. Dans un neurone, ces deux entrées peuvent s'annuler. La réponse BOLD peut également être affectée par divers facteurs, notamment la maladie, la sédation, l'anxiété, les médicaments qui dilatent les vaisseaux sanguins et l'attention (neuromodulation).

L'amplitude du signal BOLD n'affecte pas nécessairement sa forme. Un signal d'amplitude plus élevée peut être observé pour une activité neuronale plus forte, mais culminant au même endroit qu'un signal plus faible. De plus, l'amplitude ne reflète pas nécessairement les performances comportementales. Une tâche cognitive complexe peut initialement déclencher des signaux de grande amplitude associés à de bonnes performances, mais à mesure que le sujet s'améliore, l'amplitude peut diminuer pour que les performances restent les mêmes. Cela devrait être dû à une efficacité accrue dans l'exécution de la tâche. La réponse BOLD dans les régions du cerveau ne peut pas être comparée directement, même pour la même tâche, car la densité des neurones et les caractéristiques d'approvisionnement en sang ne sont pas constantes dans le cerveau. Cependant, la réponse BOLD peut souvent être comparée entre les sujets pour la même région du cerveau et la même tâche.

Une caractérisation plus récente du signal BOLD a utilisé des techniques optogénétiques chez les rongeurs pour contrôler avec précision la décharge neuronale tout en surveillant simultanément la réponse BOLD à l'aide d'aimants à champ élevé (une technique parfois appelée « optofMRI »). Ces techniques suggèrent que la décharge neuronale est bien corrélée avec le signal BOLD mesuré, y compris la sommation approximativement linéaire du signal BOLD sur des salves rapprochées de décharge neuronale. La sommation linéaire est une hypothèse des conceptions d'IRMf liées aux événements couramment utilisées.

Usage médical

Images composites d'un scan IRMf.

Les médecins utilisent l'IRMf pour évaluer le risque d'une chirurgie cérébrale ou d'un traitement invasif similaire pour un patient et pour apprendre comment fonctionne un cerveau normal, malade ou blessé. Ils cartographient le cerveau avec l'IRMf pour identifier les régions liées à des fonctions critiques telles que la parole, le mouvement, la détection ou la planification. Ceci est utile pour planifier la chirurgie et la radiothérapie du cerveau. Les cliniciens utilisent également l'IRMf pour cartographier anatomiquement le cerveau et détecter les effets des tumeurs, des accidents vasculaires cérébraux, des blessures à la tête et au cerveau, ou des maladies telles que la maladie d'Alzheimer et les troubles du développement tels que l' autisme, etc.

Image IRMf du cerveau d'un participant au Personal Genome Project .

L'utilisation clinique de l'IRMf est toujours à la traîne par rapport à l'utilisation de la recherche. Les patients atteints de pathologies cérébrales sont plus difficiles à scanner avec l'IRMf que les jeunes volontaires sains, la population typique des sujets de recherche. Les tumeurs et les lésions peuvent modifier le flux sanguin de manière non liée à l'activité neuronale, masquant ainsi le HDR neuronal. Des médicaments tels que les antihistaminiques et même la caféine peuvent affecter le HDR. Certains patients peuvent souffrir de troubles tels que le mensonge compulsif, ce qui rend certaines études impossibles. Il est plus difficile pour ceux qui ont des problèmes cliniques de rester immobiles longtemps. L'utilisation d'appuie-tête ou de barres de morsure peut blesser les épileptiques qui ont une crise à l'intérieur du scanner ; les barres de morsure peuvent également gêner les personnes portant des prothèses dentaires.

Malgré ces difficultés, l'IRMf a été utilisée en clinique pour cartographier les zones fonctionnelles, vérifier l'asymétrie hémisphérique gauche-droite dans les régions du langage et de la mémoire, vérifier les corrélats neuronaux d'une crise, étudier comment le cerveau récupère partiellement d'un accident vasculaire cérébral, tester l'efficacité d'un médicament ou la thérapie comportementale fonctionne, détecte l'apparition de la maladie d'Alzheimer et note la présence de troubles comme la dépression. La cartographie des zones fonctionnelles et la compréhension de la latéralisation du langage et de la mémoire aident les chirurgiens à éviter de retirer des régions cérébrales critiques lorsqu'ils doivent opérer et retirer du tissu cérébral. Ceci est particulièrement important dans l'élimination des tumeurs et chez les patients atteints d' épilepsie du lobe temporal intraitable . Les tumeurs lésionnelles nécessitent une planification pré-chirurgicale pour s'assurer qu'aucun tissu fonctionnellement utile n'est retiré inutilement. Les patients déprimés récupérés ont montré une activité IRMf altérée dans le cervelet, ce qui peut indiquer une tendance à la rechute. L'IRMf pharmacologique, qui mesure l'activité cérébrale après l'administration des médicaments, peut être utilisée pour vérifier le degré de pénétration d'un médicament dans la barrière hémato-encéphalique et les informations dose/effet du médicament.

Recherche animale

La recherche est principalement effectuée sur des primates non humains tels que le macaque rhésus . Ces études peuvent être utilisées à la fois pour vérifier ou prédire les résultats humains et pour valider la technique IRMf elle-même. Mais les études sont difficiles car il est difficile de motiver un animal à rester immobile et des incitations typiques telles que le jus déclenchent un mouvement de la tête pendant que l'animal l'avale. Il est également coûteux de maintenir une colonie d'animaux plus gros comme le macaque.

Analyser les données

L'objectif de l'analyse des données IRMf est de détecter des corrélations entre l'activation cérébrale et une tâche que le sujet effectue pendant l'analyse. Il vise également à découvrir des corrélations avec des états cognitifs spécifiques, tels que la mémoire et la reconnaissance, induits chez le sujet. Cependant, la signature BOLD de l'activation est relativement faible, de sorte que les autres sources de bruit dans les données acquises doivent être soigneusement contrôlées. Cela signifie qu'une série d'étapes de traitement doit être effectuée sur les images acquises avant que la recherche statistique réelle d'activation liée à la tâche puisse commencer. Néanmoins, il est possible de prédire, par exemple, les émotions qu'une personne éprouve uniquement à partir de son IRMf, avec un degré de précision élevé.

Sources de bruit

Le bruit est une modification indésirable du signal RM provenant d'éléments sans intérêt pour l'étude. Les cinq principales sources de bruit en IRMf sont le bruit thermique, le bruit du système, le bruit physiologique, l'activité neuronale aléatoire et les différences de stratégies mentales et de comportement entre les personnes et entre les tâches au sein d'une personne. Le bruit thermique se multiplie en fonction de l'intensité du champ statique, mais le bruit physiologique se multiplie comme le carré de l'intensité du champ. Étant donné que le signal se multiplie également par le carré de l'intensité du champ et que le bruit physiologique représente une grande proportion du bruit total, des intensités de champ supérieures à 3 T ne produisent pas toujours des images proportionnellement meilleures.

La chaleur fait bouger les électrons et déforme le courant dans le détecteur IRMf, produisant un bruit thermique. Le bruit thermique augmente avec la température. Elle dépend également de la gamme de fréquences détectée par la bobine réceptrice et de sa résistance électrique. Il affecte tous les voxels de la même manière, indépendamment de l'anatomie.

Le bruit du système provient du matériel d'imagerie. Une forme est la dérive du scanner, causée par la dérive du champ de l'aimant supraconducteur dans le temps. Une autre forme consiste en des changements dans la distribution de courant ou de tension du cerveau lui-même induisant des changements dans la bobine réceptrice et réduisant sa sensibilité. Une procédure appelée adaptation d'impédance est utilisée pour contourner cet effet d'inductance. Il pourrait également y avoir du bruit provenant du champ magnétique qui n'est pas uniforme. Ceci est souvent ajusté en utilisant des bobines de calage, de petits aimants physiquement insérés, disons dans la bouche du sujet, pour patcher le champ magnétique. Les non-uniformités sont souvent proches des sinus cérébraux tels que l'oreille et le fait de boucher la cavité pendant de longues périodes peut être déconcertant. Le processus de balayage acquiert le signal MR dans l'espace k, dans lequel les fréquences spatiales qui se chevauchent (c'est-à-dire les bords répétés dans le volume de l'échantillon) sont chacune représentées par des lignes. Transformer cela en voxels introduit des pertes et des distorsions.

Le bruit physiologique provient des mouvements de la tête et du cerveau dans le scanner provenant de la respiration, des battements cardiaques ou du fait que le sujet s'agite, se contracte ou fait des réponses physiques telles que des pressions sur des boutons. Les mouvements de la tête modifient la cartographie voxel-neurones pendant le balayage. Étant donné que l'IRMf est acquise en tranches, après le mouvement, un voxel continue de se référer au même emplacement absolu dans l'espace alors que les neurones en dessous auraient changé. Une autre source de bruit physiologique est le changement du débit sanguin, du volume sanguin et de l'utilisation de l'oxygène au fil du temps. Cette dernière composante contribue aux deux tiers du bruit physiologique, qui, à son tour, est le principal contributeur au bruit total.

Même avec la meilleure conception expérimentale, il n'est pas possible de contrôler et de contraindre tous les autres stimuli d'arrière-plan affectant un sujet : bruit du scanner, pensées aléatoires, sensations physiques, etc. Ceux-ci produisent une activité neuronale indépendante de la manipulation expérimentale. Ceux-ci ne se prêtent pas à une modélisation mathématique et doivent être contrôlés par la conception de l'étude.

Les stratégies d'une personne pour répondre ou réagir à un stimulus et pour résoudre des problèmes changent souvent au fil du temps et des tâches. Cela génère des variations dans l'activité neuronale d'un essai à l'autre au sein d'un sujet. D'une personne à l'autre, l'activité neuronale diffère également pour des raisons similaires. Les chercheurs mènent souvent des études pilotes pour voir comment les participants se comportent généralement pour la tâche considérée. Ils apprennent également souvent aux sujets à réagir ou à réagir lors d'une session de formation d'essai avant celle de numérisation.

Prétraitement

La plate-forme du scanner génère un volume 3D de la tête du sujet chaque TR. Il s'agit d'un tableau de valeurs d'intensité de voxel, une valeur par voxel dans le balayage. Les voxels sont disposés les uns après les autres, dépliant la structure tridimensionnelle en une seule ligne. Plusieurs de ces volumes d'une session sont réunis pour former un volume 4D correspondant à une course, pendant la période de temps pendant laquelle le sujet est resté dans le scanner sans ajuster la position de la tête. Ce volume 4D est le point de départ de l'analyse. La première partie de cette analyse est le prétraitement.

La première étape du prétraitement est classiquement la correction de la synchronisation des tranches. Le scanner MR acquiert différentes tranches dans un même volume cérébral à différents moments, et donc les tranches représentent l'activité cérébrale à différents moments. Étant donné que cela complique l'analyse ultérieure, une correction de synchronisation est appliquée pour amener toutes les tranches à la même référence de point temporel. Ceci est fait en supposant que le parcours temporel d'un voxel est lisse lorsqu'il est tracé sous forme de ligne pointillée. Par conséquent, la valeur d'intensité du voxel à d'autres moments qui ne se trouvent pas dans les images échantillonnées peut être calculée en remplissant les points pour créer une courbe continue.

La correction du mouvement de la tête est une autre étape de prétraitement courante. Lorsque la tête bouge, les neurones sous un voxel bougent et, par conséquent, son évolution dans le temps représente désormais largement celle d'un autre voxel dans le passé. Par conséquent, la courbe du cours du temps est effectivement coupée et collée d'un voxel à un autre. La correction de mouvement essaie différentes manières d'annuler cela pour voir quelle annulation du copier-coller produit le déroulement temporel le plus fluide pour tous les voxels. L'annulation consiste à appliquer une transformation de corps rigide au volume, en déplaçant et en faisant pivoter l'ensemble des données de volume pour tenir compte du mouvement. Le volume transformé est comparé statistiquement au volume au premier point temporel pour voir dans quelle mesure ils correspondent, à l'aide d'une fonction de coût telle que la corrélation ou l'information mutuelle . La transformation qui donne la fonction de coût minimal est choisie comme modèle pour le mouvement de la tête. La tête pouvant se déplacer de manières très variées, il n'est pas possible de rechercher tous les candidats possibles ; il n'y a pas non plus actuellement d'algorithme qui fournit une solution globalement optimale indépendamment des premières transformations que nous essayons dans une chaîne.

Les corrections de distorsion tiennent compte des non-uniformités de champ du scanner. Une méthode, comme décrit précédemment, consiste à utiliser des bobines de calage. Une autre consiste à recréer une carte de champ du champ principal en acquérant deux images avec des temps d'écho différents. Si le champ était uniforme, les différences entre les deux images seraient également uniformes. Notez que ce ne sont pas de véritables techniques de prétraitement car elles sont indépendantes de l'étude elle-même. L'estimation du champ de biais est une véritable technique de prétraitement utilisant des modèles mathématiques du bruit de distorsion, tels que les champs aléatoires de Markov et les algorithmes de maximisation des attentes , pour corriger la distorsion.

En général, les études d'IRMf acquièrent à la fois de nombreuses images fonctionnelles avec l'IRMf et une image structurelle avec l'IRM. L'image structurelle est généralement d'une résolution plus élevée et dépend d'un signal différent, la décroissance du champ magnétique T1 après excitation. Pour délimiter les régions d'intérêt dans l'image fonctionnelle, il faut l'aligner sur l'image structurelle. Même lorsque l'analyse du cerveau entier est effectuée, pour interpréter les résultats finaux, c'est-à-dire pour déterminer dans quelles régions les voxels actifs se trouvent, il faut aligner l'image fonctionnelle sur l'image structurelle. Ceci est fait avec un algorithme de coregistration qui fonctionne de manière similaire à celui de correction de mouvement, sauf qu'ici les résolutions sont différentes, et les valeurs d'intensité ne peuvent pas être directement comparées car le signal de génération est différent.

Les études d'IRM typiques analysent quelques sujets différents. Pour intégrer les résultats entre les sujets, une possibilité consiste à utiliser un atlas cérébral commun et à ajuster tous les cerveaux pour les aligner sur l'atlas, puis à les analyser en tant que groupe unique. Les atlas couramment utilisés sont celui de Talairach, un seul cerveau d'une femme âgée créé par Jean Talairach , et celui de l' Institut neurologique de Montréal (INM). La seconde est une carte probabiliste créée en combinant les scans de plus d'une centaine d'individus. Cette normalisation à un modèle standard est effectuée en vérifiant mathématiquement quelle combinaison d'étirement, de compression et de déformation réduit les différences entre la cible et la référence. Bien que cela soit conceptuellement similaire à la correction de mouvement, les changements requis sont plus complexes que la simple translation et la rotation, et donc l'optimisation est encore plus susceptible de dépendre des premières transformations de la chaîne qui est vérifiée.

Le filtrage temporel est la suppression des fréquences sans intérêt du signal. Le changement d'intensité d'un voxel au fil du temps peut être représenté comme la somme d'un certain nombre d'ondes répétées différentes avec des périodes et des hauteurs différentes. Un tracé avec ces périodes sur l'axe des x et les hauteurs sur l'axe des y est appelé un spectre de puissance , et ce tracé est créé avec la technique de la transformée de Fourier . Le filtrage temporel revient à supprimer les ondes périodiques qui ne nous intéressent pas du spectre de puissance, puis à additionner à nouveau les ondes, en utilisant la transformée de Fourier inverse pour créer un nouveau parcours temporel pour le voxel. Un filtre passe-haut supprime les fréquences les plus basses, et la fréquence la plus basse qui peut être identifiée avec cette technique est l'inverse de deux fois le TR. Un filtre passe-bas supprime les fréquences les plus élevées, tandis qu'un filtre passe-bande supprime toutes les fréquences à l'exception de la plage d'intérêt particulière.

Le lissage, ou filtrage spatial, est l'idée de faire la moyenne des intensités des voxels à proximité pour produire une carte spatiale lisse du changement d'intensité à travers le cerveau ou la région d'intérêt. Le moyennage se fait souvent par convolution avec un filtre gaussien , qui, en chaque point de l'espace, pondère les voxels voisins par leur distance, les poids tombant de façon exponentielle suivant la courbe en cloche . Si la véritable étendue spatiale de l'activation, c'est-à-dire la propagation du cluster de voxels simultanément actifs, correspond à la largeur du filtre utilisé, ce processus améliore le rapport signal sur bruit . Cela fait également que le bruit total pour chaque voxel suit une distribution en cloche, car l'addition d'un grand nombre de distributions indépendantes et identiques de toute nature produit la courbe en cloche comme cas limite. Mais si l'étendue spatiale présumée de l'activation ne correspond pas au filtre, le signal est réduit.

analyses statistiques

Images d'IRMf d'une étude montrant des parties du cerveau s'éclairant en voyant des maisons et d'autres en voyant des visages
Ces images IRMf proviennent d'une étude montrant des parties du cerveau s'éclairant en voyant des maisons et d'autres en voyant des visages. Les valeurs « r » sont des corrélations, avec des valeurs positives ou négatives plus élevées indiquant une relation plus forte (c'est-à-dire une meilleure correspondance).

Une approche courante pour analyser les données d'IRMf consiste à considérer chaque voxel séparément dans le cadre du modèle linéaire général . Le modèle suppose, à chaque instant, que le HDR est égal à la version mise à l'échelle et additionnée des événements actifs à cet instant. Un chercheur crée une matrice de conception spécifiant quels événements sont actifs à tout moment. Une manière courante consiste à créer une matrice avec une colonne par événement qui se chevauche et une ligne par point dans le temps, et de la marquer si un événement particulier, par exemple un stimulus, est actif à ce moment-là. On prend alors une forme spécifique pour le HDR, ne laissant que son amplitude modifiable en voxels actifs. La matrice de conception et cette forme sont utilisées pour générer une prédiction de la réponse HDR exacte du voxel à chaque instant, en utilisant la procédure mathématique de convolution . Cette prédiction n'inclut pas la mise à l'échelle requise pour chaque événement avant de les additionner.

Le modèle de base suppose que le HDR observé est le HDR prédit mis à l'échelle par les poids pour chaque événement, puis ajouté, avec du bruit mélangé. Cela génère un ensemble d'équations linéaires avec plus d'équations que d'inconnues. Une équation linéaire a une solution exacte, dans la plupart des conditions, lorsque les équations et les inconnues correspondent. Par conséquent, on pourrait choisir n'importe quel sous-ensemble des équations, avec un nombre égal au nombre de variables, et les résoudre. Mais, lorsque ces solutions sont branchées dans les équations de gauche, il y aura un décalage entre les côtés droit et gauche, l'erreur. Le modèle GLM tente de trouver les poids de mise à l'échelle qui minimisent la somme des carrés de l'erreur. Cette méthode est manifestement optimale si l'erreur était distribuée sous la forme d'une courbe en cloche et si le modèle de mise à l' échelle et de sommation était précis. Pour une description plus mathématique du modèle GLM, voir modèles linéaires généralisés .

Le modèle GLM ne prend pas en compte la contribution des relations entre plusieurs voxels. Alors que les méthodes d'analyse GLM évaluent si l'amplitude du signal d'un voxel ou d'une région est supérieure ou inférieure pour une condition par rapport à une autre, les modèles statistiques plus récents tels que l'analyse de modèle multi-voxels (MVPA), utilisent les contributions uniques de plusieurs voxels au sein d'une population de voxels. Dans une mise en œuvre typique, un classificateur ou un algorithme plus basique est entraîné pour distinguer les essais pour différentes conditions au sein d'un sous-ensemble de données. Le modèle entraîné est ensuite testé en prédisant les conditions des données restantes (indépendantes). Cette approche est généralement obtenue par une formation et des tests sur différentes sessions ou exécutions de scanner. Si le classificateur est linéaire, le modèle d'apprentissage est un ensemble de poids utilisés pour mettre à l'échelle la valeur de chaque voxel avant de les additionner pour générer un nombre unique qui détermine la condition de chaque essai d'ensemble de test. Plus d'informations sur la formation et le test des classificateurs sont disponibles sur classification statistique . Une autre méthode utilisant le même ensemble de données IRMf pour la reconnaissance visuelle d'objets dans le cerveau humain dépend de l'analyse des modèles multi-voxels (voxels IRMf) et de l'apprentissage multi-vues décrit dans, cette méthode utilise une recherche méta-heuristique et des informations mutuelles pour éliminer les bruits. voxels et sélectionnez les signaux BOLD significatifs.

Combiner avec d'autres méthodes

Il est courant de combiner l'acquisition du signal IRMf avec le suivi des réponses et des temps de réaction des participants. Des mesures physiologiques telles que la fréquence cardiaque, la respiration, la conductance cutanée (taux de transpiration) et les mouvements oculaires sont parfois capturées simultanément avec l'IRMf. La méthode peut également être combinée avec d'autres techniques d'imagerie cérébrale telles que la stimulation transcrânienne , la stimulation corticale directe et, surtout, l' EEG . La procédure d'IRMf peut également être combinée à la spectroscopie dans le proche infrarouge (NIRS) pour obtenir des informations supplémentaires sur l'oxyhémoglobine et la désoxyhémoglobine.

La technique d'IRMf peut compléter ou compléter d'autres techniques en raison de ses forces et de ses lacunes uniques. Il peut enregistrer de manière non invasive les signaux cérébraux sans risques de rayonnement ionisant inhérents à d'autres méthodes de numérisation, telles que la tomodensitométrie ou la TEP . Il peut également enregistrer le signal de toutes les régions du cerveau, contrairement à l'EEG/MEG, qui est biaisé vers la surface corticale. Mais la résolution temporelle de l'IRMf est plus faible que celle de l'EEG puisque le HDR met des dizaines de secondes pour atteindre son apogée. La combinaison de l'EEG avec l'IRMf est donc potentiellement puissante car les deux ont des forces complémentaires : l'EEG a une résolution temporelle élevée et une résolution spatiale élevée de l'IRMf. Mais l'acquisition simultanée doit tenir compte du signal EEG provenant du flux sanguin variable déclenché par le champ de gradient IRMf et du signal EEG provenant du champ statique. Pour plus de détails, voir EEG vs IRMf .

Alors que l'IRMf se distingue par son potentiel à capturer les processus neuronaux associés à la santé et à la maladie, les techniques de stimulation cérébrale telles que la stimulation magnétique transcrânienne (SMT) ont le pouvoir de modifier ces processus neuronaux. Par conséquent, une combinaison des deux est nécessaire pour étudier les mécanismes d'action du traitement par TMS et, d'autre part, introduire une causalité dans des observations corrélationnelles par ailleurs pures. La configuration de pointe actuelle pour ces expériences simultanées TMS/IRMf comprend une bobine de tête à grand volume, généralement une bobine de cage à oiseaux, la bobine TMS compatible MR étant montée à l'intérieur de cette bobine de cage à oiseaux. Il a été appliqué dans une multitude d'expériences étudiant les interactions locales et en réseau. Cependant, les configurations classiques avec la bobine TMS placée à l'intérieur de la bobine de tête de type cage à oiseaux MR se caractérisent par de faibles rapports signal sur bruit par rapport aux réseaux de réception multicanaux utilisés aujourd'hui en neuroimagerie clinique. De plus, la présence de la bobine TMS à l'intérieur de la bobine cage à oiseaux MR provoque des artefacts sous la bobine TMS, c'est-à-dire au niveau de la cible de stimulation. Pour ces raisons, de nouvelles matrices de bobines MR sont actuellement développées, dédiées aux expériences simultanées TMS/IRMf.

Problèmes en IRMf

Concevoir

Si la condition de base est trop proche de l'activation maximale, certains processus peuvent ne pas être représentés de manière appropriée. Une autre limitation de la conception expérimentale est le mouvement de la tête, qui peut entraîner des changements d'intensité artificielle du signal IRMf.

Conception liée aux blocs ou à l'événement

Dans une conception de blocs, deux ou plusieurs conditions sont alternées par des blocs. Chaque bloc aura une durée d'un certain nombre d'analyses IRMf et dans chaque bloc, une seule condition est présentée. En rendant les conditions différentes uniquement dans le processus cognitif d'intérêt, le signal IRMf qui différencie les conditions devrait représenter ce processus cognitif d'intérêt. C'est ce qu'on appelle le paradigme de la soustraction. L'augmentation du signal IRMf en réponse à un stimulus est additive. Cela signifie que l'amplitude de la réponse hémodynamique (HDR) augmente lorsque plusieurs stimuli sont présentés en succession rapide. Lorsque chaque bloc est alterné avec une condition de repos dans laquelle le HDR a suffisamment de temps pour revenir à la ligne de base, une quantité maximale de variabilité est introduite dans le signal. En tant que tel, nous concluons que les conceptions en blocs offrent une puissance statistique considérable. Cette méthode présente cependant de graves inconvénients, car le signal est très sensible à la dérive du signal, telle que le mouvement de la tête, en particulier lorsque seuls quelques blocs sont utilisés. Un autre facteur limitant est un mauvais choix de la ligne de base, car il peut empêcher de tirer des conclusions significatives. Il y a aussi des problèmes avec de nombreuses tâches qui n'ont pas la capacité d'être répétées. Étant donné qu'à l'intérieur de chaque bloc, une seule condition est présentée, la randomisation des types de stimulus n'est pas possible dans un bloc. Cela rend le type de stimulus au sein de chaque bloc très prévisible. En conséquence, les participants peuvent prendre conscience de l'ordre des événements.

Les conceptions liées aux événements permettent davantage de tests dans le monde réel, cependant, la puissance statistique des conceptions liées aux événements est intrinsèquement faible, car le changement de signal dans le signal BOLD fMRI après une seule présentation de stimulus est faible.

Les conceptions liées aux blocs et aux événements sont toutes deux basées sur le paradigme de la soustraction , qui suppose que des processus cognitifs spécifiques peuvent être ajoutés de manière sélective dans différentes conditions. Toute différence de flux sanguin (le signal BOLD) entre ces deux conditions est alors supposée refléter le processus cognitif différent. De plus, ce modèle suppose qu'un processus cognitif peut être ajouté sélectivement à un ensemble de processus cognitifs actifs sans les affecter.

Conditions de base par rapport aux conditions d'activité

Le cerveau n'est jamais complètement au repos. Il ne cesse de fonctionner et d'émettre des signaux neuronaux, ainsi que d'utiliser de l'oxygène tant que la personne en question est en vie. En fait, dans l'étude de Stark et Squire de 2001 Lorsque zéro n'est pas zéro : le problème des conditions de base ambiguës en IRMf , l'activité dans le lobe temporal médian (ainsi que dans d'autres régions du cerveau) était considérablement plus élevée au repos que pendant plusieurs valeurs de référence alternatives conditions. L'effet de cette activité élevée pendant le repos était de réduire, d'éliminer ou même d'inverser le signe de l'activité pendant des conditions de tâche pertinentes pour les fonctions de mémoire. Ces résultats démontrent que les périodes de repos sont associées à une activité cognitive significative et ne sont donc pas une base de référence optimale pour les tâches cognitives. Afin de discerner les conditions de base et d'activation, il est nécessaire d'interpréter un grand nombre d'informations. Cela inclut des situations aussi simples que la respiration. Des blocs périodiques peuvent entraîner des données identiques ou d'autres écarts dans les données si la personne respire à un rythme régulier de 1 respiration/5 s, et les blocs se produisent toutes les 10 s, altérant ainsi les données.

Inférence inverse

Les méthodes de neuroimagerie telles que l'IRMf et l'IRM offrent une mesure de l'activation de certaines zones du cerveau en réponse aux tâches cognitives engagées pendant le processus de numérisation. Les données obtenues pendant cette période permettent aux neuroscientifiques cognitifs d'obtenir des informations sur le rôle de régions cérébrales particulières dans la fonction cognitive. Cependant, un problème se pose lorsque certaines régions du cerveau sont supposées par les chercheurs identifier l'activation de processus cognitifs précédemment étiquetés. Poldrack décrit clairement ce problème :

Le type habituel d'inférence qui est tiré des données de neuroimagerie est de la forme « si le processus cognitif X est engagé, alors la zone cérébrale Z est active ». La lecture des sections de discussion de quelques articles d'IRMf révélera rapidement, cependant, une épidémie de raisonnement prenant la forme suivante :
(1) Dans la présente étude, lorsque la comparaison de tâches A a été présentée, la zone du cerveau Z était active.
(2) Dans d'autres études, lorsque le processus cognitif X était potentiellement engagé, la zone cérébrale Z était active.
(3) Ainsi, l'activité de la zone Z dans la présente étude démontre l'engagement du processus cognitif X par la comparaison de tâches A.
Il s'agit d'une « inférence inverse », en ce sens qu'elle raisonne à rebours de la présence d'une activation cérébrale à l'engagement d'une fonction cognitive particulière.

L'inférence inverse démontre l'erreur logique d'affirmer ce que vous venez de trouver, bien que cette logique puisse être étayée par des cas où un certain résultat est généré uniquement par un événement spécifique. En ce qui concerne le cerveau et la fonction cérébrale, il est rare qu'une région particulière du cerveau soit activée uniquement par un seul processus cognitif. Certaines suggestions pour améliorer la légitimité de l'inférence inverse ont inclus à la fois l'augmentation de la sélectivité de la réponse dans la région du cerveau d'intérêt et l'augmentation de la probabilité a priori du processus cognitif en question. Cependant, Poldrack suggère que l'inférence inverse devrait être utilisée simplement comme un guide pour orienter une enquête plus approfondie plutôt que comme un moyen direct d'interpréter les résultats.

Inférence directe

L'inférence directe est une méthode basée sur les données qui utilise des modèles d'activation cérébrale pour faire la distinction entre les théories cognitives concurrentes. Il partage des caractéristiques avec la logique de dissociation de la psychologie cognitive et l' enchaînement en avant de la philosophie . Par exemple, Henson discute de la contribution de l'inférence prospective au débat « théorie du processus unique contre théorie du processus double » en ce qui concerne la mémoire de reconnaissance . L'inférence directe soutient la théorie du double processus en démontrant qu'il existe deux modèles d'activation cérébrale qualitativement différents lors de la distinction entre les jugements " se souvenir et savoir ". Le principal problème avec l'inférence directe est qu'il s'agit d'une méthode corrélationnelle . Par conséquent, on ne peut pas être complètement sûr que les régions cérébrales activées pendant le processus cognitif sont complètement nécessaires à l'exécution de ces processus. En fait, il existe de nombreux cas connus qui le démontrent. Par exemple, il a été démontré que l'hippocampe est activé pendant le conditionnement classique , mais des études sur les lésions ont démontré que le conditionnement classique peut se produire sans l'hippocampe.

Des risques

Le risque le plus courant pour les participants à une étude IRMf est la claustrophobie et il existe des risques signalés pour les femmes enceintes de passer par le processus de numérisation. Les sessions de balayage soumettent également les participants à des bruits aigus et forts provenant des forces de Lorentz induites dans les bobines de gradient par le courant de commutation rapide dans le puissant champ statique. La commutation de gradient peut également induire des courants dans le corps provoquant des picotements nerveux. Les dispositifs médicaux implantés tels que les stimulateurs cardiaques pourraient mal fonctionner à cause de ces courants. Le champ radiofréquence de la bobine d'excitation peut chauffer le corps, et cela doit être surveillé plus attentivement chez les personnes fiévreuses, les diabétiques et les personnes souffrant de problèmes circulatoires. Les brûlures locales causées par les colliers en métal et autres bijoux constituent également un risque.

Le fort champ magnétique statique peut causer des dommages en tirant des objets métalliques lourds à proximité les convertissant en projectiles.

Il n'y a aucun risque prouvé de dommages biologiques provenant de champs magnétiques statiques, même très puissants. Cependant, des effets génotoxiques (c'est-à-dire potentiellement cancérigènes) de l'IRM ont été démontrés in vivo et in vitro, conduisant une revue récente à recommander « la nécessité d'études complémentaires et d'une utilisation prudente afin d'éviter des examens inutiles, selon le principe de précaution ». . Dans une comparaison des effets génotoxiques de l'IRM par rapport à ceux des tomodensitogrammes, Knuuti et al. ont rapporté que même si les dommages à l'ADN détectés après l'IRM étaient à un niveau comparable à celui produit par les scanners utilisant des rayonnements ionisants (angiographie tomodensitométrique coronaire à faible dose, imagerie nucléaire et angiographie aux rayons X), des différences dans le mécanisme par lequel ces dommages prennent place suggère que le risque de cancer de l'IRM, le cas échéant, est inconnu.

Méthodes avancées

Les premières études d'IRMf ont validé la technique contre l'activité cérébrale connue, à partir d'autres techniques, pour être corrélée à des tâches. Au début des années 2000, les études IRMf ont commencé à découvrir de nouvelles corrélations. Pourtant, leurs inconvénients techniques ont incité les chercheurs à essayer des moyens plus avancés pour augmenter la puissance des études cliniques et de recherche.

Meilleure résolution spatiale

L'IRM, en général, a une meilleure résolution spatiale que l'EEG et la MEG, mais pas aussi bonne que les procédures invasives telles que les électrodes unitaires. Alors que les résolutions typiques sont de l'ordre du millimètre, la spectroscopie IRM ou MR ultra-haute résolution fonctionne à une résolution de dizaines de micromètres. Il utilise des champs 7 T, des scanners de petit calibre pouvant s'adapter aux petits animaux tels que les rats et des agents de contraste externes tels que l'oxyde de fer fin. L'ajustement d'un humain nécessite des scanners de plus gros calibre, ce qui rend plus difficile l'obtention d'intensités de champs plus élevées, surtout si le champ doit être uniforme ; il nécessite également soit un contraste interne tel que BOLD ou un agent de contraste externe non toxique contrairement à l'oxyde de fer.

L'imagerie parallèle est une autre technique pour améliorer la résolution spatiale. Cela utilise plusieurs bobines pour l'excitation et la réception. La résolution spatiale s'améliore en tant que racine carrée du nombre de bobines utilisées. Cela peut être fait soit avec un réseau phasé où les bobines sont combinées en parallèle et échantillonnent souvent des zones qui se chevauchent avec des lacunes dans l'échantillonnage, soit avec des réseaux de bobines massifs, qui sont un ensemble beaucoup plus dense de récepteurs séparés des bobines d'excitation. Ceux-ci, cependant, captent mieux les signaux de la surface du cerveau et moins bien des structures plus profondes telles que l' hippocampe .

Meilleure résolution temporelle

La résolution temporelle de l'IRMf est limitée par : (1) le mécanisme de rétroaction qui augmente le flux sanguin fonctionnant lentement ; (2) devoir attendre que la magnétisation nette se rétablisse avant d'échantillonner à nouveau une tranche ; et (3) devoir acquérir plusieurs tranches pour couvrir l'ensemble du cerveau ou de la région d'intérêt. Des techniques avancées pour améliorer la résolution temporelle abordent ces problèmes. L'utilisation de plusieurs bobines accélère le temps d'acquisition en proportion exacte des bobines utilisées. Une autre technique consiste à décider quelles parties du signal importent le moins et à les supprimer. Il peut s'agir de sections de l'image qui se répètent souvent sur une carte spatiale (c'est-à-dire de petits groupes parsemant l'image périodiquement) ou de ces sections qui se répètent rarement (groupes plus grands). Le premier, un filtre passe-haut dans l'espace k, a été proposé par Gary H. Glover et ses collègues de Stanford . Ces mécanismes supposent que le chercheur a une idée de la forme attendue de l'image d'activation.

L'EPI à écho de gradient typique utilise deux bobines de gradient dans une tranche et allume d'abord une bobine, puis l'autre, traçant un ensemble de lignes dans l'espace k. L'activation des deux bobines de gradient peut générer des lignes angulaires, qui couvrent le même espace de grille plus rapidement. Les deux bobines de gradient peuvent également être activées dans une séquence spécifique pour tracer une forme en spirale dans l'espace k. Cette séquence d'imagerie en spirale acquiert des images plus rapidement que les séquences d'écho de gradient, mais nécessite plus de transformations mathématiques (et d'hypothèses conséquentes) car la reconversion en espace voxel nécessite que les données soient sous forme de grille (un ensemble de points également espacés dans les directions horizontale et verticale) .

Nouveaux mécanismes de contraste

Le contraste BOLD dépend du flux sanguin, qui est à la fois lent en réponse au stimulus et soumis à des influences bruyantes. D'autres biomarqueurs actuellement examinés pour fournir un meilleur contraste incluent la température, l'acidité/l'alcalinité (pH), les agents sensibles au calcium, le champ magnétique neuronal et l'effet Lorentz. Le contraste de température dépend des changements de température du cerveau dus à son activité. La combustion initiale du glucose augmente la température et l'afflux ultérieur de sang frais et froid l'abaisse. Ces changements modifient les propriétés magnétiques des tissus. Le contraste interne étant trop difficile à mesurer, des agents externes tels que les composés de thulium sont utilisés pour renforcer l'effet. Le contraste basé sur le pH dépend des changements dans l'équilibre acide/alcalin des cellules cérébrales lorsqu'elles deviennent actives. Cela fait trop souvent appel à un agent externe. Les agents sensibles au calcium rendent l'IRM plus sensible aux concentrations de calcium, les ions calcium étant souvent les messagers des voies de signalisation cellulaire dans les neurones actifs. Le contraste du champ magnétique neuronal mesure directement les changements magnétiques et électriques du déclenchement neuronal. L'imagerie à effet Lorentz tente de mesurer le déplacement physique des neurones actifs transportant un courant électrique dans le champ statique intense.

Un usage commercial

Certaines expériences ont montré les corrélats neuronaux des préférences de marque des gens. Samuel M. McClure a utilisé l'IRMf pour montrer que le cortex préfrontal dorsolatéral , l'hippocampe et le mésencéphale étaient plus actifs lorsque les gens buvaient sciemment du Coca-Cola que lorsqu'ils buvaient du Coke sans étiquette. D'autres études ont montré l'activité cérébrale qui caractérise la préférence des hommes pour les voitures de sport, et même des différences entre les démocrates et les républicains dans leur réaction aux publicités de campagne avec des images des attentats du 11 septembre. Les sociétés de neuromarketing ont utilisé ces études comme un meilleur outil pour sonder les préférences des utilisateurs que la technique d'enquête conventionnelle. Une de ces entreprises était BrightHouse, maintenant fermée. Un autre est Neurosense, basé à Oxford, au Royaume-Uni, qui conseille ses clients sur la manière dont ils pourraient potentiellement utiliser l'IRMf dans le cadre de leur activité commerciale de marketing. Un troisième est Sales Brain en Californie.

Au moins deux sociétés ont été créées pour utiliser l'IRMf dans la détection de mensonges : No Lie MRI et Cephos Corporation. No Lie MRI facture près de 5000 $ pour ses services. Ces entreprises dépendent de preuves telles que celles d'une étude de Joshua Greene à l'Université Harvard suggérant que le cortex préfrontal est plus actif chez ceux qui envisagent de mentir.

Cependant, il existe encore une certaine controverse quant à savoir si ces techniques sont suffisamment fiables pour être utilisées dans un cadre juridique. Certaines études indiquent que s'il existe une corrélation positive globale, il existe une grande variation entre les résultats et, dans certains cas, des difficultés considérables à reproduire les résultats. Un juge fédéral du Tennessee a interdit les preuves IRMf pour étayer la prétention d'un accusé de dire la vérité, au motif que de telles analyses ne sont pas à la hauteur des normes juridiques des preuves scientifiques. La plupart des chercheurs s'accordent à dire que la capacité de l'IRMf à détecter la tromperie dans un contexte réel n'a pas été établie.

L'utilisation de l'IRMf a été laissée en dehors des débats juridiques tout au long de son histoire. L'utilisation de cette technologie n'a pas été autorisée en raison de lacunes dans les preuves à l'appui de l'IRMf. Premièrement, la plupart des preuves soutenant l'exactitude des IRMf ont été effectuées dans un laboratoire dans des circonstances contrôlées avec des faits solides. Ce type de test ne concerne pas la vie réelle. Les scénarios de la vie réelle peuvent être beaucoup plus compliqués avec de nombreux autres facteurs affectant. Il a été démontré que de nombreux autres facteurs affectent BOLD autres qu'un mensonge typique. Des tests ont été effectués montrant que la consommation de drogues altère le flux sanguin dans le cerveau, ce qui affecte considérablement les résultats des tests BOLD. De plus, les personnes atteintes de maladies ou de troubles tels que la schizophrénie ou le mensonge compulsif peuvent également entraîner des résultats anormaux. Enfin, il y a une question éthique liée à l'imagerie par IRMf. Ce test de BOLD a conduit à une controverse quant à savoir si les IRMf sont une atteinte à la vie privée. Être capable d'analyser et d'interpréter ce que les gens pensent peut être considéré comme immoral et la controverse continue toujours.

En raison de ces facteurs et d'autres, les preuves IRMf ont été exclues de toute forme de système juridique. Les tests sont trop incontrôlés et imprévisibles. Par conséquent, il a été déclaré que l'IRMf a beaucoup plus de tests à faire avant de pouvoir être considérée comme viable aux yeux du système juridique.

Critique

Certains chercheurs ont critiqué les études d'IRMf pour des analyses statistiques problématiques, souvent basées sur des études de faible puissance et sur de petits échantillons. D'autres chercheurs en IRMf ont défendu la validité de leurs travaux. En 2018, Turner et ses collègues ont suggéré que les petites tailles affectent la reproductibilité des études d'IRMf basées sur des tâches et ont affirmé que même les ensembles de données avec au moins 100 participants, les résultats peuvent ne pas être bien reproduits, bien qu'il y ait des débats à ce sujet.

Dans une étude IRMf réelle mais satirique, on a montré à un saumon mort des images d'humains dans différents états émotionnels. Les auteurs ont fourni des preuves, selon deux tests statistiques différents couramment utilisés, de zones dans le cerveau du saumon suggérant une activité significative. L'étude a été utilisée pour souligner la nécessité d'analyses statistiques plus minutieuses dans la recherche en IRMf, étant donné le grand nombre de voxels dans une analyse d'IRMf typique et le problème des comparaisons multiples . Avant que les controverses ne soient rendues publiques en 2010, entre 25 et 40 % des études sur l'IRMf publiées n'utilisaient pas les comparaisons corrigées. Mais en 2012, ce nombre était tombé à 10 %. Le Dr Sally Satel, écrivant dans Time, a averti que bien que les scanners cérébraux aient une valeur scientifique, les zones cérébrales individuelles servent souvent à plusieurs fins et les « inférences inversées » telles qu'elles sont couramment utilisées dans les articles de presse ont une chance importante de tirer des conclusions invalides. En 2015, il a été découvert qu'un bogue statistique avait été trouvé dans les calculs d'IRMf, ce qui a probablement invalidé au moins 40 000 études d'IRMf précédant 2015, et les chercheurs suggèrent que les résultats antérieurs à la correction du bogue ne peuvent pas être invoqués. De plus, il a été montré plus tard que la façon dont on définit les paramètres dans le logiciel détermine le taux de faux positifs. En d'autres termes, les résultats de l'étude peuvent être déterminés en modifiant les paramètres du logiciel.

En 2020, le professeur Ahmad Hariri, (Université Duke), l'un des premiers chercheurs à utiliser l'IRMf, a réalisé une expérience à grande échelle visant à tester la fiabilité de l'IRMf sur des personnes individuelles. Dans l'étude, il a copié les protocoles de 56 articles publiés en psychologie qui ont utilisé l'IRMf. Les résultats suggèrent que l'IRMf a une faible fiabilité lorsqu'il s'agit de cas individuels, mais une bonne fiabilité lorsqu'il s'agit de schémas de pensée humains généraux

Daniel Amen , le psychiatre auteur du livre Change Your Brain & Change Your Life , utilise la tomodensitométrie à émission monophotonique, ou SPECT, des analyses de l'activité cérébrale pour tenter de comparer l'activité du cerveau d'une personne à un modèle sain connu. Certains disent que ses cliniques exposent les gens à des radiations nocives sans aucun avantage clair.

Voir également

Remarques

Citations

Les références

Manuels

  • EMRF/TRTF (Peter A. Rinck, éd.), Magnetic Resonance: A peer-reviewed, critic introduction ( Un manuel en ligne en accès gratuit )
  • Joseph P. Hornak, Les bases de l'IRM (en ligne )
  • Richard B. Buxton, Introduction à l'imagerie par résonance magnétique fonctionnelle : principes et techniques , Cambridge University Press, 2002, ISBN  0-521-58113-3
  • Roberto Cabeza et Alan Kingstone, rédacteurs, Manuel de neuroimagerie fonctionnelle de la cognition, deuxième édition , MIT Press, 2006, ISBN  0-262-03344-5
  • Huettel, SA; Chanson, AW ; McCarthy, G., Deuxième édition d'imagerie par résonance magnétique fonctionnelle , 2009, Massachusetts : Sinauer, ISBN  978-0-87893-286-3

Lectures complémentaires

Liens externes