Intégration fonctionnelle (neurobiologie) - Functional integration (neurobiology)
L'intégration fonctionnelle est l'étude de la façon dont les régions du cerveau travaillent ensemble pour traiter l'information et produire des réponses. Bien que l'intégration fonctionnelle repose fréquemment sur la connaissance anatomique des connexions entre les zones du cerveau, l'accent est mis sur la façon dont de grands groupes de neurones - au nombre de milliers ou de millions - se déclenchent ensemble sous divers stimuli. Les grands ensembles de données requis pour une telle image à grande échelle de la fonction cérébrale ont motivé le développement de plusieurs méthodes nouvelles et générales pour l'analyse statistique de l'interdépendance, telles que la modélisation causale dynamique et la cartographie paramétrique linéaire statistique. Ces ensembles de données sont généralement collectés chez des sujets humains par des méthodes non invasives telles que l' EEG / MEG , l' IRMf ou la TEP . Les résultats peuvent avoir une valeur clinique en aidant à identifier les régions responsables des troubles psychiatriques, ainsi qu'à évaluer comment différentes activités ou modes de vie affectent le fonctionnement du cerveau.
Techniques d'imagerie
Le choix de la modalité d'imagerie d'une étude dépend de la résolution spatiale et temporelle souhaitée. L'IRMf et la TEP offrent une résolution spatiale relativement élevée, avec des dimensions de voxels de l'ordre de quelques millimètres, mais leur taux d'échantillonnage relativement faible entrave l'observation d'interactions rapides et transitoires entre des régions éloignées du cerveau. Ces limitations temporelles sont surmontées par le MEG, mais au prix de la détection des seuls signaux provenant de grappes de neurones beaucoup plus grandes.
IRMf
L'imagerie par résonance magnétique fonctionnelle (IRMf) est une forme d'IRM qui est le plus souvent utilisée pour tirer parti d'une différence de magnétisme entre l' oxy- et la désoxyhémoglobine afin d'évaluer le flux sanguin vers différentes parties du cerveau. Les taux d'échantillonnage typiques pour les images IRMf sont en dixièmes de secondes.
MEG
La magnétoencéphalographie (MEG) est une modalité d'imagerie qui utilise des magnétomètres très sensibles pour mesurer les champs magnétiques résultant des courants ioniques circulant dans les neurones du cerveau. Les machines MEG de haute qualité permettent des taux d'échantillonnage inférieurs à la milliseconde.
ANIMAUX
Le PET fonctionne en introduisant une molécule biologiquement active radiomarquée. Le choix de la molécule dicte ce qui est visualisé : en utilisant par exemple un analogue radiomarqué du glucose, on peut obtenir une image dont la distribution d'intensité indique une activité métabolique. Les scanners TEP offrent des taux d'échantillonnage en dixièmes de seconde.
Imagerie multimodale
L'imagerie multimodale consiste fréquemment à coupler une technique de mesure électrophysiologique, telle que l'EEG ou la MEG, avec une technique hémodynamique telle que l'IRMf ou la TEP. Alors que l'intention est d'utiliser les forces et les limites de chacun pour se compléter, les approches actuelles souffrent de limites expérimentales. Certains travaux antérieurs se sont concentrés sur la tentative d'utiliser la haute résolution spatiale de l'IRMf pour déterminer l'origine (spatiale) des signaux EEG/MEG, de sorte qu'à l'avenir, ces informations spatiales pourraient être extraites d'un signal EEG/MEG unimodale. Alors que certaines études ont réussi à corréler les origines des signaux entre les modalités à quelques millimètres près, les résultats n'ont pas été uniformément positifs. Une autre limitation actuelle est la configuration expérimentale réelle : prendre des mesures en utilisant les deux modalités à la fois donne des signaux inférieurs, mais l'alternative de mesurer chaque modalité séparément est confondue par la variabilité d'un essai à l'autre.
Modes d'analyse
Dans l'intégration fonctionnelle, il existe une distinction entre la connectivité fonctionnelle et la connectivité effective . On dit que deux régions du cerveau sont fonctionnellement connectées s'il existe une forte corrélation entre les moments où les deux se déclenchent, bien que cela n'implique pas de causalité. La connectivité efficace, quant à elle, est une description de la relation causale entre diverses régions du cerveau.
Bien que l'évaluation statistique de la connectivité fonctionnelle de plusieurs régions cérébrales ne soit pas triviale, déterminer la causalité des régions cérébrales qui influencent celles à déclencher est beaucoup plus épineux et nécessite des solutions à des problèmes d'optimisation mal posés.
Modélisation causale dynamique
La modélisation causale dynamique (DCM) est une méthode bayésienne permettant de déduire la structure d'un système neuronal à partir du signal hémodynamique (IRMf) ou électrophysiologique (EEG/MEG) observé. La première étape consiste à prédire les relations entre les régions cérébrales d'intérêt et à formuler un système d'équations différentielles ordinaires décrivant la relation causale entre elles, bien que de nombreux paramètres (et relations) soient initialement inconnus. En utilisant les résultats précédents sur la façon dont l'activité neuronale est connue pour se traduire en signaux IRMf ou EEG, on peut prendre le signal mesuré et déterminer la probabilité que les paramètres du modèle aient des valeurs particulières. Le modèle élucidé peut ensuite être utilisé pour prédire les relations entre les régions cérébrales considérées dans différentes conditions. Un facteur clé à prendre en compte lors de la conception d'expériences de neuroimagerie impliquant le DCM est la relation entre le moment des tâches ou des stimuli présentés au sujet et la capacité du DCM à déterminer les relations sous-jacentes entre les régions du cerveau, qui est partiellement déterminée par la résolution temporelle de la modalité d'imagerie utilisée.
Cartographie paramétrique statistique
La cartographie paramétrique statistique (SPM) est une méthode permettant de déterminer si l'activation d'une région cérébrale particulière change entre les conditions expérimentales, les stimuli ou au fil du temps. L'idée essentielle est simple, et consiste en deux étapes majeures : d'abord, on effectue un test statistique univarié sur chaque voxel individuel entre chaque condition expérimentale. Deuxièmement, on analyse le regroupement des voxels qui présentent des différences statistiquement significatives et détermine quelles régions du cerveau présentent différents niveaux d'activation dans différentes conditions expérimentales.
Il existe une grande flexibilité dans le choix du test statistique (et donc des questions auxquelles une expérience peut être conçue pour répondre), et les choix courants incluent le test t de Student ou la régression linéaire . Une considération importante avec SPM, cependant, est que le grand nombre de comparaisons nécessite de contrôler le taux de faux positifs avec un seuil de signification plus strict. Cela peut être fait soit en modifiant le test statistique initial pour diminuer la valeur afin de rendre plus difficile pour un voxel particulier de présenter une différence significative (par exemple, la correction de Bonferroni ), ou en modifiant l'analyse de clustering dans la deuxième étape par seulement considérer l'activation d'une région du cerveau comme significative si elle contient un certain nombre de voxels qui présentent une différence statistique (voir théorie des champs aléatoires ).
Morphométrie basée sur les voxels
La morphométrie à base de voxel (VBM) est une méthode qui permet de mesurer les différences de composition des tissus cérébraux entre les sujets. Pour ce faire, il faut d'abord enregistrer toutes les images dans un système de coordonnées standard, en les mappant à une image de référence. Cela se fait à l'aide d'une transformation affine qui minimise la différence d'intensité somme des carrés entre l'image expérimentale et la référence. Une fois cela fait, la proportion de matière grise ou blanche dans un voxel peut être déterminée par l'intensité. Cela permet de comparer la composition tissulaire des régions cérébrales correspondantes entre différents sujets.
Applications
La capacité de visualiser l'activité cérébrale entière est fréquemment utilisée pour comparer les fonctions cérébrales au cours de divers types de tâches ou de tests d'aptitude, ainsi que pour comparer la structure et la fonction cérébrales entre différents groupes de personnes.
Changements dans l'activation du cerveau à l'état de repos
De nombreuses études d'IRMf antérieures ont montré que l'activation spontanée de régions cérébrales fonctionnellement connectées se produit pendant l'état de repos, même en l'absence de toute sorte de stimulation ou d'activité. Les sujets humains soumis à une tâche d'apprentissage visuel présentent des changements de connectivité fonctionnelle à l'état de repos jusqu'à 24 heures et des études de connectivité fonctionnelle dynamique ont même montré des changements de connectivité fonctionnelle au cours d'une seule analyse. En prenant des scans IRMf de sujets avant et après la tâche d'apprentissage, ainsi que le jour suivant, il a été montré que l'activité avait provoqué un changement d'état de repos dans l' activité hippocampique . La modélisation causale dynamique a révélé que l'hippocampe présentait également un nouveau niveau de connectivité efficace avec le striatum , bien qu'il n'y ait eu aucun changement lié à l'apprentissage dans aucune zone visuelle. La combinaison de l'IRMf et du DCM sur des sujets effectuant une tâche d'apprentissage permet de délimiter les systèmes cérébraux impliqués dans divers types d'apprentissage, qu'ils soient implicites ou explicites, et de documenter pendant longtemps que ces tâches entraînent des changements dans l'activation du cerveau à l'état de repos.
Estimation du QI
Les mesures morphométriques basées sur les voxels de la localisation de la matière grise dans le cerveau peuvent être utilisées pour prédire les composants du QI. Un ensemble de 35 adolescents ont été testés pour le QI et ont été scannés par IRMf au cours de 3,5 ans, et leur QI a été prédit par le niveau de localisation de la matière grise. Cette étude a été bien menée, mais les études de ce type souffrent fréquemment de « double immersion », où un seul ensemble de données est utilisé à la fois pour identifier les régions cérébrales d'intérêt et pour développer un modèle prédictif, ce qui conduit à un surentraînement du modèle et une absence de réel pouvoir prédictif.
Les auteurs de l'étude ont évité la double déduction en utilisant une méthodologie « leave-one-out », qui consiste à construire un modèle prédictif pour chacun des n membres d'un échantillon sur la base des données des autres n-1 membres. Cela garantit que le modèle est indépendant du sujet dont le QI est prédit, et a abouti à un modèle capable d'expliquer 53% du changement du QI verbal en fonction de la densité de matière grise dans le cortex moteur gauche. L'étude a également observé le phénomène signalé précédemment selon lequel un classement des jeunes sujets par QI ne reste pas constant à mesure que les sujets vieillissent, ce qui confond toute mesure de l'efficacité des programmes éducatifs.
Ces études peuvent être contre-validées en essayant de localiser et d'évaluer les patients présentant des lésions ou d'autres lésions dans la région cérébrale identifiée, et en examinant s'ils présentent des déficits fonctionnels par rapport à la population. Cette méthodologie serait toutefois entravée par l'absence d'une mesure de référence « avant ».
Boucle phonologique
La boucle phonologique est un composant de la mémoire de travail qui stocke un petit ensemble de mots qui peuvent être conservés indéfiniment s'ils ne sont pas distraits. Le concept a été proposé par les psychologues Alan Baddeley et Graham Hitch pour expliquer comment des expressions ou des phrases peuvent être intériorisées et utilisées pour diriger l'action. En utilisant une cartographie paramétrique statistique pour évaluer les différences de flux sanguin cérébral entre les participants effectuant deux tâches différentes, Paulescu et al. ont pu identifier le stockage de la boucle phonologique comme dans le gyrii supramarginal . Les sujets humains ont d'abord été divisés en un groupe témoin et un groupe expérimental. Le groupe témoin a reçu des lettres dans une langue qu'il ne comprenait pas et des diagrammes visuels non linguistiques. Le groupe expérimental a été chargé de deux activités : la première activité était de se souvenir d'une chaîne de lettres, et avait pour but d'activer tous les éléments de la boucle phonologique. La deuxième activité demandait aux participants d'évaluer si des phrases données rimaient et était destinée à activer uniquement certains sous-systèmes impliqués dans la vocalisation, mais en particulier pas le stockage phonologique.
En comparant la première tâche expérimentale à la seconde, ainsi qu'au groupe témoin, les auteurs de l'étude ont observé que la région cérébrale la plus significativement activée par la tâche nécessitant un stockage phonologique était le gyrii supramarginal. Ce résultat a été corroboré par des observations antérieures de la littérature concernant des déficits fonctionnels chez des patients présentant des lésions dans cette zone.
Bien que cette étude ait pu localiser précisément une fonction spécifique anatomiquement et que les méthodes d'intégration fonctionnelle et d'imagerie soient d'une grande valeur pour déterminer les régions cérébrales impliquées dans certaines tâches de traitement de l'information, les circuits neuronaux de bas niveau qui donnent lieu à ces phénomènes restent mystérieux. .
Troubles psychiatriques
Bien que les études d'IRMf de patients schizophrènes et bipolaires aient donné un aperçu des changements de connectivité efficace causés par ces maladies, une compréhension globale du remodelage fonctionnel qui se produit n'a pas encore été atteinte.
Montague et al. notent que l'« efficacité presque déraisonnable des médicaments psychotropes » a quelque peu entravé les progrès dans ce domaine, et plaident en faveur d'un « phénotypage informatique » à grande échelle des patients psychiatriques. Les études de neuroimagerie d'un grand nombre de ces patients pourraient fournir des marqueurs d'activation cérébrale pour des maladies psychiatriques spécifiques, et également aider au développement de thérapies et de modèles animaux. Bien qu'une véritable référence de la fonction cérébrale chez les patients psychiatriques soit presque impossible à obtenir, les valeurs de référence peuvent toujours être mesurées en comparant les images recueillies auprès des patients avant et après le traitement.
Les références
Lectures complémentaires
- Buchel, C. (2003). Virginie Ng; Gareth J. Barker ; Talma Hendler (éd.). L'importance de la connectivité pour la fonction cérébrale . Neuroimagerie psychiatrique . Actes de l'atelier de recherche avancée de l'OTAN sur la neuroimagerie psychiatrique, 29 septembre-1er octobre 2002, Chiavari, Italie --Tp verso. Amsterdam ; Washington, DC : IOS Press. p. 55-59. ISBN 9781586033446. OCLC 52820961 .
- Friston, Karl J. (2004). Kenneth Hugdahl ; Richard J Davidson (éd.). Caractériser les asymétries fonctionnelles avec la cartographie cérébrale . Le cerveau asymétrique . Série de livres de Bradford. Cambridge, Mass : MIT Press. p. 161-186. ISBN 9780262083096. OCLC 645171270 .
- Friston, KJ (Karl J.) (2007). Cartographie paramétrique statistique : l'analyse de l'image fonctionnelle du cerveau . Amsterdam ; Boston : Elsevier/Presse académique. ISBN 978-0-12-372560-8. OCLC 254457654 .