Promouvoir la transformation de l’état cérébral de la légère déficience cognitive à la santé grâce à la stimulation externe virtuelle
La maladie d’Alzheimer est une maladie neurodégénérative incurable qui commence souvent par une légère déficience cognitive (LDC) et progresse vers la maladie d’Alzheimer. La recherche se concentre sur la LDC précoce en tant que cible potentielle pour des interventions thérapeutiques visant à retarder la progression de la maladie. Les techniques de neurostimulation comme la tDCS et la rTMS ont montré des résultats prometteurs dans l’amélioration des fonctions cognitives chez les patients atteints de la maladie d’Alzheimer et de la LDC précoce. Cependant, les études expérimentales à grande échelle sur ces techniques sont limitées en raison de contraintes expérimentales et éthiques. Des modèles cérébraux computationnels basés sur l’activité cérébrale ont été utilisés pour comprendre la dynamique cérébrale et guider la neurostimulation. Les techniques d’imagerie cérébrale ont également été instrumentales pour étudier les états cérébraux et identifier les changements de connectivité fonctionnelle dans des maladies telles que la LDC. Des études de connectivité fonctionnelle dynamique, telles que l’analyse LEiDA, ont fourni des informations précieuses sur divers troubles neurologiques, y compris la maladie d’Alzheimer.
Les régions cérébrales spécifiques jouent un rôle crucial dans la direction du cerveau vers un état souhaité et l’impact sur les performances cognitives. Des recherches antérieures ont montré que les nœuds présentant une controllabilité moyenne élevée pouvaient transférer l’état cérébral vers un état voisin, tandis que les nœuds présentant une controllabilité modale élevée pouvaient conduire le cerveau vers un état éloigné. Cependant, ces indicateurs de controllabilité ne fournissaient pas d’informations sur le nombre de cibles nécessaires pour un contrôle total. Pour remédier à cela, la controllabilité exacte basée sur la multiplicité maximale algébrique déterminait l’ensemble minimal de pilotes nécessaires pour un contrôle complet dans tout réseau.
Récemment, des chercheurs de l’Université des Sciences et Technologies de Beijing (Weiping Wang, Weiwei Wang, Haiyan Zhao, Zhen Wang, Xiong Luo et Jipeng Ouyang) ont utilisé la méthode LEiDA pour regrouper des connexions fonctionnelles dynamiques à partir de données IRMf et ont construit un modèle cérébral combinant la connectivité structurelle à partir de données DTI. En identifiant l’ensemble minimal de nœuds pilotes en utilisant la controllabilité exacte, ils visaient à obtenir un contrôle complet des connexions effectives chez les patients atteints de LDC précoce. Enfin, ils ont appliqué une interférence externe à ces nœuds pilotes pour déterminer les régions cérébrales optimales qui pourraient favoriser la transition de la LDC précoce à un état sain.
Leur modèle computationnel
Un modèle computationnel du cerveau entier se composait de 90 nœuds représentant des régions cérébrales regroupées selon le modèle AAL. Le modèle décrivait la dynamique locale de chaque région cérébrale en utilisant un type de bifurcation de Hopf supercritique connu sous le nom d’oscillateur de Landau-Stuart. En simulant les signaux BOLD à l’échelle du cerveau entier, le modèle permettait d’étudier comment l’activation de différents nœuds affectait le réseau cérébral. Mathématiquement, le modèle était représenté par une équation cinétique couplée pour chaque région cérébrale, où les dynamiques globales étaient couplées par la connectivité structurelle. Les paramètres du modèle, tels que le paramètre de bifurcation et le paramètre de couplage global, ont été optimisés pour s’adapter aux données empiriques de patients atteints de légère déficience cognitive (LDC). Le point de fonctionnement optimal du système a été déterminé en calculant la distance de Kullback-Leibler entre les probabilités simulées et empiriques de différents sous-états. Le modèle a été validé en comparant les signaux BOLD simulés aux données empiriques en utilisant l’analyse de la dynamique du vecteur propre principal (LEiDA) pour dériver l’espace des sous-états métastables probabilistiques (PMS).
Ils ont constaté que trois sous-états pouvaient différencier de manière significative les deux groupes, les patients ayant moins de chances d’être dans le sous-état 1 et plus de chances d’être dans le sous-état 2. Les patients atteints de LDC précoce présentaient également une synchronisation améliorée au sein du réseau visuel. Pour étudier plus en détail les états cérébraux des patients atteints de LDC précoce, les auteurs ont construit un modèle cinétique composé de 90 régions cérébrales couplées par la matrice de structure obtenue à partir de données DTI. Ils ont optimisé les paramètres du modèle en calculant la plus courte distance KL entre les probabilités simulées et empiriques de l’espace PMS. Le paramètre de bifurcation et le paramètre de couplage global ont été ajustés pour trouver l’ajustement optimal, ce qui a donné trois groupes de simulations avec différentes valeurs de g. Les auteurs ont obtenu un bon effet d’ajustement des états cérébraux des patients atteints de LDC précoce en utilisant le modèle de calcul des bifurcations de Hopf.
Comment ils ont déterminé la cible de stimulation
Le concept de controllabilité cérébrale a été utilisé pour mesurer à quel point le cerveau pouvait passer facilement d’un état à un autre. Dans cette étude, les chercheurs ont utilisé la controllabilité exacte dans le contrôle linéaire du réseau pour examiner la capacité des régions cérébrales à influencer d’autres régions. Ils ont utilisé un modèle linéaire simplifié de la dynamique du réseau pour décrire la neurodynamique des mesures d’IRMf. En appliquant le critère de rang PBH (Popov-Belevitch-Hautus), ils ont déterminé le nombre minimum de nœuds pilotes nécessaires pour un contrôle complet du réseau cérébral. Le problème de la controllabilité consistait à trouver la position des nœuds pilotes qui satisfaisaient le critère de rang. Pour forcer la transition de la LDC précoce à la santé, les chercheurs ont utilisé le modèle du cerveau entier et ont appliqué des stimuli externes au nombre minimum de nœuds pilotes. Les stimuli étaient présentés sous forme de termes de forçage périodiques. En perturbant les nœuds sélectionnés, ils ont exploré leur capacité à induire la transition de la LDC précoce à la santé, mesurée par la distance KL entre l’état cérébral post-stimulation et l’état cérébral sain. Ce processus a été répété pour différentes amplitudes de perturbation.
Pour rechercher des cibles de stimulation chez les patients atteints de légère déficience cognitive précoce (LDC), les chercheurs ont utilisé la controllabilité exacte dans les réseaux cérébraux. Ils ont d’abord identifié le nombre minimum de nœuds pilotes qui pouvaient assurer un contrôle complet de la connectivité effective. Leurs emplacements ont été explorés comme des cibles de stimulation potentielles. L’étude s’est concentrée sur 42 régions cérébrales liées à la cognition, situées dans les lobes frontal, pariétal, occipital et temporal. La matrice de connexion effective a été calculée pour estimer la direction et la force de transmission de l’information entre ces régions. Les chercheurs ont ensuite binarisé de manière dispersée la matrice de connectivité effective afin de conserver les connexions les plus fortes. Le nombre minimal de nœuds pilotes a été identifié comme étant de 3, 4 ou 5, en fonction des critères utilisés. Cinq ensembles de cibles de stimulation ont été sélectionnés, comprenant l’hippocampe, le gyrus frontal médial, le gyrus suboccipital et le gyrus fusiforme. Les chercheurs ont ensuite appliqué des stimuli circulatoires externes à ces cibles de stimulation dans le modèle du cerveau entier. L’efficacité de chaque ensemble de cibles de stimulation dans la transition de la LDC précoce vers un état plus sain a été comparée en utilisant la distance de Kullback-Leibler. Le deuxième ensemble de cibles de stimulation a été celui qui a le mieux favorisé la transition.
La signification de leur étude
Dans cette étude, la méthode LEiDA a été utilisée pour analyser l’évolution des sous-états cérébraux au fil du temps chez les patients atteints de légère déficience cognitive précoce (LDC). Le modèle de connectivité dominant a été appliqué pour étudier la dynamique anormale du cerveau chez ces patients et pour identifier les caractéristiques dynamiques de l’état associées aux changements cognitifs. La controllabilité exacte a ensuite été utilisée pour déterminer l’ensemble des nœuds pilotes qui pourraient permettre une controllabilité totale du réseau cérébral et faciliter la transition de la LDC précoce vers un état sain en utilisant un modèle de bifurcation de Hopf. Les résultats suggèrent que les mécanismes sous-jacents du déclin cognitif chez les patients atteints de LDC précoce peuvent être explorés à l’aide de la méthode LEiDA. Le modèle de bifurcation de Hopf a été utilisé avec succès pour décrire les états cérébraux et optimiser les stratégies de stimulation externe pour faciliter la transition de la LDC précoce vers un état sain. L’étude a également identifié des régions cérébrales clés, telles que l’hippocampe, le gyrus frontal médial, le gyrus suboccipital et le gyrus fusiforme, qui étaient des cibles optimales pour la stimulation afin d’atteindre la transition d’état chez les patients atteints de LDC précoce. Cependant, des investigations supplémentaires sont nécessaires pour valider les méthodes utilisées et surmonter certaines limitations de l’étude, telles que la sélection des techniques de prétraitement et l’intensité de la stimulation. Dans l’ensemble, cette étude fournit des informations sur les connexions fonctionnelles dynamiques du cerveau et des stratégies potentielles d’intervention chez les patients atteints de LDC précoce.