Chaque jour, votre cerveau prend des milliers de décisions dans l’incertitude. La plupart du temps, vous avez raison. Quand vous ne le faites pas, vous apprenez. Mais lorsque la capacité du cerveau à juger le contexte ou à attribuer une signification faiblit, les pensées et les comportements peuvent s'égarer. Dans les troubles psychiatriques allant du trouble déficitaire de l’attention/hyperactivité à la schizophrénie, le cerveau peut mal évaluer la quantité de preuves à rassembler avant d’agir ou ne pas s’adapter lorsque les règles du monde changent en fonction de nouvelles informations.
L'incertitude est intégrée au câblage du cerveau. Imaginez des groupes de neurones votant – certains optimistes, d’autres pessimistes. Vos décisions reflètent la moyenne.
Michael Halassa, professeur de neurosciences, faculté de médecine de l'Université Tufts
Lorsque cet équilibre est déséquilibré, le cerveau peut mal interpréter le monde : attribuer trop de sens à des événements aléatoires, comme dans la schizophrénie, ou se retrouver coincé dans des schémas rigides, comme dans le trouble obsessionnel-compulsif.
Comprendre ces ratés a longtemps mis les scientifiques au défi, explique Halassa. « Le cerveau parle le langage des neurones individuels. Mais l'IRMf, l'outil que nous utilisons pour étudier l'activité cérébrale chez les humains, suit le flux sanguin, et non le bavardage électrique des cellules cérébrales individuelles. »
Combler cet écart signifie combiner les connaissances issues d’études unicellulaires chez les animaux, l’imagerie du cerveau humain et le comportement. Aujourd’hui, un nouveau type de modèle informatique, fondé sur la biologie réelle, permet aux chercheurs de simuler la manière dont les circuits cérébraux prennent des décisions et s’adaptent lorsque les règles changent.
Appelé CogLinks, le modèle intègre le réalisme biologique dans sa conception, reflétant la manière dont les cellules cérébrales réelles sont connectées et codant la manière dont elles attribuent de la valeur à des observations souvent ambiguës et incomplètes sur l'environnement externe. Contrairement à de nombreux systèmes d'intelligence artificielle qui agissent comme des « boîtes noires », CogLinks montre aux chercheurs exactement comment ses neurones virtuels relient la structure au fonctionnement. En conséquence, les scientifiques peuvent cartographier la manière dont ce cerveau virtuel apprend de l’expérience et pivote en fonction de nouvelles informations.
Dans une étude publiée le 16 octobre dans Communications naturellesl'auteur principal Halassa et ses collègues du Massachusetts Institute of Technology (MIT) ont utilisé CogLinks pour explorer comment les circuits cérébraux coordonnent la pensée flexible. Comme un simulateur de vol pour le cerveau, CogLinks permet aux chercheurs de tester ce qui se passe lorsque des circuits décisionnels clés dévient de leur trajectoire. Lorsqu’ils ont affaibli la connexion virtuelle entre deux régions cérébrales simulées – le cortex préfrontal et le thalamus médiodorsal – le système a opté par défaut pour un apprentissage plus lent et axé sur les habitudes. Ce résultat suggère que cette voie est essentielle à l’adaptabilité.
Pour voir si ces prédictions se vérifiaient chez les humains, l’équipe a ensuite mené une étude complémentaire IRMf, supervisée par Burkhard Pleger de l’Université de la Ruhr à Bochum et Halassa. Les bénévoles ont joué à un jeu dont les règles ont changé de manière inattendue. Comme prévu, le cortex préfrontal gérait la planification et la région centrale et profonde du cerveau connue sous le nom de striatum guidait les habitudes, mais le thalamus médiodorsal s'illuminait lorsque les joueurs réalisaient que les règles avaient changé et ajustaient leur stratégie.
L'imagerie a confirmé ce que le modèle avait prévu : le thalamus médiodorsal agit comme un standard reliant les deux principaux systèmes d'apprentissage du cerveau – flexible et habituel – aidant le cerveau à déduire quand le contexte a changé et à changer de stratégie en conséquence.
Halassa espère que la recherche contribuera à jeter les bases d'un nouveau type de « psychiatrie algorithmique », dans laquelle des modèles informatiques aideront à révéler comment la maladie mentale émerge des changements dans les circuits cérébraux, en identifiant des marqueurs biologiques pour cibler précisément les traitements.
« L'une des grandes questions en psychiatrie est de savoir comment relier ce que nous savons sur la génétique aux symptômes cognitifs », explique Mien Brabeeba Wang, auteur principal de l'étude CogLinks, co-auteur de l'étude IRMf et doctorant au MIT dans le laboratoire de Halassa.
« De nombreuses mutations liées à la schizophrénie affectent les récepteurs chimiques présents dans tout le cerveau », explique Wang. « Les utilisations futures de CogLinks pourraient nous aider à comprendre comment ces changements moléculaires généralisés pourraient rendre plus difficile pour le cerveau d'organiser l'information pour une pensée flexible. »
La recherche rapportée dans l'étude CogLinks a été financée par l'Institut national de la santé mentale des National Institutes of Health sous les subventions P50MH132642, R01MH134466 et R01MH120118 et par la National Science Foundation sous les subventions CCR-2139936, CCR-2003830 et CCF-1810758. Bin A. Wang de l'Université normale de Chine du Sud a été l'auteur principal de l'étude IRMf. L'étude IRMf a été soutenue par la Fondation nationale des sciences naturelles de Chine ; Centre de recherche sur la cognition cérébrale et le développement humain, Guandong, Chine ; Fondation de recherche fondamentale et appliquée du Guangdong ; Deutsche Forschungsgemeinschaft (DFG, Fondation allemande pour la recherche) ; et la subvention FoRUM.
