Depuis le développement de l’imagerie par résonance magnétique fonctionnelle dans les années 1990, le recours à la neuroimagerie est monté en flèche alors que les chercheurs étudient comment les données d’IRMf du cerveau au repos et la structure anatomique du cerveau elle-même peuvent être utilisées pour prédire des traits individuels, tels que la dépression, le déclin cognitif , et troubles cérébraux.
L’imagerie cérébrale a le potentiel de révéler les fondements neuronaux de nombreux traits, des troubles comme la dépression et la douleur chronique généralisée aux raisons pour lesquelles une personne a une meilleure mémoire qu’une autre, et pourquoi les souvenirs de certaines personnes sont résilients à mesure qu’ils vieillissent. Mais la fiabilité de l’imagerie cérébrale pour détecter les traits a fait l’objet d’un large débat.
Des recherches antérieures sur des études associées à l’ensemble du cerveau (appelées «BWAS») ont montré que les liens entre la fonction cérébrale et la structure et les traits sont si faibles que des milliers de participants sont nécessaires pour détecter des effets reproductibles. Une recherche de cette envergure nécessite des millions de dollars d’investissement dans chaque étude, ce qui limite les traits et les troubles cérébraux pouvant être étudiés.
Cependant, selon un nouveau commentaire publié dans Nature, des liens plus forts entre les mesures cérébrales et les traits peuvent être obtenus lorsque des algorithmes de reconnaissance de formes (ou «apprentissage automatique») de pointe sont utilisés, ce qui peut obtenir des résultats de grande puissance à partir de tailles d’échantillons modérées.
Dans leur article, des chercheurs de Dartmouth et de l’Université de médecine d’Essen répondent à une analyse antérieure d’études d’association à l’échelle du cerveau menées par Scott Marek à la Washington University School of Medicine, Brenden Tervo-Clemmens au Massachusetts General Hospital/Harvard Medical School et ses collègues. . L’étude précédente a trouvé des associations très faibles sur une gamme de traits dans plusieurs grandes études d’imagerie cérébrale, concluant que des milliers de participants seraient nécessaires pour détecter ces associations.
Le nouvel article explique que les effets très faibles trouvés dans l’article précédent ne s’appliquent pas à toutes les images cérébrales et à tous les traits, mais sont plutôt limités à des cas spécifiques. Il décrit comment les données IRMf de centaines de participants, au lieu de milliers, peuvent être mieux exploitées pour fournir des informations diagnostiques importantes sur les individus.
Une clé pour des associations plus fortes entre les images cérébrales et des traits tels que la mémoire et l’intelligence est l’utilisation d’algorithmes de reconnaissance de formes à la pointe de la technologie. « Étant donné qu’il n’y a pratiquement aucune fonction mentale entièrement exécutée par une zone du cerveau, nous recommandons d’utiliser la reconnaissance des formes pour développer des modèles de la façon dont plusieurs zones cérébrales contribuent à prédire les traits, plutôt que de tester les zones cérébrales individuellement », explique l’auteur principal Tor Wager, le Diana L. Taylor Professeur émérite de sciences psychologiques et cérébrales et directrice du Centre d’imagerie cérébrale à Dartmouth.
Si des modèles de plusieurs zones cérébrales travaillant ensemble plutôt que de manière isolée sont appliqués, cela fournit une approche beaucoup plus puissante dans les études de neuroimagerie, produisant des effets prédictifs quatre fois plus importants que lors du test de zones cérébrales isolées.
Tamas Spisak, auteur principal, chef du laboratoire de neuroimagerie prédictive à l’Institut de radiologie diagnostique et interventionnelle et de neuroradiologie de l’Université de médecine d’Essen
Cependant, tous les algorithmes de reconnaissance de formes ne sont pas égaux et trouver les algorithmes qui fonctionnent le mieux pour des types spécifiques de données d’imagerie cérébrale est un domaine de recherche actif. L’article précédent de Marek, Tervo-Clemmens et al. ont également testé si la reconnaissance de formes peut être utilisée pour prédire des traits à partir d’images cérébrales, mais Spisak et ses collègues ont découvert que l’algorithme qu’ils utilisaient n’était pas optimal.
Lorsque les chercheurs ont appliqué un algorithme plus puissant, les effets sont devenus encore plus importants et des associations fiables ont pu être détectées dans des échantillons beaucoup plus petits. « Lorsque vous effectuez les calculs de puissance sur le nombre de participants nécessaires pour détecter des effets reproductibles, le nombre tombe à moins de 500 personnes », explique Spisak.
« Cela ouvre le champ à l’étude de nombreux traits et conditions cliniques pour lesquels il n’est pas possible d’obtenir des milliers de patients, y compris des troubles cérébraux rares », déclare la co-auteure Ulrike Bingel de l’Université de médecine d’Essen, qui dirige le Centre universitaire de la douleur. Médecine. « Il est urgent d’identifier des marqueurs, y compris ceux impliquant le système nerveux central, car ils sont essentiels pour améliorer les diagnostics et les approches de traitement personnalisées. Nous devons évoluer vers une approche de médecine personnalisée fondée sur les neurosciences. Le potentiel des BWAS multivariés pour nous déplacer vers cet objectif ne doit pas être sous-estimé. »
L’équipe explique que les associations faibles trouvées dans l’analyse précédente, en particulier à travers des images cérébrales, ont été collectées alors que les gens se reposaient simplement dans le scanner, plutôt que d’effectuer des tâches. Mais l’IRMf peut également capturer l’activité cérébrale liée à des pensées et des expériences spécifiques à chaque instant.
Wager pense que relier les schémas cérébraux à ces expériences peut être une clé pour comprendre et prédire les différences entre les individus. « L’un des défis associés à l’utilisation de l’imagerie cérébrale pour prédire les traits est que de nombreux traits ne sont pas stables ou fiables. Si nous utilisons l’imagerie cérébrale pour nous concentrer sur l’étude des états mentaux et des expériences, telles que la douleur, l’empathie et le besoin de drogue, les effets peut être beaucoup plus grand et plus fiable », explique Wager. « La clé est de trouver la bonne tâche pour capturer l’État. »
« Par exemple, montrer des images de drogues à des personnes souffrant de troubles liés à l’usage de substances peut susciter des envies de drogue, selon une étude antérieure révélant un neuromarqueur pour les envies », explique Wager.
« Il est important d’identifier les approches de compréhension du cerveau et de l’esprit qui sont les plus susceptibles de réussir, car cela affecte la façon dont les parties prenantes voient et finissent par financer la recherche translationnelle en neuroimagerie », déclare Bingel. « Trouver les limites et travailler ensemble pour les surmonter est essentiel pour développer de nouvelles façons de diagnostiquer et de soigner les patients atteints de troubles cérébraux et de santé mentale. »
