Les scientifiques identifient une structure cérébrale importante pour la prise de décision

Revu par Emily Henderson, B.Sc.5 novembre 2020

Notre esprit peut nous aider à prendre des décisions en contemplant l'avenir et en prédisant les conséquences de nos actions. Imaginez, par exemple, essayer de trouver votre chemin vers un nouveau restaurant près de chez vous. Votre cerveau peut construire un modèle mental de votre quartier et planifier l'itinéraire à suivre pour y arriver.

Les scientifiques ont maintenant découvert qu'une structure cérébrale appelée cortex cingulaire antérieur (ACC), connue pour être importante pour la prise de décision, est impliquée dans l'utilisation de ces modèles mentaux pour apprendre. Une nouvelle étude sur les souris publiée aujourd'hui dans Neurone met en évidence une machinerie mentale sophistiquée qui aide le cerveau à simuler les résultats de différentes actions et à faire le meilleur choix.

La neurobiologie de l'apprentissage basé sur des modèles est encore mal comprise. Ici, nous avons pu identifier une structure cérébrale impliquée dans ce comportement et démontrer que son activité encode de multiples aspects du processus décisionnel. « 

Thomas Akam, PhD, auteur principal de l'étude et chercheur, Université d'Oxford

Décrypter comment le cerveau construit des modèles mentaux est essentiel pour comprendre comment nous nous adaptons au changement et prenons des décisions de manière flexible: ce que nous faisons lorsque nous découvrons qu'une des routes menant à ce nouveau restaurant est fermée pour construction, par exemple.

«Ces résultats étaient très excitants», a déclaré l'auteur principal Rui Costa, DVM, PhD, directeur et PDG du Zuckerman Institute de Columbia, qui a commencé cette recherche alors qu'il était enquêteur au Centre Champalimaud pour l'inconnu, où la plupart des données ont été collectées.

« Ces données identifient le cortex cingulaire antérieur comme une région cérébrale clé dans la prise de décision basée sur des modèles, plus spécifiquement pour prédire ce qui se passera dans le monde si nous choisissons de faire une action particulière par rapport à une autre. »

Sans modèle ou sans modèle?

Un grand défi dans l'étude de la base neuronale de l'apprentissage basé sur un modèle est qu'il fonctionne souvent en parallèle avec une autre approche appelée apprentissage sans modèle. Dans l'apprentissage sans modèle, le cerveau ne consacre pas beaucoup d'efforts à la création de simulations. Il repose simplement sur des actions qui ont produit de bons résultats dans le passé.

Vous pouvez utiliser une approche mentale sans modèle lorsque vous vous rendez dans votre restaurant préféré, par exemple. Parce que vous y êtes déjà allé auparavant, vous n'avez pas besoin d'investir votre énergie mentale pour tracer l'itinéraire. Vous pouvez simplement suivre votre chemin habituel et laisser votre esprit se concentrer sur d'autres choses.

Pour isoler les contributions de ces deux schémas cognitifs – basés sur un modèle et sans modèle – les chercheurs ont mis en place un puzzle en deux étapes pour les souris.

Dans cette tâche, un animal choisit d'abord l'un des deux trous situés au centre pour y pénétrer le nez. Cette action active l'un des deux autres trous sur le côté, dont chacun a une certaine probabilité de fournir un verre d'eau.

« Tout comme dans la vraie vie, le sujet doit effectuer de longues séquences d'actions, avec des conséquences incertaines, afin d'obtenir les résultats souhaités », a déclaré le Dr Akam.

Pour bien faire la tâche, les souris ont dû comprendre deux variables clés. Le premier était quel trou sur le côté était le plus susceptible de fournir un verre d'eau. Le second était lequel des trous au centre activait ce trou latéral.

Une fois que les souris ont appris la tâche, elles opteraient pour la séquence d'action qui offrait le meilleur résultat. Cependant, en plus de cette manière basée sur un modèle de résoudre le puzzle, les souris pourraient également apprendre des prédictions simples sans modèle, par ex. «top is good», selon le choix qui avait généralement conduit à une récompense dans le passé.

Les chercheurs ont ensuite modifié l'expérience de manière à ce que les animaux soient flexibles. De temps en temps, le port latéral le plus susceptible de fournir une boisson basculait – ou la correspondance entre les ports centraux et latéraux s'inverserait.

Les choix des animaux à mesure que les choses changeaient ont révélé les stratégies qu'ils utilisaient pour apprendre.

«L'apprentissage sans modèle et basé sur un modèle devrait générer différents modèles de choix», a déclaré le Dr Akam. « En regardant le comportement des sujets, nous avons pu évaluer la contribution de l'une ou l'autre approche. »

Lorsque l'équipe a analysé les résultats, environ 230000 décisions individuelles, elle a appris que les souris utilisaient en parallèle des approches basées sur un modèle et sans modèle.

« Cela a confirmé que la tâche était appropriée pour étudier la base neurale de ces mécanismes », a déclaré le Dr Costa. « Nous sommes ensuite passés à l'étape suivante: étudier la base neurale de ce comportement. »

Une carte neurale de l'apprentissage basé sur des modèles

L'équipe s'est concentrée sur une région du cerveau appelée cortex cingulaire antérieur (ACC).

«Des études antérieures ont établi que l'ACC est impliqué dans la sélection des actions et ont fourni des preuves qu'il pourrait être impliqué dans des prédictions basées sur des modèles», a expliqué le Dr Costa.

« Mais personne n'avait vérifié l'activité des neurones ACC individuels dans une tâche conçue pour différencier ces différents types d'apprentissage. »

Les chercheurs ont découvert un lien étroit entre l'activité des neurones ACC et le comportement de leurs souris. Simplement en regardant les modèles d'activité à travers les groupes de cellules, les scientifiques pouvaient décoder si la souris était sur le point de choisir un trou ou un autre, par exemple – ou si elle recevait un verre d'eau.

En plus de représenter l'emplacement actuel de l'animal dans la tâche, les neurones ACC codaient également quel état était susceptible de venir ensuite.

«Cela a fourni une preuve directe que l'ACC est impliquée dans la réalisation de prédictions basées sur des modèles des conséquences spécifiques des actions, pas seulement si elles sont bonnes ou mauvaises», a déclaré le Dr Akam.

De plus, les neurones ACC représentaient également si le résultat des actions était attendu ou surprenant, fournissant ainsi potentiellement un mécanisme pour mettre à jour les prédictions lorsqu'elles s'avèrent être fausses.

L'équipe a également désactivé les neurones ACC pendant que les animaux essayaient de prendre des décisions. Cela a empêché les animaux de réagir de manière flexible à mesure que la situation changeait, un indicateur qu'ils avaient du mal à utiliser les prédictions basées sur des modèles.

Comprendre comment le cerveau contrôle des comportements complexes comme la planification et la prise de décision séquentielle est un défi majeur pour les neurosciences contemporaines.

« Notre étude est l'une des premières à démontrer qu'il est possible d'étudier ces aspects de la prise de décision chez la souris », a déclaré le Dr Akam. « Ces résultats nous permettront, ainsi qu'à d'autres, de développer une compréhension mécaniste de la prise de décision flexible. »

L'article, «Le cortex cingulaire antérieur prédit les états futurs pour médier la sélection d'action basée sur un modèle», a été publié le 4 novembre 2020 dans Neurone. Parmi les autres co-auteurs figurent Ines Rodrigues-Vaz, Ivo Marcelo, Xiangyu Zhang, Michael Pereira, Rodrigo Freire Oliveira et Peter Dayan.

Les auteurs ne signalent aucun conflit d'intérêts.