Les chirurgiens peuvent-ils quantifier le risque d’aphasie lors de l’ablation d’une tumeur cérébrale ? Pour le savoir, des chercheurs du Klinikum rechts der Isar de l’Université technique de Munich (TUM) analysent le cerveau comme un réseau. Dans une étude en cours avec 60 patients, ils ont déjà atteint un taux de précision avec les trois quarts de leurs prédictions.
Les tumeurs cérébrales sont relativement rares. Selon la Société allemande de neurologie, l’incidence annuelle est d’environ cinq cas pour 100 000 habitants. « Mais dans la plupart des cas, l’ablation chirurgicale de la tumeur est inévitable », explique le professeur Sandro Krieg, qui estime qu’un gliome – un type courant de tumeur cérébrale – est retiré au Klinikum rechts der Isar de l’Université technique de Munich (TUM). « presque quotidiennement ».
En fonction de la tumeur, Krieg et ses collègues développent des stratégies thérapeutiques et chirurgicales individuelles. Un point crucial : les tissus sains doivent être préservés dans la mesure du possible et aucune structure ne doit être endommagée, ce qui pourrait entraîner d’autres limitations. « Aphasie » est le terme utilisé pour désigner les troubles de la parole post-chirurgicaux, par exemple. « Nous voulons avoir une connaissance précise du risque d’aphasie avant l’opération. »
Le médecin-chef de la clinique de neurochirurgie du Klinikum rechts der Isar étudie la cartographie cérébrale préopératoire depuis plus de 10 ans. « Depuis longtemps, nous connaissons les emplacements de base du cerveau responsables de fonctions telles que le mouvement ou la parole. Mais ce n’est que depuis environ cinq ans que nous avons commencé à analyser le réseau cérébral pour savoir comment les différentes régions fonctionnent ensemble, par exemple pour permettre à une personne de parler. Une chose est claire : il n’y a pas de centre de langues en tant que tel. Au lieu de cela, la structure ressemble plus à plusieurs hubs ou nœuds d’un grand réseau à travers lequel la parole est rendue possible.
Tumeur cérébrale : faire des prédictions grâce au machine learning
L’analyse des caractéristiques du réseau du cerveau – appelée analyse du connectome – procédé utilisé par l’équipe du Pr Krieg depuis environ deux ans – joue un rôle clé dans les recherches actuelles. «De cette façon, nous quantifions les connexions dans les différentes régions du cerveau», explique le professeur Krieg. « Nous avons depuis commencé à attribuer des fonctions plus précises aux régions du cerveau. »
Les scientifiques du TUM, le Dr Haosu Zhang et le Dr Sebastian Ille, ont cartographié anatomiquement des images des couches cérébrales responsables des capacités de parole. Le processus est le suivant : « Avec une forme spéciale de tomographie par résonance magnétique connue sous le nom de tractographie, nous produisons des représentations 3D des réseaux et sous-réseaux de voies neuronales dans le cerveau », explique Zhang.
Cette analyse de réseau est soutenue par le processus de stimulation magnétique transcrânienne naviguée, dans laquelle une impulsion magnétique ciblée inhibe les cellules nerveuses dans les voies fibreuses responsables de la parole. Cela provoque une altération temporaire de la parole chez le patient qui peut être reconnue dans l’analyse vidéo. Il permet aux chercheurs d’identifier avec précision les régions cérébrales responsables de la parole.
Nous combinons les soi-disant paramètres de connectome de la tractographie avec des informations sur la fonction de parole du patient. »
Dr Haosu Zhang, scientifique TUM
Ce qui rend l’algorithme de Zhang et Ille spécial : il produit des « paramètres statistiquement significatifs » – des données qui peuvent être utilisées pour former un modèle d’apprentissage automatique et ainsi localiser le discours de patients individuels. Aussi complexe que puisse paraître l’utilisation des différentes méthodes d’analyse, la caractéristique déterminante de la méthode est sa simplicité : l’ensemble du processus d’analyse fonctionne sans algorithmes complexes ni ordinateurs puissants. « Les données que nous utilisons sont obtenues à partir de tests hospitaliers de routine », explique Zhang.
Analyse du réseau : précision de 73 % dans la prédiction des troubles de la parole
Dans une étude récente portant sur 60 patients, les chercheurs du Klinikum rechts der Isar ont montré que cette analyse combinée peut prédire avec une précision considérable (73%) si la chirurgie entraînera des difficultés d’élocution (aphasie post-opératoire). « Il est très important de pouvoir faire ces prédictions », explique Krieg. Il est enthousiasmé par la possibilité de pouvoir quantifier plus précisément le risque au moyen d’une « analyse de réseau réel » et d’avoir des données concrètes pour soutenir la cartographie du cerveau.
De plus : avec l’aide de l’apprentissage automatique, les prédictions deviendront encore meilleures au fil du temps. Mais pour cela, les chercheurs auront besoin de plus de données sur les patients afin de former les algorithmes d’apprentissage automatique. « C’est la seule approche qui peut utiliser les mégadonnées pour prédire le risque d’une intervention chirurgicale », explique le professeur Krieg, qui prévoit désormais de trouver davantage de patients pour participer à ses recherches. Il pense que même « quelques centaines » de patients suffiront pour des prédictions très précises.