Un nouveau modèle mathématique de prévision des crises donne un avertissement précis aux patients épileptiques

L’épilepsie est l’une des affections neurologiques les plus courantes, touchant plus de 65 millions de personnes dans le monde. Pour ceux qui souffrent d’épilepsie, l’avènement d’une crise peut ressembler à une bombe à retardement. Cela peut survenir à tout moment ou en tout lieu, posant potentiellement un risque mortel lorsqu’une crise survient dans des situations à risque, comme au volant.

Une équipe de recherche de l’USC Viterbi School of Engineering et Keck Medicine de l’USC s’attaque à ce problème dangereux avec un nouveau modèle mathématique de prévision des crises puissant qui donnera aux patients épileptiques un avertissement précis cinq minutes à une heure avant qu’ils ne soient susceptibles de subir une crise, offrant une liberté accrue pour le patient et une réduction du besoin d’intervention médicale.

La recherche, publiée dans le Journal of Neural Engineering, est dirigé par les auteurs correspondants Dong Song, professeur agrégé de recherche en génie biomédical à l’USC Viterbi School of Engineering et Pen-Ning Yu, ancien chercheur au doctorat dans le laboratoire de Song, en collaboration avec Charles Liu, professeur de chirurgie neurologique clinique et directeur de l’USC Centre de neurorestoration. Les autres auteurs sont la Chaire d’ingénierie David Packard et professeur de génie biomédical, Ted Berger, et le directeur médical du programme USC Comprehensive Epilepsy au Keck Medical Center, Christianne Heck.

Le modèle mathématique fonctionne en apprenant à partir de grandes quantités de données de signal cérébral collectées à partir d’un implant électrique chez le patient. Liu et son équipe ont déjà travaillé avec des patients épileptiques avec des dispositifs implantables, capables d’offrir une surveillance continue en temps réel des signaux électriques du cerveau de la même manière qu’un électroencéphalogramme (EEG) utilise des électrodes externes pour mesurer les signaux. Le nouveau modèle mathématique peut prendre ces données et apprendre les signaux cérébraux uniques de chaque patient, à la recherche de précurseurs ou de schémas d’activité cérébrale qui montrent un état «pré-ictal», dans lequel un patient est à risque de survenue de crises.

Song a déclaré que le nouveau modèle est capable de prédire avec précision si une crise peut survenir dans l’heure, permettant au patient de prendre l’intervention nécessaire.

Par exemple, cela peut être aussi simple que d’avertir le patient que sa crise arrive dans l’heure qui suit, afin qu’il ne conduise pas sa voiture pour le moment, ou qu’il prenne ses médicaments, ou il doit aller s’asseoir. Ou idéalement, à l’avenir, nous pouvons détecter des signaux de crise, puis envoyer une stimulation électrique via un dispositif implantable au cerveau pour empêcher la crise de se produire. « 

Dong Song, professeur agrégé de recherche en génie biomédical à l’USC Viterbi School of Engineering

Liu a déclaré que la découverte aurait des implications positives majeures pour la santé publique, étant donné que le traitement de l’épilepsie avait été gravement touché l’année dernière par la pandémie.

« Nous espérons que cela changera la façon dont nous traitons l’épilepsie à l’avenir et il est motivé par les besoins qui sont en place depuis longtemps, mais qui ont été mis en évidence et accélérés par COVID », a déclaré Liu.

Il a dit qu’actuellement, les patients souffrant d’épilepsie médicalement réfractaire – épilepsie qui ne peut pas être contrôlée avec des médicaments – sont admis à l’hôpital pour une surveillance vidéo EEG. Avec l’avènement du COVID, ces admissions électives ont été complètement interrompues et les programmes d’épilepsie à travers le pays se sont arrêtés au cours de la dernière année. Liu a déclaré que cela met en évidence la nécessité d’un nouveau flux de travail par lequel les enregistrements EEG du cuir chevelu ou des électrodes intradurales peuvent être acquis à la maison et analysés par ordinateur.

« Nous devons donc créer un nouveau flux de travail par lequel, au lieu d’amener les patients à l’USI, nous prenons les enregistrements de leur domicile et utilisons les modèles de calcul pour faire tout ce qu’ils auraient fait à l’hôpital », a déclaré Liu. « Non seulement vous pouvez gérer les patients en utilisant la distance physique, mais vous pouvez également évoluer d’une manière que seule la technologie permet. Le calcul peut analyser des milliers de pages de données à la fois, contrairement à un seul neurologue. »

Fonctionnement du modèle de prédiction des crises

Song a déclaré que le nouveau modèle était différent des précédents modèles de prédiction des crises en ce qu’il extrait des informations à la fois linéaires et non linéaires des signaux cérébraux du patient.

« Linéaire est la fonction simple. Si vous comprenez les parties, vous pouvez comprendre l’ensemble », a déclaré Song. « Alors que la fonction non linéaire signifie que même si vous comprenez les pièces, lorsque vous augmentez votre échelle, elle a des propriétés émergentes qui ne peuvent pas être expliquées. »

«Pour certains patients, les caractéristiques linéaires sont plus importantes et pour d’autres patients, les caractéristiques non linéaires sont plus importantes», a déclaré Song.

Song a déclaré que tandis que d’autres modèles prédisent l’activité cérébrale sur une courte échelle de temps, une question de millisecondes, le modèle de son équipe a examiné une échelle de temps étendue.

« Le cerveau est un appareil à échelle multi-temporelle, nous devons donc comprendre ce qui se passe non seulement à court terme, mais bien d’autres étapes dans le futur », a déclaré Song.

Il a dit que le modèle est également unique en ce sens qu’il est spécifique au patient – il extrait les informations qui sont importantes pour chaque patient. Parce que chaque cerveau est très différent en termes de signaux qui indiquent un état « pré-critique ».

« Les patients sont tous différents les uns des autres, donc pour prédire avec précision les crises, nous devons enregistrer les signaux, nous devons examiner de nombreuses fonctionnalités différentes et nous devons disposer d’un algorithme pour sélectionner la caractéristique la plus importante pour la prédiction », Dit Song.

« Je ne peux pas vous dire à quel point c’est passionnant. À l’USC, nous avons été très intéressés à essayer de créer des outils qui améliorent la dimension de santé publique de ces maladies que nous traitons, et c’est vraiment difficile », a déclaré Liu.

« Les épileptologues sont encore relativement peu nombreux dans de nombreuses régions de notre pays et du monde. Bien qu’ils puissent identifier de nombreuses fonctionnalités subtiles sur l’EEG, les types de modèles que Song peut créer peuvent identifier des fonctionnalités supplémentaires à grande échelle nécessaires pour aider des millions de patients. touchés par l’épilepsie dans notre région et dans le monde », a déclaré Liu.

Heck, qui est également codirecteur du USC Neurorestoration Center, a déclaré que la pertinence clinique de cette technologie pose deux problèmes importants.

«La première est que la majorité des patients qui souffrent d’épilepsie vivent avec la peur et l’anxiété au sujet de leur prochaine crise, ce qui peut frapper comme un éclair au moment le plus inopportun, peut-être en conduisant ou simplement en marchant en public. «opportunité sûre», a déclaré Heck. «Le deuxième problème pertinent sur le plan clinique est que nous avons des implants cérébraux, des dispositifs intelligents, que cette technologie technique peut améliorer, donnant plus d’espoir pour l’efficacité de nos thérapies existantes.