Pour des millions de personnes atteintes d’épilepsie et de troubles du mouvement tels que la maladie de Parkinson, la stimulation électrique du cerveau élargit déjà les possibilités de traitement. À l’avenir, la stimulation électrique pourrait aider les personnes atteintes de maladies psychiatriques et de lésions cérébrales directes, telles que les accidents vasculaires cérébraux.
Cependant, étudier comment les réseaux cérébraux interagissent les uns avec les autres est compliqué. Les réseaux cérébraux peuvent être explorés en délivrant de brèves impulsions de courant électrique dans une zone du cerveau d’un patient tout en mesurant les réponses de tension dans d’autres zones. En principe, on devrait pouvoir déduire la structure des réseaux cérébraux à partir de ces données. Cependant, avec des données du monde réel, le problème est difficile car les signaux enregistrés sont complexes et un nombre limité de mesures peut être effectué.
Pour rendre le problème gérable, les chercheurs de la Mayo Clinic ont développé un ensemble de paradigmes, ou points de vue, qui simplifient les comparaisons entre les effets de la stimulation électrique sur le cerveau. Parce qu’une technique mathématique pour caractériser la façon dont les assemblages d’entrées convergent dans les régions du cerveau humain n’existait pas dans la littérature scientifique, l’équipe Mayo a collaboré avec un expert international en algorithmes d’intelligence artificielle (IA) pour développer un nouveau type d’algorithme appelé « courbe de profil de base identification. »
Dans une étude publiée dans Biologie computationnelle PLOS, un patient atteint d’une tumeur cérébrale a subi le placement d’un réseau d’électrodes électrocorticographiques pour localiser les crises et cartographier la fonction cérébrale avant qu’une tumeur ne soit retirée. Chaque interaction d’électrode a entraîné des centaines à des milliers de points temporels à étudier à l’aide du nouvel algorithme.
Nos résultats montrent que ce nouveau type d’algorithme peut nous aider à comprendre quelles régions du cerveau interagissent directement les unes avec les autres, ce qui peut à son tour aider à guider le placement des électrodes pour stimuler les appareils afin de traiter les maladies du cerveau en réseau. À mesure que de nouvelles technologies émergent, ce type d’algorithme peut nous aider à mieux traiter les patients atteints d’épilepsie, de troubles du mouvement comme la maladie de Parkinson et de maladies psychiatriques comme les troubles obsessionnels compulsifs et la dépression. »
Kai Miller, MD, Ph.D., premier auteur de l’étude et neurochirurgien, Mayo Clinic
« Les données neurologiques à ce jour sont peut-être les données les plus difficiles et passionnantes à modéliser pour les chercheurs en IA », déclare Klaus-Robert Mueller, Ph.D., co-auteur de l’étude et membre de l’équipe Google Research Brain. Le Dr Mueller est co-directeur de l’Institut de Berlin pour les fondements de l’apprentissage et des données et directeur du Groupe d’apprentissage automatique – tous deux à l’Université technique de Berlin.
Dans l’étude, les auteurs fournissent un package de code téléchargeable afin que d’autres puissent explorer la technique. « Le partage du code développé est au cœur de nos efforts pour aider à la reproductibilité de la recherche », déclare Dora Hermes, Ph.D., ingénieur biomédical à la Mayo Clinic et auteur principal.
