Résumé: Une nouvelle étude identifie des modèles de réseaux cérébraux auparavant cachés dans la schizophrénie en se concentrant sur la connectivité non linéaire, offrant ainsi des biomarqueurs potentiels pour un diagnostic précoce. Les méthodes d’imagerie traditionnelles négligent souvent ces modèles, mais les chercheurs ont développé des outils statistiques avancés pour découvrir cette nouvelle dimension de l’organisation du cerveau.
Leurs résultats mettent en évidence des perturbations dans les réseaux cérébraux fonctionnels propres à la schizophrénie, même lorsque les mesures de connectivité traditionnelles semblent normales. Cette approche pourrait révolutionner la façon dont les troubles cérébraux sont diagnostiqués et compris, ouvrant la voie à des traitements ciblés.
Faits clés :
- Les modèles de réseaux cérébraux non linéaires révèlent des perturbations dans la schizophrénie non détectées par l’imagerie traditionnelle.
- Les méthodes statistiques avancées débloquent les signaux cérébraux cachés, offrant ainsi un aperçu du fonctionnement du réseau.
- Les résultats pourraient conduire à des outils de diagnostic précoce et à des traitements innovants pour les troubles cérébraux.
Source: Université d’État de Géorgie
Une nouvelle recherche menée par une équipe de la Georgia State University révèle des informations surprenantes sur les voies cérébrales qui pourraient offrir aux praticiens des moyens alternatifs d’identifier les premiers signes de la schizophrénie.
La recherche est publiée dans la revue Santé mentale naturelle.
L’étude identifie des connexions qui montrent une variation spatiale unique dans le cerveau et une sensibilité accrue dans le cerveau des patients atteints de schizophrénie.
« Cette recherche marque un pas en avant passionnant, offrant une toute nouvelle perspective pour capturer les fluctuations complexes et cachées au sein des réseaux cérébraux fonctionnels », a déclaré Vince Calhoun, professeur universitaire distingué de psychologie, l’un des principaux chercheurs de l’étude.
Les études traditionnelles sur la connectivité cérébrale fonctionnelle, qui utilisent des analyses IRMf pour identifier des modèles d’activité cérébrale, sont prometteuses pour éclairer les altérations chez les personnes atteintes de troubles cérébraux chroniques tels que la schizophrénie.
Mais ces études se concentrent généralement sur les relations linéaires entre les zones cérébrales et négligent d’autres modèles.
Les chercheurs ont développé une méthode pour extraire des cartes de réseaux cérébraux à grande échelle à partir de ces modèles non linéaires généralement négligés, révélant une dimension jusqu’alors méconnue de l’organisation du cerveau chez l’homme.
De manière frappante, l’équipe a découvert que les réseaux cérébraux identifiés grâce à cette technique reflètent des différences entre les individus atteints de schizophrénie et les témoins qui autrement seraient cachées aux études conventionnelles de connectivité linéaire.
Les résultats soulignent l’importance d’exploiter ces modèles pour construire des biomarqueurs cliniques et éclairer les théories sur la fonction et le dysfonctionnement du cerveau.
« En nous concentrant sur les relations non linéaires – souvent négligées dans la neuroimagerie traditionnelle – nous découvrons des modèles spatiaux structurés qui pourraient révéler les fondements du fonctionnement des réseaux cérébraux », a déclaré Calhoun.
« Surtout, ces schémas non linéaires montrent des perturbations chez les individus atteints de schizophrénie, même lorsque les schémas linéaires typiques semblent inchangés. »
Calhoun est un chercheur éminent de la Georgia Research Alliance, nommé professeur à Georgia Tech et à l’Université Emory et dirige le Centre collaboratif tri-institutionnel pour la recherche translationnelle en neuroimagerie et en science des données, ou TReNDS Center. Il est également l’un des auteurs principaux de l’étude.
Spencer Kinsey, premier auteur de l’étude, est titulaire d’un doctorat de troisième année. étudiant en neurosciences et membre de l’équipe du TReNDS Center.
« Nous avons découvert ces nouveaux modèles de connectivité cérébrale fonctionnelle en utilisant des méthodes statistiques qui vont au-delà des modèles ciblés par la plupart des études », a déclaré Kinsey.
« Alors que les études sur la connectivité fonctionnelle visent généralement à analyser les modèles linéaires de connectivité cérébrale, nous nous sommes plutôt concentrés sur les modèles de connectivité non linéaires. »
Le chercheur principal principal de l’étude, Armin Iraji, est professeur adjoint d’informatique et de neurosciences et fait partie de l’équipe de recherche TReNDS.
« Une décennie de recherche dédiée a jeté les bases d’une plateforme révolutionnaire qui réinventera les signaux cérébraux dans de nouvelles dimensions », a-t-il déclaré.
« En tirant parti de techniques mathématiques avancées et en transcendant les limitations spatiales et temporelles conventionnelles, nous sommes sur le point de percer les secrets du cerveau, de découvrir des schémas intrinsèques cachés et de repousser les limites de la neuroscience.
« Cette approche innovante promet de révolutionner notre compréhension des troubles mentaux, du vieillissement, des maladies neurodégénératives et bien plus encore. »
La recherche a été financée par les National Institutes of Health des États-Unis. Il a également reçu un financement, en partie, de l’initiative Research Innovation and Scholarly Excellence (RISE) de l’État de Géorgie, qui soutient des projets transformateurs dans tous les domaines de recherche.
« Cette découverte nous rapproche de l’identification d’un biomarqueur cérébral potentiel de la schizophrénie, avec de profondes implications pour un diagnostic précoce et une intervention ciblée », a déclaré Calhoun.
À propos de cette actualité sur la cartographie cérébrale et la recherche sur la schizophrénie
Auteur: Noëlle Reetz
Source: Université d’État de Géorgie
Contact: Noelle Reetz – Université d’État de Géorgie
Image: L’image est créditée à Neuroscience News
Recherche originale : Accès libre.
« Les réseaux extraits de la connectivité non linéaire de l’IRMf présentent une variation spatiale unique et une sensibilité accrue aux différences entre les individus atteints de schizophrénie et les témoins» de Vince Calhoun et coll. Santé mentale naturelle
Abstrait
Les réseaux extraits de la connectivité non linéaire de l’IRMf présentent une variation spatiale unique et une sensibilité accrue aux différences entre les individus atteints de schizophrénie et les témoins
La schizophrénie est un trouble cérébral chronique associé à des altérations généralisées de la connectivité cérébrale fonctionnelle.
Bien que des approches basées sur les données, telles que l’analyse des composants indépendants, soient souvent utilisées pour étudier l’impact de la schizophrénie sur les réseaux connectés linéairement, les modifications au sein de la structure de connectivité fonctionnelle non linéaire sous-jacente restent largement inconnues.
Nous rapportons ici l’analyse de réseaux à partir d’une connectivité d’imagerie par résonance magnétique fonctionnelle explicitement non linéaire dans un ensemble de données cas-témoins.
Nous avons constaté une variation spatiale systématique, avec un poids non linéaire plus élevé au sein des régions centrales, ce qui suggère que les analyses linéaires sous-estiment la connectivité fonctionnelle au sein des centres de réseau.
Nous avons également constaté qu’un réseau non linéaire unique intégrant des régions exécutives centrales, cingulo-operculaires et en mode par défaut présente une hypoconnectivité dans la schizophrénie, ce qui indique que des modèles de connectivité généralement cachés peuvent refléter une intégration de réseau inefficace dans la psychose.
De plus, les réseaux non linéaires, y compris ceux précédemment impliqués dans la cognition auditive, linguistique et autoréférentielle, présentent une sensibilité statistique accrue au diagnostic de schizophrénie, soulignant collectivement le potentiel de notre méthodologie pour résoudre des phénomènes cérébraux complexes et transformer l’analyse de la connectivité clinique.
