Les modèles d’âge cérébral offrent un aperçu des trajectoires de développement précoce
Résumé: Une nouvelle étude met en évidence la manière dont les modèles d’âge cérébral peuvent suivre le développement sain du nourrisson et révéler les influences environnementales. À l’aide des données d’IRM de plus de 600 nourrissons nés à terme et prématurés, les chercheurs ont formé des modèles d’apprentissage automatique pour prédire l’âge du cerveau et identifier les écarts entre l’âge prévu et l’âge réel.
Ces écarts d’âge cérébral peuvent indiquer si le développement d’un nourrisson est plus rapide ou plus lent que prévu, l’âge de la mère apparaissant comme un facteur d’influence significatif. Le développement avancé du cerveau était lié à de meilleures capacités cognitives mais à une régulation émotionnelle plus faible, ce qui suggère que suivre des trajectoires de développement normatives pourrait être idéal.
Faits clés :
- Les modèles d’âge cérébral prédisent le développement du nourrisson à partir des données structurelles et fonctionnelles de l’IRM.
- L’âge maternel est fortement corrélé au développement structurel avancé du cerveau.
- Un développement cérébral plus rapide profite à la cognition mais peut entraver la régulation émotionnelle.
Source: Yale
Le cerveau humain subit un développement important au cours des derniers mois prénatals et tout au long de la première année de vie. Et même si les scientifiques ont commencé à cartographier les trajectoires de développement de cette première période, il n’existe pas encore de modèles de développement sain.
Dans une nouvelle étude, les chercheurs de Yale démontrent que les modèles d’âge cérébral peuvent être utiles pour suivre le développement sain du cerveau et identifier les facteurs environnementaux qui influencent le rythme du développement.
Ils révèlent également que le développement avancé n’est pas universellement positif.
Pour l’étude, publiée le 26 novembre dans Communication naturelles, les chercheurs ont utilisé des images cérébrales structurelles et fonctionnelles de plus de 600 nourrissons nés à terme et prématurés collectées par imagerie par résonance magnétique (IRM) au Royaume-Uni dans le cadre du projet Developing Human Connectome.
Avec ces images, les chercheurs ont formé des modèles d’apprentissage automatique pour prédire l’âge cérébral d’un nourrisson à partir de données de neuroimagerie.
« En général, les chercheurs étudient l’âge du cerveau à partir de données d’imagerie structurelle ou fonctionnelle, mais ici nous avons utilisé les deux », a déclaré Huili Sun, auteur principal de l’étude et titulaire d’un doctorat. candidat dans le laboratoire de l’auteur principal Dustin Scheinost, professeur agrégé de radiologie et d’imagerie biomédicale à la Yale School of Medicine.
« L’âge cérébral est un concept nouveau dans la mesure où il prend toutes les données cérébrales de très haute dimension et les résume en un nombre unique, mais significatif pour un individu. »
En testant les modèles, les chercheurs ont découvert qu’ils étaient capables de prédire avec précision l’âge des nourrissons, que ces estimations soient basées sur des données provenant du cerveau entier ou sur des données provenant de réseaux cérébraux particuliers.
À partir de là, les chercheurs ont étudié les écarts d’âge du cerveau – les différences entre l’âge réel d’un nourrisson et l’âge que les modèles prédisaient sur la base d’images cérébrales. Selon les chercheurs, ces écarts peuvent servir d’indicateur pour savoir si un nourrisson se développe plus rapidement ou plus lentement qu’il ne devrait l’être.
« Nous voulions comprendre quels types de facteurs pourraient influencer les écarts d’âge du cerveau », a déclaré Sun.
« Étant donné que les images cérébrales ont été collectées auprès de nourrissons peu de temps après la naissance, de nombreux facteurs environnementaux susceptibles d’être en jeu auraient eu une influence pendant la grossesse. Nous avons donc examiné les données démographiques maternelles et si elles avaient des associations avec les écarts d’âge cérébral.
Ces données démographiques comprenaient l’âge de la mère, l’éducation, les antécédents de santé mentale, les conditions physiques et la consommation de substances. Les chercheurs ont découvert que l’âge maternel présentait l’association la plus forte, un âge maternel plus élevé étant associé à un âge cérébral structurel plus mature pour les nourrissons à terme.
Et même si l’on pourrait supposer qu’un cerveau d’un nourrisson plus développé que prévu pourrait être une bonne chose, les chercheurs ont découvert que ce n’était pas toujours le cas.
« Nous avons constaté que plus le cerveau d’un enfant semblait être âgé, plus ses capacités cognitives étaient meilleures en tant que tout-petits, mais sa capacité à réguler son comportement et ses émotions était pire », a déclaré Sun.
« Le développement avancé comporte donc des coûts et des avantages et, selon nos conclusions, il est probablement préférable de suivre la trajectoire normative. »
À l’avenir, les chercheurs souhaitent étudier plus en détail la trajectoire de l’âge cérébral jusqu’à la petite enfance et la petite enfance et mieux comprendre le rôle que la génétique pourrait jouer dans les écarts d’âge cérébral.
De plus, étant donné que les données de cette étude ont été collectées en Europe, il sera important de mener des études similaires sur la trajectoire de développement du cerveau chez les enfants de différentes régions et de différentes cultures, ont déclaré les chercheurs.
« L’âge cérébral et les écarts d’âge cérébral sont un outil précieux pour étudier le développement neurologique des nourrissons et des enfants », a déclaré Sun.
« Et être capable d’établir des trajectoires normatives de développement au début de la vie aidera à identifier pourquoi et quand les individus s’écartent de ces trajectoires et pourra indiquer comment et quand intervenir. »
À propos de cette actualité sur la recherche en apprentissage automatique et en neurodéveloppement
Auteur: Fred Mamoun
Source: Yale
Contact: Fred Mamoun – Yale
Image: L’image est créditée à Neuroscience News
Recherche originale : Accès libre.
« Prédiction de l’âge cérébral et écarts par rapport aux trajectoires normatives dans le connectome néonatal» de Dustin Scheinost et al. Communications naturelles
Abstrait
Prédiction de l’âge cérébral et écarts par rapport aux trajectoires normatives dans le connectome néonatal
Les connectomes structurels et fonctionnels subissent des changements rapides au cours du troisième trimestre et du premier mois de la vie postnatale.
Malgré les progrès, notre compréhension des trajectoires de développement du connectome pendant la période périnatale reste incomplète.
La prédiction de l’âge du cerveau utilise l’apprentissage automatique pour estimer la maturité du cerveau par rapport aux données normatives.
La différence entre l’âge prédit et chronologique de l’individu – ou écart d’âge cérébral (BAG) – représente l’écart par rapport à ces trajectoires normatives.
Ici, nous évaluons la prédiction de l’âge cérébral et les BAG à l’aide de connectomes structurels et fonctionnels pour les nourrissons au cours du premier mois de vie. Nous utilisons les données d’IRMf à l’état de repos et de DTI de 611 nourrissons (174 prématurés ; 437 à terme) du Developing Human Connectome Project (dHCP) et une modélisation prédictive basée sur le connectome pour prédire l’âge postmenstruel (PMA).
Les connectomes structurels et fonctionnels prédisent avec précision la PMA chez les nourrissons à terme et prématurés.
Les âges prédits pour chaque modalité sont corrélés. Au niveau du réseau, presque tous les réseaux cérébraux canoniques, même ceux qui se développent plus tard, génèrent une prédiction PMA précise.
De plus, les BAG sont associés aux expositions périnatales et aux résultats comportementaux des tout-petits.
Dans l’ensemble, nos résultats soulignent l’importance de la modélisation normative et des écarts par rapport à ces modèles au cours de la période périnatale.
