Une nouvelle technique améliore la détection des états cérébraux
Une nouvelle méthode améliore la précision d'une classification non invasive de l'état du cerveau par spectroscopie fonctionnelle dans le proche infrarouge (fNIRS)
Des chercheurs ont mis au point une nouvelle méthode qui améliore considérablement la précision de la classification des états cérébraux par spectroscopie fonctionnelle dans le proche infrarouge (fNIRS). La technique d'imagerie cérébrale fNIRS permet aux chercheurs de mesurer l'activité neuronale : Les cellules cérébrales actives ont besoin de plus d'oxygène, de sorte que les variations du flux sanguin et de la saturation en oxygène indiquent quelles régions du cerveau sont en activité. fNIRS détecte ces changements en toute sécurité et sans procédures invasives. Malgré ses nombreux avantages en milieu clinique - elle est portable, rentable et fiable même si le patient se déplace -, les méthodes d'analyse des données fNIRS sont moins avancées que d'autres techniques d'imagerie cérébrale.
AI-generated image
Exploiter la double nature des signaux fNIRS
Une équipe de recherche internationale a mis au point une méthode de classification des états cérébraux par fNIRS qui est spécifiquement adaptée aux propriétés uniques du signal fNIRS et permet d'obtenir des résultats plus précis. Contrairement à d'autres méthodes d'imagerie cérébrale, la fNIRS mesure à la fois le sang oxygéné et le sang désoxygéné. "Ces deux signaux présentent naturellement des schémas opposés, mais cela ne signifie pas qu'ils sont redondants", explique Tim Näher, premier auteur de l'étude, qui travaille à l'Institut Max Planck pour la cybernétique biologique à Tübingen, en Allemagne. "Au contraire, ils nous donnent des informations complémentaires sur l'activité cérébrale.
Näher et ses coauteurs ont exploité cette double nature unique du signal fNIRS en appliquant des outils mathématiques avancés dans un domaine appelé géométrie riemannienne. Pour tester leur nouvelle méthode, l'équipe a demandé à des participants en bonne santé d'effectuer huit tâches mentales différentes, comme imaginer qu'ils jouent au tennis, qu'ils chantent intérieurement ou qu'ils font tourner un objet dans leur esprit. Grâce au nouveau cadre informatique, les chercheurs ont pu classer très précisément les tâches exécutées par les participants, dépassant ainsi de loin la précision des méthodes traditionnelles.
Une nouvelle approche pourrait aider à révéler les signes de conscience chez les patients
Ces résultats pourraient jouer un rôle important dans l'amélioration du diagnostic des troubles de la conscience. Ces troubles sont notoirement difficiles à évaluer : Les patients n'ont souvent que peu ou pas de capacité à bouger ou à communiquer, ce qui rend difficile de déterminer s'ils conservent un certain niveau d'éveil et de conscience. Pourtant, un diagnostic précis est essentiel pour un traitement efficace et un pronostic fiable.
C'est pourquoi Näher a collaboré avec Lisa Bastian, de l'université de Tübingen, à une deuxième étude, menée dans le laboratoire de Bettina Sorger, à l'université de Maastricht, qui a mis au point un nouveau paradigme fNIRS pour évaluer si un patient qui ne réagit pas est toujours conscient. À cette fin, il a été demandé à des participants en bonne santé soit d'effectuer une tâche mentale - simulant un état de conscience - soit de rester constamment inactifs. Le nouveau paradigme fNIRS combiné à la nouvelle approche d'analyse des données basée sur la géométrie riemannienne s'est avéré remarquablement précis dans la distinction entre les états cérébraux réactifs et non réactifs : Il a identifié correctement la réactivité à chaque fois et a reconnu avec précision l'absence de réactivité dans neuf cas sur dix.
"Jusqu'à présent, nous avons prouvé que le nouveau cadre fNIRS peut servir d'outil rapide, objectif et accessible pour soutenir des diagnostics plus fiables et améliorer les décisions thérapeutiques pour les troubles de la conscience", déclare M. Näher. "La prochaine étape logique consisterait à tester notre méthode sur des patients réels.
Note: Cet article a été traduit à l'aide d'un système informatique sans intervention humaine. LUMITOS propose ces traductions automatiques pour présenter un plus large éventail d'actualités. Comme cet article a été traduit avec traduction automatique, il est possible qu'il contienne des erreurs de vocabulaire, de syntaxe ou de grammaire. L'article original dans Anglais peut être trouvé ici.
Publication originale
Tim Näher, Lisa Bastian, Anna Vorreuther, Pascal Fries, Rainer Goebel, Bettina Sorger; "Riemannian geometry boosts functional near-infrared spectroscopy-based brain-state classification accuracy"; Neurophotonics, Volume 12
Lisa Bastian, Tim Näher, Anna Vorreuther, Michael Lührs, Amaia Benitez Andonegui, Pascal Fries, Lars Riecke, Bettina Sorger; "Sensitive and specific fNIRS-based approach for awareness detection in disorders of consciousness: proof of principle in healthy adults"; Neurophotonics, Volume 12
Autres actualités du département science
