IRMf à l'état de repos dans les troubles de la conscience

Les troubles de la conscience (DoC) sont des états de conscience altérée résultant d'une lésion acquise des réseaux cérébraux régulant l'éveil et la conscience, caractérisés par une perte d'activité neuronale excitatrice à travers les connexions corticocorticales, thalamocorticales et thalamostriées. Le DoC peut être dû à plusieurs causes, notamment une lésion cérébrale traumatique, une lésion cérébrale anoxique due à un arrêt cardiaque, un accident vasculaire cérébral, des infections cérébrales graves, des crises prolongées ou autres. Un défi principal dans la gestion clinique du DoC est de déterminer avec précision le type de DoC et le niveau de conscience, ainsi que le potentiel de récupération. Ceci est crucial pour la prise de décision et la gestion clinique, avec des taux d'erreur de diagnostic pouvant atteindre 40 % en raison des limites de l'évaluation clinique. Des recherches récentes ont démontré qu'une conscience non détectable lors d'une évaluation au chevet du patient peut être présente chez jusqu'à 15 à 20 % des patients atteints de DoC. Ainsi, pour améliorer l'évaluation clinique de la DoC et finalement développer des interventions ciblées pour favoriser la récupération neurologique, de meilleures méthodes d'évaluation de la DoC chez les patients individuels doivent être développées, validées et traduites en utilisation clinique. L'utilisation de l'IRMf-rs dans l'étude de la DoC a permis d'obtenir des informations importantes sur les mécanismes biologiques du coma ainsi que sur la récupération de la conscience, mais la traduction de l'IRMf-rs dans la prise en charge clinique des patients souffrant de troubles de la conscience a été entravée par plusieurs facteurs. Premièrement, l'IRMf BOLD reflète une combinaison complexe de signaux dérivés non seulement de l'activité neuronale, mais également de sources non neurologiques qui représentent finalement jusqu'à 25 % du signal BOLD masquant la véritable connectivité neuronale et introduisant une connectivité parasite. Cette limitation a généralement été contournée en analysant l'IRMf au niveau du groupe, en tirant parti des avantages statistiques de la moyenne des données sur les individus. De meilleures stratégies pour distinguer les contributeurs neuronaux et non neuronaux du signal BOLD sont nécessaires pour traduire l'IRMf-rs en utilisation clinique chez des patients individuels. De plus, il a généralement été démontré que les stratégies d'acquisition et d'analyse conventionnelles produisent des estimations fiables de la connectivité fonctionnelle uniquement à des moments d'analyse cliniquement insolubles. Des preuves récentes suggèrent que des mesures hautement fiables de la connectivité fonctionnelle peuvent être obtenues au niveau individuel à des temps d'analyse cliniquement réalisables en utilisant des protocoles d'imagerie plus avancés, surpassant même les acquisitions conventionnelles plusieurs fois plus longues. Le signal BOLD mesuré peut être représenté en fonction de l'intensité du signal à l'excitation (S0), du temps d'écho et de la constante de décroissance du signal. L'activité neuronale affecte le signal BOLD en induisant une augmentation du flux sanguin, ce qui réduit la concentration locale de désoxyhémoglobine et, à son tour, diminue la susceptibilité magnétique locale, réduisant ainsi le taux de décroissance de l'aimantation transversale. En examinant la décroissance du signal sur plusieurs temps d'écho, les changements de T2 * peuvent être distingués des changements de S0, permettant ainsi de différencier les signaux neuronaux et non neuronaux des données BOLD. La sensibilité au signal BOLD étant maximale près du T2 *, les acquisitions multi-échos peuvent également améliorer la sensibilité BOLD en accordant une plus grande importance aux échos les plus proches du T2 * d'un voxel particulier («combinaison optimale»), qui est connu pour varier à travers le cerveau. Enfin, le processus de combinaison des données BOLD à travers les échos présente l'avantage d'atténuer le bruit thermique qui est organisé de manière aléatoire et a tendance à s'annuler lors de la moyenne. Lorsqu'il est combiné avec des stratégies supplémentaires pour supprimer les signaux globaux liés au mouvement, l'influence du mouvement sur les données BOLD peut être presque éliminée. Ce n'est que récemment, avec l'intégration d'autres avancées techniques telles que la multi-coupe simultanée, qu'il est devenu possible d'acquérir des IRMf multi-échos sans compromis majeurs dans l'acquisition de résolution spatiale ou temporelle. Les défis pratiques pour obtenir une IRM avancée chez les patients gravement malades incluent la nécessité de transporter les patients vers des instruments d'IRM de recherche capables des dernières méthodes d'acquisition qui ont traditionnellement été situées à des étages différents ou même dans des bâtiments différents de ceux des unités de soins intensifs (USI). En conséquence, les méthodes d'IRM avancées telles que l'IRMf multi-échos ont principalement été appliquées à des sujets sains. Ce projet tirera parti d'un système d'IRM 3 Tesla à la pointe de la technologie, récemment installé et dédié à la recherche, équipé de gradients rapides et d'un réseau de récepteurs à 32 canaux intégré à l'unité de soins neurointensifs (USIN). Ce système est capable d'IRMf multi-échos à haute résolution spatio-temporelle et l'un des principaux objectifs de ce projet est de déterminer si l'intégrité fonctionnelle du réseau chez les patients atteints de DoC peut être détectée de manière plus fiable à l'aide de l'IRMf-rs multi-échos qu'avec la norme rs- IRMf. Les méthodes optimales seraient non supervisées, capables de s'adapter aux différences interindividuelles dans la topologie fonctionnelle et capables de réduire les données de connectivité complexes à des informations discrètes et cliniquement exploitables. Un autre objectif clé de ce projet est de comparer trois approches de la construction et de la caractérisation du connectome dans leur fiabilité au niveau du patient individuel et le degré d'association avec les mesures cliniques du dysfonctionnement neurologique et des résultats. La première approche, la plus traditionnelle, s'appuiera sur la transformation de chaque donnée en un espace modèle et une définition de nœud basée sur une méta-analyse au niveau du groupe. La deuxième approche utilisera une méthode décrite précédemment de parcellisation au niveau du sujet basée sur des gradients de connectivité et finalement comparée entre les individus en fonction du degré de similitude avec les réseaux de modèles. L'approche finale utilisera un schéma d'interprétation radiologique dans lequel des neuroimageurs experts formés pour reconnaître les modèles spatiaux typiques des réseaux d'état de repos rendront une interprétation des cartes de réseau de degrés obtenues à partir d'une analyse de composants indépendants.