Enquête intracrânienne sur les circuits neuronaux sous-jacents à l'humeur humaine

La dépression est l'un des troubles de santé mentale les plus courants, affectant 7 à 8 % de la population et causant une incapacité considérable aux personnes atteintes et un fardeau économique pour la société. Afin d'optimiser les traitements existants et d'en développer de meilleurs, les chercheurs ont besoin d'une compréhension plus approfondie de la base mécaniste de ce trouble complexe. Les travaux antérieurs dans ce domaine ont fait des progrès importants mais présentent deux principales limites. (1) La plupart des études ont utilisé des mesures non invasives et donc imprécises de l'activité cérébrale. (2) La modélisation de la boîte noire utilisée pour lier l'activité neuronale au comportement reste difficile à interpréter et, bien qu'elle réussisse parfois à décrire l'activité dans certains contextes, peut ne pas se généraliser à de nouvelles situations, fournir un aperçu mécaniste ou guider efficacement les interventions thérapeutiques. Pour surmonter ces défis, les chercheurs combinent des enregistrements neuronaux intracrâniens précis chez l'homme avec une suite de nouvelles approches d'intelligence artificielle eXplainable (XAI). Les enquêteurs ont réuni une équipe d'expérimentateurs et d'experts en informatique avec une expérience combinée suffisante pour cette tâche. Notre ensemble de données unique comprend deux groupes de sujets : la cohorte d'épilepsie se compose de patients atteints d'épilepsie réfractaire subissant une surveillance des crises intracrâniennes, et la cohorte de dépression se compose de sujets dans un essai de recherche financé par le NIH/BRAIN sur la stimulation cérébrale profonde pour la dépression résistante au traitement (TRD ). Dans son ensemble, cet ensemble de données fournit des données d'enregistrement et de stimulation intracrâniennes humaines précises et résolues spatio-temporellement sur une large gamme dynamique de gravité de la dépression. Nos objectifs appliquent une approche progressive de la modélisation et de la manipulation des relations cerveau-comportement. Le but 1 cherche à identifier les caractéristiques de l'activité neuronale associées aux états d'humeur. En commençant par les modèles d'IA de pointe actuels, puis en utilisant une approche "en échelle" pour faire le pont vers des modèles d'expressivité croissante tout en imposant une structure explicable de manière mécaniste. Alors que l'objectif 1 se concentre sur le niveau d'humeur autodéclaré comme indice comportemental d'intérêt, l'objectif 2 utilise une approche alternative consistant à se concentrer sur des caractéristiques neurobiologiques mesurables inspirées des critères de domaine de recherche (RDoC). Ces caractéristiques, telles que la sensibilité aux récompenses, l'aversion aux pertes, l'attention de l'exécutif, etc. sont extraites de la performance des tâches comportementales à l'aide d'une nouvelle approche XAI de "contrôle rationnel inverse".

Relier ces mesures aux schémas d'activité neuronale fournit une compréhension mécaniste et normative supplémentaire de la neurobiologie de la dépression. L'objectif 3 utilise des réseaux de neurones récurrents pour modéliser les conséquences de modèles très variés de stimulation intracrânienne multi-sites sur l'activité neuronale. Ensuite, en utilisant une approche XAI innovante de «boucle de démarrage» pour dériver des stratégies de stimulation pour le contrôle en boucle ouverte et fermée qui peuvent conduire le système neuronal vers un état souhaité et plus sain. En cas de succès, ce projet améliorerait notre compréhension de la physiopathologie de la dépression et améliorerait les stratégies de traitement neuromodulatoires. Cela peut également être appliqué à une foule d'autres troubles neurologiques et psychiatriques, franchissant une étape importante vers la neuroscience de précision guidée par XAI.