Décoder l'imagerie motrice à partir d'enregistrements cérébraux non invasifs comme condition préalable aux thérapies innovantes de rééducation motrice (MODECO)

Des études fondamentales en neurosciences motrices impliquant des sujets sains ont révélé depuis longtemps des changements temporels de la puissance induite dans une bande de fréquences spécifique. Il a été démontré que les enregistrements cérébraux présentaient une réduction progressive de la puissance du signal, par rapport à la ligne de base, dans les bandes de fréquences mu (~ 8-12 Hz) et bêta (~ 13-30 Hz) au cours d'une action ou pendant l'imagerie motrice (IM) : le ce que l'on appelle la désynchronisation liée aux événements (ERD). Ce phénomène est considéré comme reflétant les processus liés à la préparation et à l’exécution du mouvement et est particulièrement prononcé dans le cortex sensorimoteur controlatéral. De plus, peu après l'achèvement de la tâche, une augmentation relative de la puissance, la synchronisation liée aux événements (ERS) (également appelée rebond bêta), a pu être observée dans la bande bêta. On pense que l’ERS reflète le rétablissement de l’inhibition dans la même zone.

Depuis la caractérisation des phénomènes ERD et ERS, il y a eu peu ou pas de discussions dans le domaine des BCI non invasives quant à savoir si ces caractéristiques capturent avec précision les modulations de l'activité cérébrale liées aux tâches. Des études récentes en neurophysiologie ont remis en question ce point de vue et ont démontré que les modèles ERD et ERS n'apparaissent qu'à la suite d'une moyenne de la puissance du signal au cours de plusieurs essais. À un seul niveau d'essai, l'activité de la bande bêta se produit sous forme d'événements brefs et transitoires, appelés rafales, plutôt que sous forme d'oscillations soutenues. Cela indique que les modèles ERD et ERS reflètent des changements accumulés et variables dans le temps dans la probabilité de rafale au cours de chaque essai. Ainsi, les sursauts bêta peuvent transporter des informations comportementales plus pertinentes que la puissance moyenne de la bande bêta. En effet, des études chez l'homme impliquant des mouvements de bras ont établi un lien entre le timing des sursauts bêta sensorimoteurs et les temps de réponse avant le mouvement, ainsi que les erreurs comportementales après le mouvement. Il a également été démontré que l'activité des sursauts bêta dans les zones frontales est en corrélation avec l'annulation des mouvements et des études récentes montrent que l'activité au niveau des unités motrices se produit également de manière transitoire, qui est synchronisée avec les sursauts bêta sensorimoteurs.

Bien qu’il ait été démontré que le taux de rafale bêta contient des informations significatives, il constitue toujours une représentation plutôt simpliste de l’activité sous-jacente. Chaque rafale peut être caractérisée par un ensemble de caractéristiques basées sur TF : le temps de pointe et la fréquence de pointe de la rafale, ainsi que sa durée et sa portée dans l'axe des fréquences. À leur tour, tous ces descripteurs sont extraits à l’aide d’une transformation temps-fréquence particulière et constituent des représentations plus simples de la forme d’onde de rafale plus complexe intégrée dans les signaux bruts et caractérisée par une forme moyenne stéréotypée avec une grande variabilité autour d’elle. Les caractéristiques de la forme d'onde sont négligées dans les approches BCI standard, car les méthodes conventionnelles de traitement du signal présupposent généralement des signaux soutenus, oscillatoires et stationnaires, et sont donc intrinsèquement inadaptées à l'analyse d'une activité transitoire.

Contrairement à la version bêta, l'activité dans la bande de fréquences mu est oscillatoire même lors d'essais uniques. Cette activité est généralement analysée à l’aide de techniques de décomposition temps-fréquence, qui supposent que le signal sous-jacent est sinusoïdal. Cependant, il existe désormais un consensus croissant sur le fait que l’activité neuronale oscillatoire est souvent non sinusoïdale et que la forme brute de la forme d’onde peut renseigner sur le mouvement. Les efforts futurs pourraient tirer parti de cette possibilité en utilisant des analyses cycle par cycle non paramétriques récemment développées.

Dans ce projet, les enquêteurs optimiseront la conception d'un modèle neurophysiologique spécifique à un sujet pour guider l'entraînement moteur BCI, en utilisant l'imagerie par résonance magnétique (IRM) et la magnétoencéphalographie (MEG) pour une spécificité spatiale et biophysique élevée dans le groupe expérimental. Des volumes anatomiques IRM seront utilisés pour concevoir et imprimer en 3D un moulage de tête individuel qui sera utilisé dans le scanner MEG afin de stabiliser la position de la tête du sujet et de minimiser les mouvements. Il a été prouvé que cette approche de haute précision (hpMEG) améliore considérablement la localisation de la source jusqu'au niveau d'activité laminaire distinctive, ce qui en fait une technique d'enregistrement supérieure à l'EEG. Dans MODECO, les enquêteurs utiliseront une approche hpMEG individualisée, ainsi que l'EEG largement adopté, pour étudier les sursauts d'activité oscillatoire dans les bandes de fréquences bêta et mu liées à l'imagerie motrice et à l'exécution motrice. hpMEG produira des modèles d'imagerie motrice spécifiques à un sujet qui seront utilisés pour contraindre le décodage en ligne des données EEG. Cette approche sera appliquée et validée sur un groupe de sujets adultes en bonne santé (groupe témoin) et sera ensuite comparée à un autre groupe de faisabilité de patients (groupe de patients) et de participants en bonne santé du même âge (groupe témoin ; les enquêteurs tenteront de recruter des patients parents). les enquêteurs compareront l'approche proposée avec une approche BCI classique basée sur l'EEG.

les enquêteurs étudieront comment utiliser ces informations pour guider de manière optimale la formation BCI basée sur l'EEG dans le groupe témoin. Après une enquête approfondie chez des sujets sains dans ce projet, les enquêteurs pourront évaluer cette approche sur une population de patients victimes d'un AVC présentant des déficits moteurs des membres supérieurs. Deux tâches ont été conçues dans ce projet, tâches 1.1 et tâche 1.2. L'objectif de la tâche 1.1 est de développer des modèles génératifs spécifiques à un sujet décodant le début et/ou le décalage du mouvement, le type de mouvement (gauche contre droite), ainsi que l'amplitude du mouvement finement discrétisée lors des mouvements d'extension/flexion du poignet réels et imaginaires. Dans la tâche 1.2, les enquêteurs visent à étudier comment les lésions des patients altèrent notre capacité à décoder les tentatives de mouvements du poignet (groupe témoin vs groupe de patients).