Étude de la connectivité fonctionnelle cérébrale chez les enfants autistes sous stimulation émotionnelle

Introduction

Le trouble du spectre de l’autisme (Autism Spectrum Disorder, ASD) est un trouble neurodéveloppemental complexe, caractérisé principalement par des déficits dans les interactions sociales et les capacités de communication, ainsi que par des comportements répétitifs et des intérêts limités. L’une des caractéristiques principales de l’ASD est le déficit de traitement émotionnel, qui affecte directement les compétences sociales et la qualité de vie des patients. Bien que la recherche sur l’ASD ait plusieurs années d’histoire, ses mécanismes neuronaux, en particulier les modèles de connectivité fonctionnelle cérébrale liés au traitement émotionnel, ne sont pas encore complètement compris. L’analyse de la connectivité fonctionnelle cérébrale est un outil important pour étudier les mécanismes neuronaux de l’ASD, et l’électroencéphalographie (EEG), en tant que technique non invasive, peut enregistrer en temps réel l’activité électrique du cerveau, constituant ainsi un outil puissant pour l’étude de la connectivité fonctionnelle.

Cependant, la plupart des études EEG existantes se concentrent sur l’activité cérébrale spontanée, avec peu d’attention portée à la connectivité fonctionnelle sous stimulation émotionnelle. Par conséquent, explorer les différences de connectivité fonctionnelle cérébrale chez les enfants atteints d’ASD sous stimulation émotionnelle pourrait non seulement aider à comprendre les mécanismes neuronaux de l’ASD, mais aussi fournir des biomarqueurs potentiels pour le dépistage précoce et l’intervention.

Source de l’article

Cet article a été coécrit par Chang Cai, Jiahui Wang, Jun Lin, Kang Yang, Huicong Kang, Jingying Chen et Wei Wu, auteurs respectivement issus du Centre national de recherche en ingénierie de l’Université normale centrale de Chine, du département de neurologie de l’hôpital Tongji, et de l’hôpital Songjiang de l’Université de médecine de Shanghai Jiao Tong. Publié en août 2021 dans le Journal of LaTeX Class Files, il s’intitule “Analyse de la connectivité fonctionnelle des enfants autistes sous clips émotionnels”.

Processus de recherche

Sujets de recherche et conception expérimentale

L’étude a recruté un total de 64 enfants, dont 32 enfants atteints d’ASD et 32 enfants ayant un développement typique (Typically Developing, TD). Les critères d’inclusion pour les enfants atteints d’ASD incluent la conformité aux critères diagnostiques DSM-V, une tranche d’âge entre 2 et 7 ans, et l’absence de maladies respiratoires graves ou d’épilepsie. Les enfants TD ont été recrutés dans des jardins d’enfants locaux, appariés en âge avec le groupe ASD, sans antécédents de troubles mentaux ou de retard de développement.

L’expérience a utilisé un appareil EEG portable Emotiv Epoc, équipé de 14 canaux EEG capables d’enregistrer l’activité électrique de différentes régions du cerveau. L’expérience a été réalisée dans un environnement virtuel contrôlé, où les enfants ont visionné deux clips vidéo de 60 secondes chacun, l’un représentant une stimulation émotionnelle positive et l’autre négative. Les données EEG ont été enregistrées pendant la visualisation des vidéos.

Prétraitement et analyse des données

Le prétraitement des données EEG comprenait trois étapes : tout d’abord, l’utilisation de la référence moyenne commune (Common Average Reference, CAR) pour éliminer les décalages continus ; ensuite, l’utilisation de la boîte à outils EEGLAB pour supprimer les artefacts dus aux mouvements oculaires et à l’activité musculaire ; enfin, l’utilisation d’un filtre passe-bande linéaire (1 Hz à 45 Hz) pour filtrer le bruit et les artefacts haute fréquence.

Après prétraitement, les chercheurs ont extrait cinq bandes de fréquences des données EEG : onde θ (4-8 Hz), onde α (8-12 Hz), basse bande β (12-16 Hz), haute bande β (16-25 Hz) et onde γ (25-45 Hz). Ensuite, quatre indicateurs de connectivité fonctionnelle ont été utilisés pour analyser la connectivité fonctionnelle cérébrale, y compris la cohérence (Coherence), la valeur de verrouillage de phase (Phase-Locking Value, PLV), l’indice de décalage de phase (Phase Lag Index, PLI) et l’indice de décalage de phase pondéré (Weighted Phase Lag Index, WPLI).

Analyse des différences de connectivité fonctionnelle cérébrale

Pour explorer les différences de connectivité fonctionnelle cérébrale entre les enfants atteints d’ASD et ceux ayant un développement typique sous stimulation émotionnelle, les chercheurs ont calculé les valeurs moyennes de connexion pour les quatre indicateurs de connectivité dans les cinq bandes de fréquences et comparé les différences entre les deux groupes. Les résultats ont montré qu’en cas de stimulation émotionnelle négative, les enfants atteints d’ASD présentaient une corrélation mutuelle et une synchronisation de phase plus faibles dans les basses fréquences, tandis que dans les hautes fréquences, ils montraient une coordination accrue des réseaux intra-cérébraux. Sous stimulation émotionnelle positive, les enfants TD présentaient une connectivité fonctionnelle plus forte entre les régions cérébrales, tandis que les enfants atteints d’ASD montraient une synchronisation de phase plus élevée entre ces régions.

De plus, l’étude a révélé que dans la bande θ, les enfants atteints d’ASD présentaient davantage de connexions à longue distance, en particulier entre les hémisphères gauche et droit. Dans la bande α, les enfants atteints d’ASD présentaient moins de connexions à longue distance, indiquant une tendance à traiter les détails locaux. Sous stimulation émotionnelle positive, la connectivité fonctionnelle du lobe frontal était renforcée chez les enfants atteints d’ASD, tandis que sous stimulation émotionnelle négative, l’activité du lobe temporal était plus marquée.

Classification et sélection de caractéristiques

Pour valider le potentiel des caractéristiques de connectivité fonctionnelle cérébrale dans le dépistage de l’ASD, les chercheurs ont utilisé une machine à vecteurs de support (Support Vector Machine, SVM) et l’algorithme Minimum Redundancy Maximum Relevance (MRMR) pour la classification. Grâce à la sélection de caractéristiques MRMR, les chercheurs ont sélectionné le sous-ensemble le plus représentatif parmi toutes les caractéristiques et ont utilisé SVM pour la classification. Les résultats ont montré qu’en cas de stimulation émotionnelle positive, l’utilisation de 15 caractéristiques permettait d’atteindre une précision de classification de 85 %, tandis qu’en cas de stimulation émotionnelle négative, l’utilisation de 20 caractéristiques permettait d’atteindre une précision de 87 %.

Résultats et conclusions de l’étude

Les principales découvertes de l’étude incluent : 1. Impact de la stimulation émotionnelle sur la connectivité fonctionnelle cérébrale : Les enfants atteints d’ASD présentaient une connectivité plus faible dans les basses fréquences sous stimulation émotionnelle négative, tandis que dans les hautes fréquences, ils montraient une coordination accrue des réseaux intra-cérébraux. Sous stimulation émotionnelle positive, la synchronisation de phase entre les régions cérébrales était plus élevée chez les enfants atteints d’ASD que chez les enfants TD. 2. Différences de bande de fréquence : Dans la bande θ, les enfants atteints d’ASD présentaient davantage de connexions à longue distance, tandis que dans la bande α, ils présentaient moins de connexions à longue distance, indiquant une tendance à traiter les détails locaux. 3. Différences régionales cérébrales : Sous stimulation émotionnelle positive, la connectivité fonctionnelle du lobe frontal était renforcée chez les enfants atteints d’ASD, tandis que sous stimulation émotionnelle négative, l’activité du lobe temporal était plus marquée. 4. Précision de classification : Le classificateur SVM basé sur les caractéristiques de connectivité fonctionnelle a atteint une précision de 85 % sous stimulation émotionnelle positive et de 87 % sous stimulation émotionnelle négative, montrant que la connectivité fonctionnelle pourrait être utilisée comme biomarqueur potentiel pour le diagnostic et la classification de l’ASD.

Points forts de l’étude

1. Analyse de la connectivité fonctionnelle cérébrale sous stimulation émotionnelle : Cette étude a analysé pour la première fois de manière systématique les modèles de connectivité fonctionnelle cérébrale chez les enfants atteints d’ASD sous stimulation émotionnelle, comblant ainsi une lacune dans ce domaine de recherche.
2. Analyse multi-bandes et multi-indicateurs : L’étude a utilisé cinq bandes de fréquences et quatre indicateurs de connectivité fonctionnelle pour évaluer de manière complète les différences de connectivité fonctionnelle cérébrale entre les enfants atteints d’ASD et ceux ayant un développement typique.
3. Haute précision de classification : En combinant la sélection de caractéristiques MRMR et le classificateur SVM, l’étude a atteint une précision de classification élevée, offrant un soutien solide pour le dépistage précoce de l’ASD.
4. Utilisation d’appareils EEG portables : L’étude a utilisé l’appareil EEG portable Emotiv Epoc, montrant que même dans des conditions où des équipements de laboratoire avancés ne sont pas disponibles, l’analyse de la connectivité fonctionnelle cérébrale présente un potentiel d’application clinique.

Signification et valeur de l’étude

Cette étude offre une nouvelle perspective pour comprendre les mécanismes neuronaux de l’ASD, en particulier les modèles de connectivité fonctionnelle liés au traitement émotionnel. Les résultats montrent que l’analyse de la connectivité fonctionnelle cérébrale peut être un outil efficace pour le diagnostic et la classification de l’ASD, avec une valeur d’application importante pour le dépistage précoce et l’intervention personnalisée. De plus, l’étude met en avant le potentiel des dispositifs EEG portables dans la recherche clinique, posant les bases pour des recherches futures sur des échantillons plus larges et avec divers types de stimulation émotionnelle.

Directions futures de recherche

Bien que cette étude ait obtenu des progrès importants, elle présente certaines limitations. Premièrement, l’étude n’a utilisé que deux types de stimulation émotionnelle, positive et négative. À l’avenir, elle pourrait être étendue à d’autres types de stimuli émotionnels tels que la peur ou la colère. Deuxièmement, la taille de l’échantillon est relativement petite ; des recherches futures pourraient augmenter la taille de l’échantillon pour améliorer la généralisation des résultats. Enfin, l’étude n’a utilisé que quatre indicateurs de connectivité fonctionnelle ; à l’avenir, d’autres types d’indicateurs de connectivité, tels que l’analyse temps-fréquence ou la modélisation des réseaux cérébraux, pourraient être introduits pour révéler plus complètement les caractéristiques de connectivité fonctionnelle cérébrale de l’ASD.