Application de la magnétoencéphalographie (MEG) pour analyser les changements des modèles de micro-états oscillatoires du cerveau entier tout au long de la vie: Une étude de cohorte du Cambridge Centre for Ageing and Neuroscience

Contexte de la recherche

Avec le vieillissement de la population devenant un problème de plus en plus grave, il est essentiel de comprendre les changements neurophysiologiques au cours du processus de vieillissement. Le cerveau vieillissant est un facteur de risque majeur pour de nombreuses maladies neurodégénératives. Cependant, l’impact de l’activité oscillatoire de l’ensemble du cerveau sur le vieillissement en bonne santé est encore mal compris. Au niveau cellulaire, les propriétés bioélectrochimiques des neurones leur permettent de produire des champs électromagnétiques, et la détection des changements de ces champs peut servir de biomarqueurs potentiels pour la neuropathologie. Cinq types typiques de signaux oscillatoires du cerveau (onde delta, theta, alpha, beta et gamma) ont été largement étudiés, mais leur rôle spécifique dans le vieillissement reste à explorer en profondeur. Les chercheurs proposent que surveiller la régularité et la prévisibilité de ces signaux oscillatoires puisse aider à identifier les processus potentiels de déclin cognitif. En particulier, les changements dans les ondes alpha montrent des caractéristiques significatives au cours du vieillissement, telles que le ralentissement des ondes alpha, la réduction de la puissance alpha, et la diminution de la réactivité alpha.

Origine de la recherche

Cet article a été coécrit par Yujing Huang, Chenglong Cao, Shenyi Dai, Hu Deng et d’autres chercheurs provenant de l’Université de Zhejiang, de l’Université de Cambridge, et de l’Université de Science et Technologie de Chine. Cette recherche a été publiée le 29 avril 2024 dans la revue “Brain Communications”.

Processus de recherche

Données démographiques

L’étude est basée sur la cohorte du Cambridge Centre for Ageing and Neuroscience (Cam-CAN) et comprend un total de 624 participants âgés de 18 à 88 ans. Les participants ont été répartis en cinq groupes d’âge : Groupe des jeunes (18-29 ans), Groupe des jeunes adultes (30-44 ans), Groupe des adultes matures (45-59 ans), Groupe des personnes âgées précoces (60-74 ans), et Groupe des personnes âgées (75-88 ans). Tous les participants ont subi un examen MEG en état de repos.

Enregistrement et prétraitement des données MEG

Les données MEG ont été enregistrées à l’aide d’un système Vectorview à 306 canaux, incluant 204 magnétomètres planaires et 102 magnétomètres. Les participants ont été enregistrés en état de repos dans une chambre blindée contre les champs magnétiques pendant une durée de 8 à 40 secondes, avec une fréquence d’échantillonnage de 1 kHz et un filtre passe-haut (0,03 Hz) utilisé pour le prétraitement des données. Ensuite, les bruits ont été éliminés, les artefacts de mouvement corrigés et les données ont été segmentées pour un traitement ultérieur.

Analyse des modèles de micro-états

Une version améliorée de l’algorithme k-means a été utilisée pour extraire les modèles de micro-états dans chaque bande de fréquence oscillatoire. Les étapes spécifiques incluent l’importation des données MEG prétraitées, l’extraction des cartes d’activité aux points temporels de crête, le déroulement du clustering k-means, l’exécution d’un clustering global à deux niveaux pour obtenir les modèles globaux de chaque groupe d’âge et bande de fréquence, la régression des paramètres de micro-états pour chaque groupe d’âge, ainsi que des analyses statistiques pour comparer les différences de paramètres de micro-états entre les différents groupes d’âge.

Principaux résultats de l’étude

Détermination des modèles de micro-états

Quatre types typiques de modèles de micro-états ont été identifiés grâce à des algorithmes d’apprentissage automatique : De gauche à droite (MS1), De droite à gauche (MS2), De l’avant à l’arrière (MS3) et Antérieur au central (MS4). Ces quatre modèles ont montré une dominance constante dans différents groupes d’âge et bandes de fréquence.

Atténuation des oscillations multifréquence et changements des ondes alpha

L’étude a révélé qu’avec l’âge, la durée des ondes alpha dans les MS1 et MS2 diminue, tandis que le nombre d’occurrences des ondes alpha augmente. De plus, les changements dans les ondes theta et beta dans MS1 pourraient être liés au déclin des fonctions motrices avec l’âge. Le nombre d’occurrences des ondes alpha dans les MS3 et MS4 augmente, et l’activité des ondes beta montre également des changements correspondants, ce qui pourrait refléter des modifications dans les réseaux attentionnels de la salience de haut en bas.

Conclusion de l’étude

Cette étude résume les modèles oscillatoires typiques de micro-états du cerveau entier au cours du vieillissement et offre de nouvelles perspectives pour prédire un vieillissement en bonne santé et un potentiel déclin cognitif neuropsychiatrique. Les modèles de micro-états identifiés par les algorithmes d’apprentissage automatique montrent comment le cerveau présente des déficits fonctionnels dans différentes tranches d’âge, en particulier la domination des ondes alpha. Les résultats montrent une augmentation des ondes alpha dans l’ensemble du cerveau au cours du vieillissement, suggérant une diminution de l’efficacité neuronale, ainsi que des réponses dans d’autres bandes de fréquence, telles que les réponses concomitantes des ondes theta et beta.

Points forts de l’étude

1. Identification des modèles de micro-états typiques : Grâce à des algorithmes d’apprentissage automatique, l’étude a réussi à identifier quatre types typiques de modèles de micro-états du cerveau entier, et ces modèles montrent des caractéristiques cohérentes dans différents groupes d’âge et bandes de fréquence.

2. Révélation du rôle clé des ondes alpha : L’étude met en évidence les changements significatifs des ondes alpha au cours du vieillissement, en particulier la diminution de la durée des ondes alpha et l’augmentation des occurrences des ondes alpha.

3. Atténuation des réponses multifréquence : Outre les ondes alpha, des changements dans les ondes theta et beta ont également été observés, ces réponses étant étroitement liées au déclin des fonctions sensorielles et motrices.

Signification de l’étude

Cette recherche n’a pas seulement une importance scientifique pour comprendre la dynamique neuronale du cerveau vieillissant, mais elle offre également de nouveaux biomarqueurs pour prédire un vieillissement en bonne santé et diagnostiquer précocement le déclin cognitif neuropsychiatrique. Ces études permettent de mieux formuler des mesures de prévention et de traitement, améliorant ainsi la qualité de vie des personnes âgées.

Perspectives de recherche futures

Les recherches futures pourraient intégrer davantage les données MEG en état de repos, l’imagerie par résonance magnétique fonctionnelle et structurelle, afin d’obtenir des biomarqueurs multimodaux du vieillissement. De plus, une observation de suivi de longue durée est nécessaire pour mieux comprendre la relation entre ces modèles de micro-états et l’atrophie cérébrale.