Étude des interactions d’information basées sur l’entropie de transfert par permutation dans les magnétoencéphalogrammes de la schizophrénie

Introduction académique

La schizophrénie (Schizophrenia, SCZ) est une maladie mentale caractérisée par des délires et des hallucinations persistantes, une pensée confuse et un comportement incohérent, conduisant souvent à une perception altérée de la réalité. Avec le développement rapide des technologies modernes de neuro-imagerie, de nombreux ensembles de données soutiennent la recherche sur les maladies neurologiques et mentales. La magnétoencéphalographie (Magnetoencephalography, MEG), en tant que technique de neuro-imagerie avec une haute résolution spatiale et temporelle, peut capturer les caractéristiques non linéaires des signaux électromagnétiques du cerveau et est donc utilisée pour explorer les interactions d’information chez les patients atteints de schizophrénie (SCZ).

Source de l’article

Cet article, intitulé “Networked information interactions in schizophrenia magnetoencephalograms based on permutation transfer entropy”, a été rédigé par Qiong Wang, Xinran Yang, Wei Yan, Jiafeng Yu et Jun Wang, affiliés respectivement à l’Université des Postes et Télécommunications de Nanjing, à l’Hôpital de Neuropsychiatrie de Nanjing et à diverses institutions de recherche de l’Université du Texas. Cet article a été accepté par la revue “Biomedical Signal Processing and Control” et devrait être publié le 3 février 2024.

Objectifs et significations de la recherche

Cette étude vise à explorer les interactions d’information dans les données MEG des patients atteints de schizophrénie en utilisant une méthode basée sur l’entropie de transfert par permutation pour construire des réseaux cérébraux en état de repos, comparant les patients schizophrènes (SCZ) et les groupes de contrôle sain (HCs). L’étude prend en compte l’impact des valeurs égales dans le processus de permutation et de distribution probabiliste, quantifiant les caractéristiques du réseau telles que le poids, la complexité et le déséquilibre, afin de caractériser les réseaux de magnétoencéphalogrammes de la schizophrénie et d’approfondir l’exploration des mécanismes pathologiques et physiologiques de la schizophrénie.

Processus de recherche

Sujets de recherche et collecte de données

Les données expérimentales proviennent de l’Hôpital de Neuropsychiatrie affilié à l’Université médicale de Nanjing, et comprennent 31 participants, dont 17 patients schizophrènes et 14 membres du groupe de contrôle sain. Tous les participants sont droitiers et les facteurs d’influence tels que d’autres troubles mentaux et des blessures graves à la tête ont été exclus. Les enregistrements MEG ont été réalisés à l’aide du système CTF MEG avec une fréquence d’échantillonnage de 1200 Hz, pour une durée de 2 minutes.

Traitement et prétraitement des données

Pour garantir l’exactitude des données, les signaux ECG (électrocardiogramme) et EOG (électro-oculogramme) des sujets ont été simultanément surveillés pendant l’expérience. Le traitement des données a été effectué avec FieldTrip Toolbox pour le filtrage et le traitement, et les 275 canaux ont été divisés en 14 régions selon un modèle de partition MEG et la signification physiologique des régions cérébrales.

Calcul de l’entropie de transfert par permutation

Une méthode d’entropie de transfert par permutation, incluant les valeurs égales, a été utilisée pour quantifier les interactions d’information entre les régions cérébrales. Pour chaque ensemble de données MEG, les régions cérébrales ont été définies comme des nœuds du réseau, et une série temporelle représentative a été obtenue par la moyenne des séries temporelles des canaux de chaque région. L’embedding dimensionnel m et le temps de retard 𝜏 ont été définis, différentes combinaisons de réseaux MEG ont été construites et la signification des connexions du réseau a été évaluée à l’aide de tests d’hypothèses.

Analyse du flux d’information du réseau

Le flux d’information entrant, sortant et total pour chaque région cérébrale a été calculé, et un test t pour échantillons indépendants a été utilisé pour détecter les différences entre les groupes. Les résultats montrent que le niveau d’interaction d’information dans les régions cérébrales des patients schizophrènes est globalement plus bas, avec des différences principalement concentrées dans les régions préfrontales et pariétales, en accord avec de nombreuses études antérieures.

Analyse de la complexité et du déséquilibre

La complexité du flux d’information dans les régions cérébrales a été calculée à l’aide de l’entropie de Shannon. Les résultats montrent que la complexité du flux d’information du groupe SCZ est significativement plus élevée que celle du groupe HCs. Par contre, l’analyse du déséquilibre montre que le degré de déséquilibre du réseau cérébral chez les patients schizophrènes est plus faible que celui du groupe HCs, reflétant la nature non linéaire des systèmes complexes cérébraux.

Résultats de la recherche

Caractéristiques des interactions d’information

Le niveau d’interaction d’information entre les régions cérébrales des patients schizophrènes est globalement plus bas, avec des diminutions significatives dans les flux d’information entrants, sortants et totaux. Ce résultat peut s’interpréter comme une réduction de la transmission des courants électriques et de la communication interrégionale dans le réseau cérébral des patients schizophrènes.

Caractéristiques de la complexité

L’analyse de la complexité indique que l’entropie de Shannon du flux d’information global dans le groupe SCZ est significativement plus élevée par rapport au groupe HCs, suggérant une complexité accrue des interactions d’information dans le réseau cérébral des patients schizophrènes, probablement due à des dysfonctionnements du réseau cérébral induits par la schizophrénie.

Caractéristiques du déséquilibre

La majorité des régions cérébrales et l’ensemble du cerveau des patients SCZ montrent un degré de déséquilibre plus faible que celui des groupes HCs, indiquant une plus grande variabilité et incertitude dans les flux d’information, en ligne avec les caractéristiques fortement non linéaires du cerveau, de la production des potentiels d’action des neurones aux fonctions des tests psychologiques.

Conclusion et valeur

L’analyse des réseaux de MEG basée sur l’entropie de transfert par permutation a efficacement extrait les caractéristiques des patients schizophrènes, et à travers l’analyse comparative de la complexité et du déséquilibre, a enrichi la compréhension des mécanismes pathologiques et physiologiques de la schizophrénie. Cette recherche offre non seulement de nouvelles perspectives pour l’étude de la schizophrénie, mais propose également de potentiels outils auxiliaires pour le diagnostic clinique et la prédiction, avec une importante valeur scientifique et applicative.

Points forts de la recherche

1. Méthode de recherche innovante : utilisation de l’entropie de transfert par permutation incluant les valeurs égales, surmontant les limitations des méthodes précédentes qui ignoraient ou résolvaient les problèmes de valeur égale par perturbation aléatoire.
2. Découverte d’informations importantes : révélant une diminution du niveau d’interaction d’information entre les régions cérébrales des patients schizophrènes, une augmentation de la complexité des caractéristiques et une réduction du degré de déséquilibre.
3. Potentiel d’application clinique : les paramètres caractéristiques des réseaux cérébraux extraits par l’étude ont le potentiel d’être appliqués à l’apprentissage automatique pour explorer la prédiction et la classification de la schizophrénie, apportant un soutien au diagnostic clinique.

Perspectives de recherche future

La recherche nécessite une validation avec un échantillon plus large et plus représentatif, en particulier pour évaluer davantage les performances de la méthode basée sur l’entropie de transfert par permutation dans la représentation des réseaux d’interaction MEG. De plus, appliquer les paramètres de réseau cérébral à l’apprentissage automatique pour explorer leur potentiel de prédiction et de classification de la schizophrénie afin de fournir de meilleurs outils de soutien à la décision pour la recherche et le diagnostic clinique de la schizophrénie.