Rapport de recherche sur les biomarqueurs potentiels pour la détection précoce du TDAH : Analyse de la connectivité fonctionnelle cérébrale basée sur la phase et la théorie des graphes

Cet article est un rapport de recherche intitulé “Etude sur les biomarqueurs potentiels pour la détection précoce du TDAH : utilisation de la connectivité fonctionnelle cérébrale basée sur la phase et analyse de la théorie des graphes”. Cette étude a été réalisée par Farhad Abedinzadeh Torghabeh, Seyyed Abed Hosseini et Yeganeh Modaresnia, et publiée dans Physical and Engineering Sciences in Medicine (2023), volume 46, pages 1447-1465. Cet article a été mis en ligne le 5 septembre 2023. Le contexte académique, la méthodologie de recherche, les résultats expérimentaux et la valeur scientifique de cet article seront détaillés.

Contexte académique et problématique de la recherche

Le trouble du déficit de l’attention avec hyperactivité (TDAH) est un trouble du développement neurologique caractérisé par des symptômes d’inattention et d’hyperactivité/impulsivité, qui impactent significativement la vie quotidienne des enfants. Selon les données de méta-analyse, la prévalence mondiale du TDAH chez les enfants et les adolescents est d’environ 5,3%, avec un rapport hommes/femmes d’environ 2:1. Les scientifiques estiment que le TDAH est principalement causé par des dysfonctionnements dans certaines régions cérébrales spécifiques responsables du contrôle de l’attention et de la concentration, et que la génétique joue également un rôle important dans le développement du TDAH. Les enfants atteints de TDAH rencontrent souvent des difficultés sociales, des problèmes scolaires, des problèmes d’estime de soi et des impacts négatifs sur la famille. De plus, ils peuvent être confrontés à des défis dans certaines capacités cognitives spécifiques telles que la mémoire auditive et visuelle, la coordination motrice, la mémoire de travail, la vigilance, l’impulsivité et le contrôle inhibiteur, ainsi que la programmation et la séquence des actions. Par conséquent, la détection précoce et l’intervention sont cruciales pour intervenir efficacement avant l’apparition de facteurs complexes.

La connectivité fonctionnelle reliant différentes zones cérébrales et ses variations dans diverses maladies cérébrales ont été largement étudiées. La théorie des graphes (GT) est une méthode efficace pour évaluer la fonctionnalité et la connectivité efficace des réseaux cérébraux, représentant mathématiquement les nœuds et les arêtes pour dessiner la structure du réseau cérébral. Les études de connectivité cérébrale utilisent souvent diverses méthodes, y compris l’électroencéphalographie (EEG), la magnétoencéphalographie (MEG) et l’imagerie par résonance magnétique fonctionnelle (IRMf). Parmi elles, l’EEG est largement utilisé comme outil de diagnostic dans les études de connectivité cérébrale en raison de sa haute résolution temporelle, de son coût d’acquisition de données efficace et de sa large bande passante.

Sources de la recherche et informations sur les auteurs

Cette étude a été rédigée par Farhad Abedinzadeh Torghabeh, Seyyed Abed Hosseini et Yeganeh Modaresnia, tous originaires de la filiale de Mashhad de l’Université Islamique Azad en Iran. Cette étude a été reçue le 27 avril 2023, acceptée le 24 juillet 2023, et mise en ligne le 5 septembre 2023, publiée dans Physical and Engineering Sciences in Medicine.

Processus de la recherche

Bases de données et prétraitement

Cette étude utilise un ensemble de données disponible publiquement comprenant les enregistrements EEG de 61 enfants atteints de TDAH et de 60 enfants sains (Healthy Control, HC) sans antécédents de troubles psychologiques. Tous les sujets sont droitiers, avec un âge moyen de 9,73 ± 1,76 ans. Les signaux EEG ont été enregistrés à partir de 19 électrodes à une fréquence d’échantillonnage de 128 Hz pendant une tâche d’attention visuelle, conformément au système international 10-20.

Les signaux EEG ont été prétraités à l’aide de la boîte à outils EEGLAB (version 2022.1). Les signaux EEG continus ont d’abord été filtrés à l’aide d’un filtre FIR (réponse impulsionnelle finie) passe-bande de 1-48 Hz pour éliminer le bruit de fond. Ensuite, le plugin Clean Rawdata a été utilisé pour éliminer automatiquement les artéfacts visibles causés par le déplacement des électrodes. Un programme de re-référence a ensuite été effectué, référençant à nouveau la moyenne de toutes les voies. Les signaux EEG ont été décomposés par analyse en composantes indépendantes (ICA) pour éliminer les artéfacts non pertinents tels que les modèles musculaires et les clignements/mouvements des yeux. Ces composantes ont été automatiquement identifiées et éliminées par le plugin ICLabel. Les séries temporelles ont ensuite été filtrées dans les bandes de fréquences EEG conventionnelles, puis segmentées.

Méthode de mesure de phase

Indice de déphasage (Phase-Lag Index, PLI)

Cette étude utilise le PLI pour mesurer la connectivité fonctionnelle de toutes les 19 paires de nœuds dans chaque bande de fréquence et chaque segment. Cette méthode aborde les problèmes courants de mesure de la connectivité basés sur la phase, qui ignorent généralement la connectivité de déphasage nul. La théorie du PLI indique que lorsque une connexion erronée apparaît en raison de la conduction par volume, la différence d’angle de phase sera dispersée autour de 0 radian. En revanche, si la connexion n’est pas due à la conduction par volume, les angles de phase seront principalement distribués positivement ou négativement. Ainsi, une distribution symétrique peut indiquer une faux connexion, tandis qu’une distribution asymétrique indique que la connexion dépend de la source.

Synchronisation de phase entre sites (Inter-Site Phase Clustering, ISPC)

L’ISPC est une mesure de la synchronisation de phase couramment utilisée dans l’analyse de la connectivité EEG, calculant la cohérence des angles de phase entre deux signaux à différents instants. L’ISPC calcule l’angle de phase moyen et montre les différences entre les paires de canaux, indiquant une connectivité EEG allant de zéro à un.

Analyse de la théorie des graphes et classification

L’analyse de la connectivité EEG a été réalisée à l’aide de la théorie des graphes (GT), et sept caractéristiques locales couramment utilisées ont été extraites, y compris le coefficient de clustering (Clustering Coefficient, CC), l’efficacité locale (Local Efficiency, LE), la communauté Louvain (Louvain Community, LC), la force des nœuds (Node Strength, NS), le degré des nœuds (Node Degree, ND), la centralité d’intermédiarité des nœuds (Node Betweenness Centrality, NBC) et la centralité des sous-graphes (Subgraph Centrality, SC). Ensuite, six méthodes de classification ont été utilisées, dont les k plus proches voisins (K-Nearest Neighbors, KNN), l’analyse discriminante linéaire (Linear Discriminant Analysis, LDA), le Naïve Bayes (NB), l’arbre de décision (Decision Tree, DT), la machine à vecteurs de support linéaire (Linear Support Vector Machine, SVM) et le réseau neuronal artificiel à trois couches (Artificial Neural Network, ANN).

Test statistique

Les tests statistiques ont été effectués en calculant la valeur p pour déterminer s’il existe une différence significative entre les deux groupes. Le test t statistique a été réalisé sur les caractéristiques des graphes pour vérifier l’hypothèse et fournir des biomarqueurs fiables.

Résultats de la recherche

Résultats de classification des mesures de connectivité ISPC et PLI

La classification des mesures de connectivité ISPC et PLI a donné des taux de précision de classification moyens respectifs de 99,174% et 98,347%. Les taux de précision de classification pour des modèles spécifiques et des bandes de fréquences spécifiques sont également répertoriés dans cet article.

L’analyse statistique a montré que les patients atteints de TDAH avaient des caractéristiques de valeurs plus élevées dans les bandes de fréquences δ, θ et α, ainsi que dans les canaux frontaux (F3) et centraux (C3).

Conclusion

Cette étude, utilisant l’analyse des données EEG, la connectivité fonctionnelle cérébrale basée sur la phase et la théorie des graphes, propose des biomarqueurs potentiels pour la détection précoce du TDAH. Les recherches ont montré que les caractéristiques SC dans la connectivité PLI dans la bande β ont une précision de classification élevée, et que les caractéristiques NBC et ISPC dans les bandes δ et θ présentent également une forte capacité de différenciation. Ces biomarqueurs montrent un potentiel considérable dans le diagnostic du TDAH, aidant à identifier des stratégies d’intervention efficaces pour améliorer la qualité de vie des patients atteints de TDAH.