Analyse de la connectivité cérébrale basée sur des tâches de lecture chez les enfants dyslexiques (utilisant des signaux EEG)

La dyslexie est un trouble neurodéveloppemental qui affecte la capacité de lecture normale, même chez les enfants ayant un niveau d’intelligence normal. Cet article étudie les différences de connectivité cérébrale entre les enfants dyslexiques et les enfants normaux lors de tâches de lecture, et analyse ces différences en utilisant des méthodes de théorie des graphes. L’étude examine la connectivité fonctionnelle du cerveau des enfants dyslexiques et des enfants du groupe de contrôle pendant des tâches de lecture, et propose des preuves possibles de la dégradation des réseaux cérébraux.

Contexte de l’étude

La dyslexie développementale (Developmental Dyslexia, DD) est un trouble neurodéveloppemental de la lecture qui affecte environ 5 à 10 % de la population. Bien que ces enfants aient un niveau d’intelligence normal, ils présentent des écarts significatifs dans leurs performances scolaires. Afin d’éviter que ces enfants ne rencontrent des défis académiques et des problèmes psychologiques, il est très important de comprendre les causes neurophysiologiques de la dyslexie et de procéder à une détection précoce. Bien que de nombreuses études comportementales aient montré des différences de compétences en lecture entre les individus dyslexiques et les individus normaux, la cause fondamentale reste incertaine, nécessitant de nouvelles recherches pour révéler les différences neurophysiologiques du cerveau dyslexique.

Avec le développement des méthodes de neuroimagerie, les chercheurs ont mieux compris les fonctions cérébrales dans divers troubles neurologiques. Différentes techniques de neuroimagerie ont été utilisées pour étudier les différences d’activité cérébrale au repos et en état de tâche chez les individus dyslexiques. Les études d’imagerie fonctionnelle ont systématiquement rapporté une activité réduite dans les régions pariéto-temporales de l’hémisphère gauche chez les enfants dyslexiques. Cependant, des publications récentes suggèrent que l’interruption de la connectivité fonctionnelle entre les régions de lecture pourrait être la cause de la dyslexie.

Informations sur le papier

Cette étude a été rédigée par Guhan Seshadri N.P. et Bikesh Kumar Singh, provenant du département de génie biomédical de l’Institut National de Technologie de Raipur, en Inde. L’article a été accepté le 21 mars 2024 et publié la même année dans la revue Medical & Biological Engineering & Computing, publiée par la Fédération Internationale de Génie Médical et Biologique.

Méthodes de recherche

Collecte des données et détails de la tâche

Les sujets de cette étude comprenaient 15 enfants dyslexiques et 15 enfants au développement normal ; les premiers provenaient d’écoles spécialisées, les seconds d’écoles primaires ordinaires. Tous les enfants ont passé des tests d’évaluation par des psychologues pour s’assurer que leur QI était supérieur à 85, et n’avaient pas d’antécédents de troubles auditifs et neurologiques.

L’étude a utilisé un système EEG à 19 canaux, avec des électrodes placées sur le cuir chevelu selon le système 10-20, à une fréquence d’échantillonnage de 256 Hz, et une bande passante de 0,1 à 70 Hz. Chaque enfant devait exécuter une tâche de lecture composée de deux étapes différentes ; chaque étape impliquait deux stimuli : un mot représenté sous forme d’image (par exemple “sand”) et un son correspondant ou différent (par exemple “sand” ou “land”). Les enfants devaient répondre aux stimuli correspondant en appuyant sur une touche.

Traitement et analyse des données

Tout d’abord, les signaux EEG collectés nécessitaient un prétraitement, comme l’application d’un filtre de moyennage mobile à trois points et des techniques de débruitage par ondelettes pour réduire le bruit. Les signaux EEG étaient décomposés par bande de fréquence pour extraire différents signaux, notamment δ (0-4Hz), θ (4-8Hz), α (8-13Hz), β (13-32Hz) et γ (32-64Hz).

Analyse des réseaux de graphes

Les réseaux cérébraux ont été étudiés en utilisant des méthodes de théorie des graphes. À partir de la cohérence des signaux EEG, une matrice de connectivité fonctionnelle de 19×19 a été générée pour chaque sujet, puis des caractéristiques du réseau ont été extraites, y compris la force des nœuds, la longueur moyenne des chemins (PL), le coefficient de clustering (CL), l’efficacité globale (EG), l’efficacité locale (EL) et le réseau à petit monde (SW).

Analyse statistique

Un test non paramétrique de Mann-Whitney U a été utilisé pour comparer les caractéristiques des graphes entre les deux groupes, et un test de Wilcoxon a été appliqué pour analyser la significativité entre les conditions au sein des groupes. Les résultats ont montré des différences significatives dans PL, CL, EG et EL dans les bandes θ et α entre le groupe dyslexique et le groupe de contrôle.

Résultats de l’étude

Performance des tâches de lecture

La précision des performances des tâches du groupe de contrôle était significativement meilleure que celle du groupe dyslexique, et le temps de réaction (RT) du groupe dyslexique était plus long que celui du groupe de contrôle.

Résultats des mesures de réseau

Mesures de réseau du groupe dyslexique

En état de tâche, l’intensité de la bande δ du groupe dyslexique était significativement plus élevée aux positions des électrodes t5 et t3, tandis que les intensités des bandes θ et α étaient significativement plus faibles. De même, les valeurs de PL, CL, EG et EL étaient significativement plus élevées durant la tâche par rapport aux valeurs de base, reflétant une insuffisance dans la transmission de l’information et le traitement local du réseau.

Mesures de réseau du groupe de contrôle

En état de tâche, le groupe de contrôle montrait des intensités significativement plus élevées dans les bandes θ, α et β, avec une PL significativement réduite et des valeurs EG et EL significativement plus élevées, indiquant une transmission et un traitement de l’information plus efficaces durant la tâche.

Comparaison entre les deux groupes

Par rapport au groupe de contrôle, le groupe dyslexique présentait une intensité de bande δ significativement plus élevée en état de tâche, tandis que les intensités des bandes θ, α et β étaient significativement plus faibles. La PL était plus longue, tandis que les valeurs de CL et EG étaient plus faibles, indiquant que le réseau cérébral du groupe dyslexique était détérioré durant la tâche de lecture, avec une intégration et une ségrégation fonctionnelle réduites, reflétant une efficacité fonctionnelle affaiblie.

Différences d’activation régionale du réseau

Durant la tâche, l’intensité de la bande δ du groupe dyslexique était significativement plus élevée aux positions des électrodes t5 et t4, tandis que les intensités des bandes θ, α et β étaient plus faibles, reflétant une insuffisance dans le codage de l’information, le traitement et la mémoire de travail.

Discussion

Cette étude a utilisé des méthodes de théorie des graphes pour étudier la connectivité fonctionnelle cérébrale des enfants dyslexiques et normaux lors de tâches de lecture. Il a été constaté que le réseau cérébral du groupe dyslexique était altéré durant la tâche, présentant une intégration et une ségrégation fonctionnelles réduites. Les résultats montrent l’efficacité de la théorie des graphes pour comprendre les réseaux cérébraux et les bases neurophysiologiques des enfants dyslexiques.

Conclusion

Cette étude démontre qu’en utilisant l’analyse de la théorie des graphes basée sur les signaux EEG, il est possible de révéler la détérioration des réseaux cérébraux chez les enfants dyslexiques lors de tâches de lecture, offrant ainsi une voie valable pour comprendre leurs bases neurophysiologiques. Ces découvertes pourraient éventuellement fournir de nouvelles références pour la détection précoce et l’intervention en cas de dyslexie à l’avenir.

Cette étude, par une conception expérimentale détaillée et des méthodes d’analyse des données, offre une nouvelle perspective de compréhension des bases neurophysiologiques des enfants dyslexiques et démontre le potentiel de la théorie des graphes dans la recherche sur les réseaux cérébraux.