L'imagerie cérébrale pour mieux comprendre le fonctionnement du cerveau
L'imagerie par résonance magnétique fonctionnelle a permis d'acquérir des connaissances précieuses sur le fonctionnement du cerveau. De grands groupes d'individus ont été « scannés » pendant qu'ils réalisaient des tâches variées, visuelles, auditives ou langagières. En observant quelles régions du cerveau s'activent ensemble, l'objectif était de comprendre quelles zones interviennent dans chaque fonction cognitive.
Cependant, cette approche doit tenir compte des différences interindividuelles d'anatomie et d'organisation fonctionnelle du cortex, ce qui rend difficile l'étude de larges populations. De plus, les schémas de connectivité fonctionnelle propres à chaque individu, et permettant de l'identifier, ne sont pas forcément les mêmes que ceux qui permettent de reconnaître la tâche effectuée.
Deux approches distinctes pour analyser les connexions cérébrales
Dans cette étude, des scientifiques de NeuroSpin (CEA-Joliot) ont comparé deux approches pour analyser les connexions entre les différentes régions du cerveau. La première, la corrélation de Pearson, mesure à quel point l'activité de deux régions cérébrales évolue en même temps, qu'il s'agisse d'un lien direct ou indirect via d'autres régions. La seconde, la corrélation partielle, cherche au contraire à isoler les liens les plus directs entre deux régions en éliminant autant que possible l'influence des autres.
Les chercheurs ont émis l'hypothèse que la corrélation de Pearson serait plus efficace pour reconnaître la tâche réalisée par une personne, tandis que la corrélation partielle permettrait de mieux identifier un individu grâce à la manière dont son cerveau est organisé, en se rapprochant davantage de la connectivité structurelle, c'est-à-dire des connexions physiques entre les différentes régions du cerveau.
Ils ont analysé un jeu de données de haute qualité, reposant sur un phénotypage profond, comprenant plusieurs tâches naturalistes (écoute d'une histoire, visionnage de trois films différents et pratique d'un jeu vidéo), ainsi qu'un état de repos. Ils ont ensuite comparé plusieurs méthodes d'analyse statistique afin d'évaluer leur capacité à reconnaître un individu à partir de son profil de connectivité cérébrale et à identifier la tâche effectuée.
Les résultats confirment que les deux méthodes ne permettent pas d'obtenir les mêmes informations. Pour reconnaître un individu à partir de son activité cérébrale, la méthode la plus performante est une forme de corrélation partielle calculée avec un outil statistique appelé Graphical Lasso, qui permet d'identifier les connexions directes les plus pertinentes entre les régions du cerveau. Cette approche est aussi celle qui ressemble le plus à la connectivité structurelle. Elle constitue donc une « signature » propre à chaque individu.
En revanche, pour déterminer quelle activité est en cours (auditive, visuelle ou langagière), la corrélation de Pearson obtient de meilleurs résultats. En effet, cette méthode ne se limite pas aux liens directs mais prend également en compte les interactions plus globales entre plusieurs régions cérébrales, ce qui permet de mieux caractériser les réseaux mobilisés par chaque tâche cognitive.
Les approches de corrélation partielle et de Pearson offrent donc des visions complémentaires du fonctionnement du cerveau. La corrélation partielle est particulièrement adaptée pour mettre en évidence les connexions directes qui distinguent un individu d'un autre. La corrélation de Pearson, en intégrant à la fois les relations locales et les interactions à grande échelle entre les régions cérébrales, décrit plus fidèlement l'activité des réseaux impliqués dans les différentes fonctions cognitives.