Que se passe-t-il dans notre cerveau selon notre niveau de conscience ? L'IRM fonctionnelle au repos (IRMf au repos) a permis de faire un grand pas dans la description et la compréhension des mécanismes cérébraux de la conscience : en mesurant les variations de débit sanguin en tout point du cerveau (effet BOLD), l'IRMf de repos reflète l'activité cérébrale locale et permet de distinguer différents états de conscience (éveil, perte de conscience induite par l'anesthésie, coma…). Plus précisément, l'IRMf au repos a permis d'établir que les corrélations entre les activités de différentes régions cérébrales – les connectivités fonctionnelles – fluctuent au cours du temps et selon le niveau de conscience.
Malgré ces avancées significatives, il n'est pas encore possible d'identifier des biomarqueurs indiscutables de la perte de conscience induite par l'anesthésie ou encore d'inférer le niveau de conscience d'un individu en état de conscience minimal. Y parvenir nécessite des analyses de données très fiables et plus poussées que celles utilisées actuellement. Des chercheurs de NeuroSpin (unités UNICOG et BAOBAB) ont donc eu l'idée d'analyser à nouveau des données d'IRMf de repos acquises chez des singes macaques avec des niveaux de conscience différents. Ils ont suivi deux directions.
Faire émerger des réseaux cérébraux prédictifs de l'état de conscience (réf 1)
D'une part, les chercheurs ont adopté un modèle linéaire à variables latentes capable de révéler l'organisation fonctionnelle du cerveau afin de développer une méthode interprétable permettant d'identifier les réseaux cérébraux associés à différents niveaux de conscience (éveil versus anesthésie) à partir de données d'IRMf de repos en utilisant la connectivité cérébrale statique.
Ainsi, deux réseaux cérébraux se sont révélés particulièrement impliqués dans les transitions de conscience. Le premier, un réseau fronto-pariétal et cingulaire, est associé à la diffusion globale de l'information, et le second, un réseau temporo-pariéto-occipital, est lié à l'intégration complexe des signaux neuronaux.
Ces résultats sont cohérents avec les deux grandes théories contemporaines de la conscience : la théorie GNW (Global Neuronal Workspace) qui postule que la conscience émerge lorsque l'information devient accessible à un réseau cortical étendu et la théorie ITT (Integrated Information Theory) qui considère la conscience comme le produit d'une intégration irréductive de l'information au sein du système neuronal.
Mieux rendre compte de la dynamique des connectivités fonctionnelles (réf 2)
D'autre part, les chercheurs ont exploré la manière dont des modèles d'apprentissage profond (intelligence artificielle) peuvent mettre en lumière les liens entre la connectivité cérébrale dynamique et les états de conscience à partir de données d'IRMf au repos. Ils ont utilisé un "auto-encodeur variationnel" (VAE), un modèle d'apprentissage profond capable de représenter les dynamiques cérébrales dans un espace latent à faible dimension. Ce nouvel espace de représentation permet de visualiser et de simuler les trajectoires entre différents états de conscience, tels que l'éveil ou l'anesthésie. L'analyse a révélé le rôle essentiel de certaines connexions interrégionales dans la conscience, en accord avec la théorie du Global Neural Workspace.
Dans l'ensemble, les deux études proposent des approches innovantes et interprétables qui ouvrent des perspectives prometteuses pour le diagnostic des troubles de la consciences, la compréhension des mécanismes cérébraux sous-jacents, ainsi que le monitorage de la conscience lors des procédures d'anesthésie générale.
Contact Institut des sciences du vivant Frédéric-Joliot :