Le réseau EpiNet
En quelques décennies, la notion de zone épileptogène responsable des crises d'épilepsie a sensiblement évolué avec les progrès en électrophysiologie et en neuroimagerie notamment. Au départ vu comme un foyer, c'est-à-dire une zone unique et localisée, la zone épileptogène est désormais mieux décrite et s'avère être un réseau dynamique (EpiNet) : les crises ne sont pas générées par une seule zone mais par un ensemble de zones dysfonctionnelles qui interagissent entre elles et qui peuvent changer au cours du temps, par leur localisation, par leur activité électrique (zones d'activité cérébrale rapide, zones de décharges électriques intercritiques) et/ou par leurs interactions. De plus, ce réseau est spécifique à chaque patient.
Identifier des biomarqueurs dans les enregistrements électriques
Une description anatomofonctionnelle la plus précise possible est particulièrement importante pour les épilepsies pharmacorésistantes pour lesquelles l'exérèse de la ou des zones responsables de crises est la seule solution thérapeutique. L'évaluation préchirurgicale repose sur un ensemble de données dont des enregistrements électro-encéphalographiques (EEG) et de la neuroimagerie avec des examens IRM et TEP. Souvent, la délimitation fine des zones à retirer chirurgicalement nécessite en plus de recourir à la stéréo-électro-encéphalographie (SEEG) à l'aide d'électrodes intracrâniennes. Plusieurs biomarqueurs peuvent être identifiés à partir des données de SEEG. Ce sont par exemple des biomarqueurs de criticité (complexité de la dynamique) ou encore de connectivité fonctionnelle. Des modèles d'apprentissage automatiques ou machine learning aident à l'identification de ces biomarqueurs. Des études ont montré que combiner plusieurs d'entre eux améliore sensiblement la localisation du réseau. Mais une telle approche génère des données de haute dimension, ce qui augmente le risque de surapprentissage et réduit l'interprétabilité.
Des chercheurs de l'équipe Inria-CEA MIND, en collaboration avec le Neuroscience Center d'Helsinki (Finlande) et l'Université du Michigan (Etats-Unis), ont fait l'hypothèse qu'il était possible de capturer la dynamique épileptogène dans une représentation simplifiée des biomarqueurs précités – un espace latent de faible dimension – , sans nécessiter l'enregistrement de crises (SEEG au repos). À partir de données intercritiques issues de SEEG de 64 patients, ils ont ainsi extrait 260 caractéristiques liées à la connectivité fonctionnelle et à la criticité, qu'ils ont pu réduire à 10 composantes latentes. Un classifieur entrainé sur ces 10 composantes a ensuite été simplifié en un modèle probabiliste ne nécessitant que deux composantes en entrée, réduisant ainsi l'espace des caractéristiques de plus de 99 %.
L'approche décrite dans le Journal of Neuroscience simplifie l'interprétation des données, facilite l'intégration de biomarqueurs supplémentaires pour le diagnostic préchirurgical et devrait permettre des analyses à grande échelle sur des cohortes.
Contact Institut des sciences du vivant Frédéric-Joliot :