Structural changes in autism reflect atypical brain network organization and phenotypical heterogeneity: a deep network approach
Cette étude emploie des réseaux de neurones convolutifs 3D pour analyser les données d'IRM structurelle, révélant que des changements macrostructurels atypiques dans les lobes frontaux et temporaux gauches ainsi que des réseaux fonctionnels spécifiques sous-tendent l'hétérogénéité phénotypique des troubles du spectre de l'autisme, offrant ainsi des perspectives pour le sous-typage diagnostique.
Article original sous licence CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Ceci est une explication générée par l'IA d'un preprint qui n'a pas été évalué par des pairs. Ce n'est pas un avis médical. Ne prenez pas de décisions de santé basées sur ce contenu. Lire la clause de non-responsabilité complète
Le trouble du spectre de l'autisme est une condition développementale complexe qui affecte la manière dont les personnes interagissent, communiquent et expérimentent le monde. Bien que les défis fondamentaux soient bien connus, le trouble se manifeste différemment chez chaque individu, créant un vaste spectre d'expériences plutôt qu'une condition unique et uniforme. Les scientifiques cherchent depuis longtemps à comprendre les racines biologiques de cette diversité, en cherchant des différences physiques dans le cerveau qui pourraient expliquer pourquoi une personne éprouve des difficultés avec les indices sociaux tandis qu'une autre fait face à des obstacles différents. Pendant des décennies, les chercheurs se sont appuyés sur l'imagerie fonctionnelle, qui capture le cerveau en action, pour cartographier ces différences. Cependant, une question plus fondamentale demeure : la structure statique du cerveau, son architecture physique capturée dans un instantané unique, peut-elle également révéler les motifs complexes de ce trouble ?
Une nouvelle étude menée par des chercheurs de l'Université de Boston suggère que la réponse est oui. En appliquant une intelligence artificielle avancée à des scanners cérébraux structurels standards, l'équipe a découvert une carte cachée de la manière dont l'autisme se manifeste physiquement à travers le cerveau. Ils n'ont pas seulement cherché un « point de l'autisme » unique, mais ont plutôt utilisé un système d'apprentissage profond pour analyser le volume cérébral entier de plus de cent individus. L'objectif était de voir si la forme et la structure physiques du cerveau pouvaient prédire la sévérité des symptômes d'une personne et révéler quels réseaux spécifiques sont impliqués. Les résultats indiquent un schéma frappant : le trouble laisse une marque asymétrique distincte sur le cerveau, le côté gauche présentant les changements structurels les plus significatifs qui s'alignent sur la sévérité de la condition.
Les chercheurs ont travaillé avec une vaste collection de scanners cérébraux provenant d'une base de données publique, se concentrant sur des individus atteints d'autisme qui avaient été évalués comme ayant soit une sévérité élevée, soit une sévérité faible des symptômes selon une échelle clinique standard. Ils ont entraîné un modèle informatique sophistiqué, un type d'intelligence artificielle connu sous le nom de réseau de neurones convolutifs tridimensionnels, pour distinguer ces deux groupes. Ce modèle a été conçu pour examiner l'ensemble du cerveau à la fois, apprenant à repérer des différences subtiles dans la matière grise qu'un œil humain pourrait manquer. Pour s'assurer que le modèle apprenait réellement l'autisme et non simplement du bruit aléatoire ou des différences dans la façon dont les scanners ont été pris dans différents hôpitaux, l'équipe a utilisé des méthodes de test rigoureuses. Ils ont vérifié que le succès du modèle n'était pas dû à la qualité des images ou à l'âge des participants, mais bien à des caractéristiques structurelles réelles associées au trouble.
Une fois que le modèle a appris à distinguer les groupes, les chercheurs ont utilisé une technique appelée cartographie de saillance pour voir exactement quelles parties du cerveau l'ordinateur examinait. Considérez cela comme le fait de demander à l'ordinateur de mettre en évidence les pixels spécifiques de l'image qui étaient les plus importants pour sa décision. Les résultats ont révélé un motif clair et cohérent : l'hémisphère gauche du cerveau était beaucoup plus impliqué que le droit. Les changements structurels les plus significatifs étaient concentrés dans les lobes frontaux et temporaux du côté gauche, des zones connues pour être critiques pour le langage, l'interaction sociale et la régulation émotionnelle. Bien que le côté droit du cerveau présente également certains changements, ceux-ci étaient de moindre ampleur et moins constants à travers le groupe.
L'étude est allée plus loin en examinant comment ces différentes régions cérébrales travaillent ensemble. Les chercheurs ont analysé si les changements structurels dans une zone avaient tendance à se produire parallèlement à des changements dans une autre, créant ainsi un réseau d'altérations connectées. Ils ont découvert que les régions cérébrales les plus affectées formaient un système cohérent qui s'aligne sur les réseaux fonctionnels connus du cerveau. Plus précisément, les changements étaient les plus prononcés dans le réseau du mode par défaut, qui est actif lorsque nous rêvassons ou pensons à nous-mêmes, et dans les réseaux d'attention qui nous aident à nous concentrer sur le monde qui nous entoure. L'étude a également lié ces motifs structurels à des symptômes spécifiques. Par exemple, les variations dans les lobes temporaux et pariétaux gauches étaient associées à des différences dans les scores de communication et de conscience sociale, suggérant que la forme physique de ces zones est directement liée à la sévérité des défis sociaux d'une personne.
L'une des découvertes les plus convaincantes était la relation entre la sévérité du trouble et la cohérence de ces changements cérébraux. Chez les individus présentant un autisme de haute sévérité, les différences structurelles à travers l'hémisphère gauche n'étaient pas aléatoires ; elles suivaient un schéma proportionnel où le degré de changement dans une zone était lié au degré de changement dans les autres. Cela suggère que l'architecture cérébrale, dans les cas graves, est altérée de manière coordonnée et systématique. En revanche, cette relation proportionnelle était beaucoup plus faible, voire absente, chez les individus de faible sévérité et dans l'hémisphère droit de tout le monde. Cela indique que le côté gauche du cerveau porte le principal fardeau structurel du trouble, et que l'étendue de ce fardeau augmente avec l'intensité des symptômes.
Les chercheurs ont également examiné comment ces découvertes structurelles se comparent à ce qui est connu de la fonction cérébrale. Les réseaux qu'ils ont identifiés — tels que le réseau du mode par défaut et le réseau de saillance, qui aide à décider à quoi prêter attention — sont les mêmes réseaux qui ont montré des différences de fonctionnement chez les personnes autistes lorsqu'ils sont actifs. C'est une découverte cruciale car elle implique que la structure physique du cerveau, visible dans un scanner standard, contient le plan directeur de ces différences fonctionnelles. Cela suggère que la façon dont le cerveau est construit peut dicter la manière dont il fonctionne, et que ces marqueurs structurels sont suffisamment fiables pour être utilisés pour comprendre le spectre du trouble.
En se concentrant sur l'hémisphère gauche et ses réseaux spécifiques, cette étude offre une image plus claire de la réalité biologique derrière la diversité de l'autisme. Elle dépasse l'idée d'une cause unique ou d'un type de cerveau unique, montrant plutôt un spectre de variations structurelles qui se corrèlent avec des symptômes réels. Ces travaux démontrent que l'intelligence artificielle peut agir comme une lentille puissante, révélant des motifs dans des données complexes qui étaient auparavant difficiles à percevoir. Bien que l'étude ne propose pas un nouveau test de diagnostic ou un remède, elle fournit une carte détaillée du paysage structurel du cerveau dans l'autisme, reliant la forme physique aux conséquences fonctionnelles. Cette carte aide à expliquer pourquoi le trouble se manifeste si différemment d'une personne à l'autre et fournit une base pour de futures recherches sur la manière dont ces différences structurelles façonnent les expériences uniques des individus sur le spectre.
Noyé(e) sous les articles dans votre domaine ?
Recevez des digests quotidiens des articles les plus récents correspondant à vos mots-clés de recherche — avec des résumés techniques, dans votre langue.