Cognitive cartography of mammalian brains using meta-analysis of AI experts

Le cerveau humain est un paysage vaste et complexe où des milliards de cellules travaillent ensemble pour créer la pensée, le sentiment et l'action. Depuis des décennies, les scientifiques tentent de cartographier ce terrain, en reliant des régions cérébrales spécifiques à des tâches précises, comme se souvenir d'un nom ou ressentir de la peur. Ils y sont parvenus en lisant des milliers de publications de recherche, chacune décrivant une petite pièce du puzzle. Cependant, le volume considérable de ces études a tellement augmenté qu'aucun esprit humain ne peut les lire dans leur intégralité. La littérature est dispersée entre différentes espèces, de l'humain à la souris, et utilise des méthodes variées, allant de l'imagerie cérébrale à la stimulation électrique. Cette fragmentation rend difficile la vision d'ensemble du fonctionnement du cerveau à travers le règne animal.

Pour résoudre ce problème, une équipe de chercheurs s'est tournée vers l'intelligence artificielle, non pas pour remplacer les scientifiques humains, mais pour agir comme un assistant de lecture infatigable et surpuissant. Ils ont développé un système appelé NeuroNaut, qui utilise des modèles de langage étendus — des programmes informatiques avancés entraînés sur de vastes bibliothèques de textes — pour lire et résumer l'ensemble de la littérature en neurosciences. Au lieu de parcourir manuellement les articles, les chercheurs ont demandé à ces « experts » IA d'estimer la probabilité qu'une région cérébrale spécifique soit impliquée dans une fonction donnée, en se basant sur tout ce que l'IA a appris des textes scientifiques. Cette approche leur permet de construire une carte complète des fonctions cognitives du cerveau, couvrant simultanément les humains, les singes et les souris.

Les chercheurs ont commencé par tester si ces experts IA pouvaient décrire avec précision le paysage fonctionnel du cerveau humain. Ils ont demandé aux modèles d'évaluer le rôle de 68 régions cérébrales différentes dans huit domaines majeurs de la pensée, tels que l'émotion, la mémoire, le langage et la vision. L'IA a généré des cartes détaillées montrant quelles parties du cerveau sont les plus associées à chaque tâche. Lorsque les chercheurs ont comparé ces cartes générées par l'IA aux meilleures cartes existantes, créées par des revues traditionnelles dirigées par des humains, ils ont constaté un fort accord. L'IA a correctement identifié que le langage est principalement une fonction de l'hémisphère gauche et que la vision est centrée à l'arrière du cerveau. Cela a confirmé que l'IA avait absorbé avec succès le savoir fondamental du domaine.

Cependant, la véritable puissance de cette méthode est apparue lorsque les chercheurs ont regardé au-delà de ce que les outils traditionnels pouvaient percevoir. Les cartes cérébrales standards sont souvent limitées aux données issues de l'imagerie cérébrale, qui ne montrent que l'activité pendant qu'une personne réalise une tâche. L'IA, ayant lu toute l'histoire des neurosciences, pouvait également s'appuyer sur des preuves provenant de lésions cérébrales et de stimulations électriques directes. Lorsque les chercheurs ont comparé les cartes de l'IA aux circuits dérivés de patients ayant subi une stimulation ou des dommages cérébraux, les cartes de l'IA correspondaient bien mieux à ces preuves causales que les cartes traditionnelles basées sur l'imagerie. Cela suggère que l'IA peut synthétiser une compréhension plus profonde et plus causale de la manière dont les régions cérébrales dirigent le comportement, allant au-delà des simples corrélations trouvées dans les études d'imagerie.

La percée la plus significative est survenue lorsque l'équipe a appliqué cette méthode à d'autres espèces. Les outils traditionnels de cartographie cérébrale sont presque exclusivement conçus pour les humains car ils reposent sur des systèmes de coordonnées spécifiques qui n'existent pas pour les autres animaux. En utilisant la capacité de l'IA à lire du texte plutôt que des coordonnées, les chercheurs ont réussi à générer des cartes cognitives pour les macaques et les souris. Ils ont découvert que l'organisation cérébrale de ces animaux reflétait celle du cerveau humain de manière frappante. Par exemple, l'IA a correctement identifié que le cortex visuel d'une souris est lié à la vue, et que les zones motrices sont liées au mouvement, tout comme chez l'humain. De plus, l'IA a reconnu que le « langage » n'est pas une fonction associée aux cerveaux des souris ou des singes, lui attribuant une importance proche de zéro, tout en identifiant les régions auditives qui gèrent leurs propres vocalisations.

Pour s'assurer que ces cartes n'étaient pas de simples suppositions aléatoires, les chercheurs les ont testées face à des données biologiques réelles. Ils ont comparé les cartes cognitives de l'IA pour les souris avec des données enregistrées à partir de milliers de neurones individuels lors de tâches de prise de décision. Les prédictions de l'IA s'alignaient étroitement avec l'activité électrique réelle du cerveau. De même, pour les singes, la carte de la mémoire de travail de l'IA correspondait mieux à un résumé détaillé, curaté par l'homme, des études sur les singes qu'une carte cérébrale de singe projetée sur un cerveau de singe. Cela a prouvé que l'IA ne se contentait pas de copier les données humaines, mais qu'elle synthétisait réellement des connaissances spécifiques à chaque espèce à partir de la littérature.

Les chercheurs ont également exploré comment la structure du cerveau soutient sa fonction. Ils ont demandé à l'IA de décrire les fonctions principales de chaque région cérébrale, puis ont utilisé ces descriptions pour calculer la similitude entre différentes régions. Ils ont découvert que les régions ayant des profils fonctionnels similaires étaient également connectées par des schémas similaires d'ondes cérébrales et de flux sanguins. Cette relation s'est vérifiée chez l'humain, le singe et la souris, suggérant que la façon dont le cerveau est câblé pour soutenir la cognition est une constante évolutive. L'IA a même découvert une hiérarchie cachée dans le cerveau, organisant les régions des zones sensorielles simples vers les zones d'association complexes, un schéma qui correspondait aux mesures physiques des couches du cerveau.

Enfin, l'équipe a utilisé cette approche pour étudier les troubles cérébraux. Ils ont demandé à l'IA de cartographier l'implication des régions cérébrales dans des maladies telles que la dépression, la schizophrénie et l'autisme. Ces cartes ont ensuite été comparées à des données génétiques et à des scanners cérébraux de patients. Les cartes de l'IA ont montré une forte connexion avec les risques génétiques associés à ces maladies, plus encore que les scanners cérébraux traditionnels. De plus, l'IA a correctement regroupé les maladies partageant des symptômes, comme le lien entre les troubles du sommeil et les pathologies psychiatriques, même si elle n'avait jamais été explicitement informée de ces connexions. Cette capacité à trouver des modèles cachés à travers différents types de données suggère que l'IA peut aider les scientifiques à comprendre la nature complexe et multiforme des maladies mentales.

Ce travail démontre que l'intelligence artificielle peut servir d'outil puissant pour la découverte scientifique, capable de digérer l'intégralité du savoir humain pour révéler des modèles trop complexes pour un chercheur isolé. En comblant le fossé entre les espèces et les méthodes, l'IA a fourni une vue unifiée du cerveau mammalien, montrant que l'architecture moléculaire et fonctionnelle de la cognition est profondément conservée au cours de l'évolution. Les chercheurs ont rendu leur outil, NeuroNaut, librement accessible au public, permettant à chacun de poser des questions sur le cerveau et de recevoir des réponses synthétisées à partir de la sagesse collective de la communauté scientifique. Cette approche ne remplace pas l'expertise humaine mais l'amplifie, transformant une bibliothèque de faits éparpillés en une carte cohérente et navigable de l'esprit.