Neural Fingerprinting based on Brain Network Dynamics: A Cross-Platform MEG Study

Chaque cerveau humain est un instrument unique, jouant une symphonie de signaux électriques qui ne se répète jamais exactement de la même manière pour personne d'autre. Alors que les scientifiques étudient depuis longtemps le fonctionnement moyen des cerveaux, à la recherche de modèles applicables à tous, un nouveau champ de recherche se concentre sur ce qui rend le cerveau de chaque personne distinct. Ce concept, connu sous le nom d'empreinte digitale neurale, repose sur l'idée simple mais puissante que si vous mesurez l'activité cérébrale avec suffisamment de précision, vous pouvez identifier un individu spécifique en regardant simplement ses données, tout comme un système de sécurité reconnaît une personne par son empreinte unique. Cette capacité à distinguer une personne d'une autre n'est pas seulement une curiosité ; elle offre un moyen potentiel de suivre l'évolution du cerveau d'une personne au fil du temps ou lors de l'apparition d'une maladie, fournissant ainsi une base de référence personnalisée pour la santé. Pour ce faire, les chercheurs utilisent souvent une technique appelée magnétoencéphalographie, ou MEG, qui détecte les minuscules champs magnétiques produits par les courants électriques du cerveau. Cette méthode est particulière car elle capture l'activité cérébrale avec une vitesse incroyable, enregistrant les changements au moment où ils se produisent, en millisecondes, plutôt que de se contenter de montrer une moyenne lente et floue.

Pendant des années, cette technologie a reposé sur de grosses machines coûteuses qui devaient être maintenues à des températures extrêmement froides pour fonctionner, utilisant des capteurs appelés SQUIDs. Cependant, une nouvelle génération de capteurs, appelés magnétomètres à pompage optique, ou OPM, a récemment émergé. Ces nouveaux dispositifs sont petits, légers et n'ont pas besoin de refroidissement extrême, ce qui leur permet de se placer plus près du cuir chevelu et potentiellement de capturer des signaux plus clairs. À mesure que cette technologie mûrit, les scientifiques doivent savoir si elle peut accomplir le même travail délicat que les anciennes machines. Ces nouveaux capteurs, plus flexibles, peuvent-ils capturer les mêmes signatures cérébrales uniques ? De plus, la plupart des études précédentes ont examiné l'activité cérébrale en la faisant la moyenne dans le temps, créant ainsi une image statique. Mais le cerveau est dynamique, changeant constamment entre différents modèles d'activité. Une question critique demeure : l'identité unique d'une personne réside-t-elle dans les signaux lents et moyennés, ou est-elle cachée dans les changements rapides et éphémères de la dynamique des réseaux neuronaux ?

Dans une étude récente, des chercheurs ont cherché à répondre à ces questions en comparant les données provenant à la fois des capteurs traditionnels à froid et des nouveaux capteurs à température ambiante. Ils ont recruté quinze adultes sains et ont scanné chaque personne quatre fois en une seule journée. Deux de ces sessions utilisaient l'ancienne technologie SQUID et deux utilisaient la nouvelle technologie OPM. Pendant les scans, les participants effectuaient une tâche impliquant de prêter attention à des motifs tactiles sur leurs doigts, permettant aux chercheurs d'observer comment leurs cerveaux réagissaient à la stimulation. L'équipe voulait voir si elle pouvait identifier correctement chaque personne en comparant ses propres scans les uns aux autres, et si elle pouvait toujours l'identifier en comparant un scan d'un type de machine à un scan d'un autre type. Ils ont testé deux manières différentes d'analyser les données : une qui faisait la moyenne des signaux au fil du temps pour créer un profil statique, et une autre qui utilisait un modèle informatique sophistiqué pour suivre les changements entre les différents états d'activité, capturant ainsi la dynamique rapide des réseaux neuronaux.

Les résultats ont confirmé que la signature unique du cerveau de chaque personne est robuste et peut être trouvée en utilisant les deux types de machines. Lorsque les chercheurs ont examiné les données statiques et moyennées, ils ont réussi à identifier chaque participant, qu'ils comparaient deux scans provenant de la même machine ou un scan de la nouvelle machine à un scan de l'ancienne. Cette découverte concorde avec des travaux antérieurs, prouvant que les empreintes électriques de base du cerveau sont assez stables pour survivre au passage aux nouvelles technologies. Cependant, l'étude est allée beaucoup plus loin en examinant les modèles dynamiques et changeants de l'activité cérébrale. En utilisant un modèle pré-entraîné qui avait appris les modèles communs d'états cérébraux à partir de milliers d'autres enregistrements, l'équipe a analysé l'apparition de ces états dans leurs nouvelles données. Ils ont constaté que le modèle fonctionnait bien pour les anciens comme pour les nouveaux capteurs, cartographiant avec succès les états changeants du cerveau en temps réel.

Lorsqu'ils ont utilisé ces modèles dynamiques pour tenter d'identifier les individus, les résultats ont été mitigés mais révélateurs. Les chercheurs ont constaté qu'ils pouvaient identifier les personnes avec une grande précision en observant le moment précis où les états cérébraux s'activaient et se désactivaient, ainsi qu'en analysant le contenu fréquentiel de ces états. Ces caractéristiques, qui décrivent le rythme et la composition spectrale spécifique de l'activité cérébrale, restaient constantes pour chaque personne à travers les deux types de machines. Cela suggère que l'identité fondamentale du cerveau d'une personne est encodée dans le timing relatif et la structure de ces réseaux dynamiques. Cependant, lorsque les chercheurs ont tenté d'identifier les personnes à l'aide de chiffres de synthèse simples, tels que la durée de maintien d'un état cérébral ou la fréquence de passage à un autre état, les résultats ont changé. Bien qu'ils puissent toujours identifier les personnes en comparant des scans provenant de la même machine, ils n'y sont pas parvenus en comparant des scans entre les deux machines différentes.

Cet échec de l'identification inter-machines pour les statistiques de synthèse souligne une distinction cruciale. Les nombres absolus, tels que le pourcentage exact de temps passé dans un état, sont sensibles aux différences physiques entre les deux types de capteurs. Les nouveaux capteurs sont plus proches du cerveau et présentent des caractéristiques de bruit différentes, ce qui déplace ces valeurs absolues d'une manière qui masque l'identité de l'individu. En revanche, les modèles relatifs de la façon dont le cerveau répond à un stimulus — la forme de la courbe au fil du temps — restent stables et uniques à la personne, quel que soit l'appareil utilisé. L'étude conclut que, bien que la nouvelle technologie OPM soit pleinement capable de capturer les empreintes neurales uniques des individus, la manière dont nous analysons ces données est primordiale. Pour identifier avec succès une personne à travers différentes plateformes de scan, nous devons observer la structure relative de la dynamique cérébrale plutôt que de simples quantités brutes et absolues. Ce travail constitue une étape vitale, montant que la nouvelle génération de scanners cérébraux peut rejoindre les anciens pour cartographier le paysage unique de l'esprit humain, à condition d'utiliser les bons outils pour lire les signaux.