Single neurons in the human substantia nigra encode social learning signals
Cette étude démontre que des neurones dopaminergiques isolés dans la substance noire humaine encodent des signaux d'apprentissage social, suivant spécifiquement la valence des erreurs de prédiction de normes avec une activité plus grande lors d'interactions avec des humains comparativement aux ordinateurs.
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
Les êtres humains sont programmés pour naviguer dans un réseau complexe de règles non écrites. Nous savons que dans un groupe, certains comportements sont attendus, et lorsque quelqu'un enfreint ces attentes, nous le ressentons. Cette capacité à percevoir lorsqu'une offre sociale est injuste ou lorsqu'une norme est violée est une pierre angulaire de la façon dont nous interagissons. Pendant des décennies, les scientifiques ont compris que le cerveau utilise un système de prédiction et de correction d'erreurs pour apprendre ces règles. Lorsque nous attendons un certain résultat et obtenons quelque chose de différent, notre cerveau enregistre une « erreur de prédiction », un signal qui nous aide à mettre à jour notre compréhension du monde. Bien que nous sachions que cela se produit dans le cerveau, nous avons largement spéculé sur la machinerie spécifique impliquée, en nous appuyant sur des images floues de l'activité cérébrale ou sur des études animales. La question de savoir comment un seul neurone humain réagit à un affront social est restée hors de portée, cachée dans les profondeurs du noyau du cerveau.
Une équipe de chercheurs a maintenant examiné directement cette machinerie en enregistrant l'activité de neurones individuels dans les cerveaux de personnes subissant une chirurgie cérébrale. Ils se sont concentrés sur une structure minuscule et profonde appelée la substance noire, une région connue pour son rôle dans le mouvement et la récompense. En écoutant les signaux électriques de cellules uniques pendant que les patients jouaient à un jeu de loyauté, les scientifiques ont découvert que ces neurones font plus que simplement suivre l'argent ou le mouvement ; ils suivent spécifiquement le sentiment d'être traité équitablement ou injustement par d'autres personnes. L'étude suggère que le système de récompense du cerveau est profondément entrelacé avec nos vies sociales, s'activant lorsqu'on reçoit une meilleure offre que prévu de la part d'un humain, mais restant silencieux lorsque la même offre provient d'un ordinateur.
L'expérience s'est déroulée dans une salle d'opération de l'Icahn School of Medicine au Mount Sinai. Les participants étaient des patients atteints de la maladie de Parkinson qui subissaient une chirurgie pour implanter un dispositif destiné à contrôler leurs symptômes. Avant que les médecins n'implantent le dispositif final, ils ont fait une pause pour effectuer une tâche de recherche unique. Les patients, éveillés et alertes, jouaient à une version du Jeu de l'Ultimatum. Dans ce jeu, un partenaire propose la répartition d'une somme de vingt dollars. Le joueur peut soit accepter le partage, auquel cas les deux parties reçoivent l'argent, soit le rejeter, auquel cas personne ne reçoit rien. Les offres allaient de un à neuf dollars, et les partenaires étaient soit d'autres personnes représentées par des avatars, soit un programme informatique.
Pendant que les patients faisaient leurs choix, les chercheurs enregistraient l'activité électrique de neurones individuels dans la substance noire. Ils ont également enregistré l'activité dans une zone voisine appelée le globus pallidus pour voir si l'effet était spécifique à la substance noire ou s'il s'agissait d'une réponse générale à travers le cerveau. Pour comprendre ce que les patients pensaient, les chercheurs ont utilisé un modèle informatique pour estimer l'« erreur de prédiction de la norme » à chaque tour. Il s'agit d'une mesure de la façon dont l'offre différait de ce que le joueur attendait comme étant juste. Si un joueur attendait une offre de cinq dollars et recevait sept, c'est une erreur positive. S'il recevait deux, c'est une erreur négative. Le modèle suivait également si le joueur jouait contre un humain ou un ordinateur.
Les résultats ont montré un motif clair et spécifique. Lorsque les patients jouaient contre des avatars humains, les neurones de la substance noire s'allumaient en réponse à l'équité de l'offre. Plus précisément, ces cellules déchargeaient plus rapidement lorsque l'offre était meilleure que prévu et moins lorsqu'elle était pire. Ce signal concernait le sentiment que l'offre était juste ou injuste, et non seulement le montant d'argent. Crucialement, cette réaction était beaucoup plus forte lorsque le partenaire était un humain. Lorsque les mêmes joueurs faisaient face à un ordinateur faisant exactement les mêmes offres, les neurones ne montraient pas cette même sensibilité à l'équité. Les cellules semblaient se soucier profondément du contexte social, distinguant un jugement humain d'un calcul de machine.
En revanche, les neurones du globus pallidus, la région cérébrale voisine, ne montraient pas ce motif du tout. Ils ne suivaient pas l'équité de l'offre, et ne réagissaient pas différemment aux partenaires humains ou informatiques. Cette découverte suggère que la capacité d'encoder des signaux d'apprentissage social est une tâche spécifique de la substance noire, et non une fonction générale de l'ensemble de la zone. De plus, les chercheurs ont vérifié si ces neurones réagissaient simplement à l'humeur du patient. Ils ont constaté que, bien que les patients se sentent moins bien après avoir rejeté une offre injuste, les neurones eux-mêmes ne suivaient pas ces changements d'humeur. Les cellules étaient strictement concentrées sur l'erreur de prédiction sociale, l'écart entre ce qui était attendu et ce qui a été reçu.
L'étude a également révélé que les patients avaient des attentes différentes selon la personne avec qui ils jouaient. Même s'ils rejetaient les offres injustes dans les deux scénarios, le modèle informatique a montré qu'ils attendaient des offres plus élevées de la part des humains que de la part des ordinateurs. Ils maintenaient une norme de justice plus élevée pour les humains. Les neurones de la substance noire suivaient cette nuance sociale spécifique, déchargeant d'une manière qui reflétait le sens interne du joueur de ce qui était juste pour un partenaire humain par rapport à une machine. Ce travail offre un regard direct et rare sur la façon dont le cerveau humain traite les règles sociales au niveau le plus fondamental, montrant que les cellules responsables de l'apprentissage à partir des récompenses sont aussi celles qui nous aident à naviguer dans le monde complexe des interactions humaines.
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.