Virtual Brain Modelling Reveals Altered Network Dynamics and Predicts Symptom Severity in Schizophrenia: Relevance to Antipsychotic Treatment Response and Resistance.

La schizophrénie est une pathologie complexe qui affecte la façon dont une personne pense, ressent et perçoit le monde. Depuis des décennies, les médecins comprennent que la chimie du cerveau joue un rôle central, impliquant particulièrement la dopamine, un messager chimique qui aide à réguler l'humeur et l'attention. Cependant, le tableau complet est bien plus complexe. Des recherches récentes suggèrent que le problème pourrait également résider dans l'équilibre délicat entre l'excitation et l'inhibition au sein du vaste réseau de connexions du cerveau ; imaginez le cerveau comme une ville où certains signaux incitent les neurones à s'activer tandis que d'autres leur disent de se calmer ; lorsque cet équilibre est rompu, le trafic de la ville peut devenir chaotique, entraînant les pensées et les perceptions confuses caractéristiques de la maladie. Bien que les médicaments standards aident souvent à calmer les symptômes les plus évidents, ils ne fonctionnent pas pour tout le monde. Une proportion importante de patients continue de lutter malgré le traitement, un état connu sous le nom de schizophrénie résistante au traitement. Comprendre pourquoi certains cerveaux répondent aux médicaments alors que d'autres non demeure l'un des défis les plus difficiles de la psychiatrie.

Pour percer ce mystère, une équipe de chercheurs d'Italie et du Royaume-Uni s'est tournée vers une nouvelle approche puissante appelée la modélisation du cerveau virtuel. Au lieu de simplement regarder les scanners cérébraux comme des images statiques, ils ont utilisé des simulations informatiques pour recréer la manière dont les cerveaux des patients fonctionnent réellement. Ils ont recueilli des données détaillées d'imagerie par résonance magnétique auprès de trente-trois personnes atteintes de schizophrénie et de quarante-trois volontaires sains. Parmi les patients, ils ont distingué ceux qui avaient bien répondu aux médicaments standards de ceux qui ne l'avaient pas fait, malgré plusieurs traitements. En injectant ces données du monde réel dans un modèle informatique sophistiqué, les scientifiques ont pu simuler le flux d'activité électrique à travers l'ensemble du cerveau. Ce modèle leur a permis d'estimer des propriétés biologiques spécifiques qui sont presque impossibles à mesurer directement chez une personne vivante, telles que la force avec laquelle différentes régions cérébrales communiquent entre elles et la capacité des « freins » et des « accélérateurs » internes du cerveau à fonctionner.

Les chercheurs se sont concentrés sur quatre paramètres clés dans leur cerveau virtuel, chacun représentant un aspect différent de la communication des neurones. Ils ont examiné la force des connexions entre des zones cérébrales distantes, les signaux inhibiteurs locaux qui calment les neurones, les signaux excitateurs qui les réveillent, et la manière dont ces signaux bouclent sur eux-mêmes. Lorsqu'ils ont comparé les simulations des volontaires sains avec celles des patients, des différences claires sont apparues. Plus notablement, les cerveaux des patients qui n'avaient pas répondu au traitement présentaient un profil distinct par rapport à ceux qui s'étaient améliorés. Dans le groupe résistant au traitement, les simulations ont révélé une augmentation des signaux excitateurs dans certaines zones de traitement visuel et un affaiblissement des connexions dans les centres de l'émotion et de la mémoire. Inversement, les patients ayant répondu aux médicaments standards présentaient un profil différent, avec une réduction de l'activité excitatrice dans le réseau d'attention dorsale, une région cruciale pour se concentrer sur le monde environnant. Ces découvertes suggèrent que la résistance au traitement n'est pas seulement une question de sévérité, mais un état biologique fondamentalement différent possédant sa propre signature unique dans la façon dont les réseaux cérébraux sont réglés.

Au-delà de la simple distinction entre les groupes de patients, l'étude a exploré si ces réglages virtuels pouvaient prédire la sévérité des symptômes d'une personne. Les modèles informatiques se sont révélés remarquablement perspicaces. Les simulations ont montré que la force des signaux inhibiteurs dans le réseau du mode par défaut, un système actif lors de la rêverie et de l'introspection, était liée à la sévérité des symptômes négatifs comme le retrait social et le manque de motivation. Lorsque ces signaux inhibiteurs étaient plus faibles dans la simulation, les patients rapportaient des symptômes négatifs plus sévères. De même, le niveau d'activité excitatrice dans le réseau limbique, qui traite les émotions, prédisait la charge globale de la maladie. Les patients présentant une activité excitatrice plus faible dans ce centre émotionnel avaient tendance à présenter des scores de symptômes totaux plus élevés. De plus, la force des signaux excitateurs dans le réseau d'attention ventrale, qui aide à détecter les événements importants, était liée à la désorganisation de la pensée. Plus ce signal était réduit dans le modèle, plus la parole et la pensée du patient paraissaient désorganisées.

Ces résultats offrent une nouvelle façon de perce-voir le cerveau dans la schizophrénie, en allant au-delà de la simple description des zones actives ou inactives pour comprendre les règles mécaniques sous-jacentes qui dirigent ces activités. L'étude suggère que l'équilibre entre l'excitation et l'inhibition du cerveau n'est pas brisé de la même manière pour tout le monde ; au contraire, différents réseaux présentent des altérations spécifiques selon que le patient répond au traitement ou non. Pour ceux qui n'y répondent pas, le cerveau semble présenter une configuration unique de signaux excitateurs et inhibiteurs que les médicaments standards pourraient ne pas être en mesure de corriger. Bien que les chercheurs soulignent que ces résultats proviennent de simulations informatiques et nécessitent une validation supplémentaire auprès de groupes plus larges, ils fournissent une hypothèse concrète sur la raison pour laquelle certains patients luttent. En identifiant ces différences spécifiques au niveau des réseaux, ce travail ouvre la voie au développement de traitements plus ciblés qui pourraient un jour être adaptés au profil biologique unique de chaque individu, offrant potentiellement un espoir à ceux qui n'ont pas encore trouvé de soulagement.