Localising the Seizure Onset Zone from Routine Interictal and Ictal Scalp EEG Via a Factorised Spatiotemporal Ensemble Deep Learning Framework

L'épilepsie est une affection où le cerveau subit des tempêtes électriques soudaines et non provoquées, provoquant des crises. Pour de nombreuses personnes, les médicaments standards ne parviennent pas à arrêter ces événements, les laissant face à un choix difficile : vivre avec le risque de crises ou subir une chirurgie cérébrale pour retirer le tissu spécifique qui cause le problème. Le succès de cette chirurgie dépend entièrement de la capacité à trouver le point de départ exact de la tempête électrique, appelé zone de début de crise. Actuellement, les médecins s'appuient sur une surveillance hospitalière de longue durée pour capturer une crise au moment où elle se produit, un processus qui peut prendre des jours, nécessite l'arrêt des médicaments des patients et comporte des risques importants. Alternativement, ils utilisent des électrodes invasives placées directement sur le cerveau, ce qui implique une chirurgie et des complications potentielles. Parce que capturer une crise est rare et difficile, les médecins doivent souvent deviner où se situe le problème en se basant sur les périodes de calme entre les crises, appelées périodes interictales. Ces périodes de calme contiennent de minuscules pointes électriques fugaces qui détiennent des indices sur l'origine de la crise, mais ces signaux sont souvent faibles et déformés lorsqu'ils traversent le crâne et le cuir chevelu pour atteindre les capteurs à la surface de la tête.

Un chercheur a développé un nouveau système informatique conçu pour lire ces périodes de calme et localiser précisément la localisation probable de l'origine de la crise sans nécessole de chirurgie invasive ou d'attente de l'occurrence d'une crise. Il a créé un cadre d'apprentissage profond, un type d'intelligence artificielle qui apprend par l'exemple, entraîné sur des milliers d'heures d'enregistrements de routine d'ondes cérébrales provenant de patients souffrant d'épilepsie pharmacorésistante. Le système a appris à reconnaître les motifs subtils des pointes électriques qui surviennent entre les crises et à les cartographier vers l'une des six régions majeures du cerveau. Pour rendre cela possible, le chercheur a construit un modèle qui traite le moment de l'onde électrique et sa localisation sur le cuir chevelu comme deux événements distincts mais connectés. Cette conception aide l'ordinateur à comprendre qu'un signal peut paraître différent selon l'endroit où il est mesuré, surmontant ainsi le flou naturel qui se produit lorsque l'électricité traverse la tête. Le modèle a été testé sur un large groupe de patients et s'est avéré hautement précis, identifiant correctement la région cérébrale impliquée dans la vaste majorité des cas. Il a bien performé même sur des données provenant de différents hôpitaux et sur des enregistrements d'enfants, suggérant qu'il peut gérer les variations naturelles présentes dans la pratique médicale réelle.

Le chercheur a constitué un ensemble de données massif comprenant plus de 6 000 heures d'enregistrements d'ondes cérébrales de 100 patients. Il a soigneusement nettoyé ces données, éliminant le bruit et standardisant la manière dont les signaux étaient mesurés, avant de les injecter dans son système. L'ordinateur a été entraîné à rechercher des formes spécifiques de pointes électriques qui durent de façon fractionnaire de seconde à quelques dixièmes de seconde. Au lieu de chercher un motif unique et parfait, le système utilise plusieurs couches d'analyse pour capturer ces signaux à différentes vitesses, tout comme un pathologiste pourrait examiner un échantillon de tissu sous différents grossissements pour voir à la fois les détails fins et les structures plus larges. Une fois que le système identifie ces signaux, il utilise une méthode spécialisée pour décider de la partie du cerveau dont ils proviennent. Il y parvient en séparant la question du « quand » le signal s'est produit de la question du « où » il a été enregistré, ce qui lui permet de retracer le chemin de l'activité électrique plus clairement que les méthodes précédentes.

Les résultats de cette étude sont prometteurs. Lorsqu'il a été testé sur un groupe de patients qu'il n'avait jamais vus auparavant, le système a correctement identifié la zone de début de crise dans près de 89 % des sessions. Cette performance est nettement supérieure aux modèles informatiques existants, qui peinent souvent à distinguer les différentes régions cérébrales lorsqu'ils travaillent avec des enregistrements non invasifs standards. Le système a également montré une fiabilité remarquable lors de tests sur un groupe distinct de patients provenant d'un autre hôpital, incluant de nombreux enfants, atteignant une précision de plus de 84 %. Plus important encore, le système n'a fait aucune fausse alerte lorsqu'il a été testé sur des enregistrements de personnes en bonne santé sans antécédents d'épilepsie, identifiant correctement qu'il n'y avait aucune activité de crise à signaler. Cette capacité à distinguer les vrais signaux cérébraux du bruit inoffensif est cruciale pour l'utilisation clinique, car elle signifie que l'outil peut être utilisé pour signaler uniquement les cas qui nécessitent réellement l'attention d'un médecin.

Au-delà de la précision, le système offre une amélioration spectaculaire de la vitesse. Un enregistrement complet de 24 heures de l'activité cérébrale, qui nécessite normalement des heures, voire des jours de révision manuelle par une équipe d'experts, peut être traité par ce système en un peu plus de quatre minutes. Le temps réel que l'ordinateur passe à analyser les ondes cérébrales est de moins de huit secondes ; le reste du temps est consacré à la simple lecture des fichiers de données et à leur préparation pour l'analyse. Cette vitesse suggère que l'outil pourrait être utilisé pour dépister rapidement les patients, mettant en évidence les zones les plus probables de préoccupation pour qu'un spécialiste puisse les examiner en détail. Le chercheur souligne que ce système n'est pas destiné à remplacer le jugement d'un neurologue, mais à agir comme un assistant puissant. En réduissant la zone de recherche et en fournissant une suggestion claire basée sur les données de l'endroit où la crise pourrait commencer, il pourrait aider les médecins à planifier des chirurgies plus précises et à réduire le besoin pour les patients de subir une surveillance prolongée et risquée ou des procédures invasives.

L'étude a également exploré l'efficacité du système lorsqu'il ne dispose pas de marqueurs spécifiques indiquant exactement quand une pointe s'est produite, simulant un scénario du monde réel où un médecin pourrait ne pas avoir un journal parfait de chaque événement. Même dans ces conditions, le système a maintenu un haut niveau de précision, identifiant correctement la région cérébrale dans environ deux tiers des cas, ce qui représente une amélioration significative par rapport au hasard. Le chercheur a constaté que le système était particulièrement efficace pour identifier les crises dans les lobes frontaux et temporaux, qui sont les sites les plus courants de l'épilepsie. Bien qu'il ait été légèrement moins précis pour le lobe occipital à l'arrière de la tête, probablement en raison de la difficulté de détecter les signaux de cette zone à travers le crâne, le système a tout de même réussi à identifier ces cas plus souvent que les méthodes précédentes. Le chercheur a également noté que le système a appris à ignorer les distractions courantes, telles que les mouvements musculaires ou les clignotements d'yeux, qui confondent souvent les autres programmes informatiques, car il se concentre sur la manière spécifique dont les signaux électriques voyagent à travers le cerveau plutôt que sur leur seule forme.

Ce travail représente une avancée significative pour rendre le traitement de l'épilepsie plus sûr et plus efficace. En prouvant que les enregistrements cérébraux de routine non invasifs contiennent suffisamment d'informations pour localiser la source des crises avec une grande précision, le chercheur a ouvert une nouvelle voie pour le diagnostic. La capacité du système à se généraliser à différents groupes de patients, incluant des enfants et des adultes de différents hôpitaux, suggère qu'il pourrait être un outil fiable pour les cliniques du monde entier. Bien que le chercheur reconnaisse que des tests supplémentaires sont nécessaires pour confirmer ces résultats dans le cadre d'essais cliniques prospectifs, les résultats actuels offrent une base solide pour un avenir où les patients pourront recevoir des diagnostics plus rapides et plus précis sans avoir recours à des procédures invasives. L'outil sert de pont entre la réalité complexe et bruyante des données d'ondes cérébrales et les informations claires et exploitables dont les médecins ont besoin pour aider leurs patients.