Dysconnectivité cérébrale fonctionnelle dans la schizophrénie : optimisation d'une intervention par neuromodulation pour réduire des symptômes cognitifs
Notice bibliographique
Résumé
La schizophrénie est un trouble de santé mentale sévère, caractérisée par des altérations neurobiologiques marquées. Un biomarqueur notoire de ce trouble est la dysconnectivité cérébrale fonctionnelle, détectée grâce à l’imagerie par résonance magnétique fonctionnelle. Celle-ci se retrouve principalement au niveau des réseaux neurocognitifs qui sous-tendent les fonctions cérébrales supérieures. Toutefois, les altérations de connectivité fonctionnelle cérébrale ne sont pas uniques à la schizophrénie, elles sont également retrouvées dans plusieurs autres troubles de santé mentale. Le premier objectif de cette thèse doctorale est d’effectuer une méta-analyse sur la dysconnectivité cérébrale fonctionnelle à l’état de repos pour dissocier les altérations spécifiques à la schizophrénie de celles qui sont communes aux troubles de l’humeur. Ce projet novateur basé sur l’extraction de labels neuroanatomiques inclut 428 articles scientifiques. Les résultats confirment des altérations transdiagnostiques des réseaux neurocognitifs et soulignent une dysconnectivité spécifique des réseaux sensorimoteurs dans la schizophrénie. Parmi les altérations des réseaux neurocognitifs, une hyperconnectivité entre le réseau central exécutif (REC) et le réseau du mode par défaut (RMD) est associée à des déficits de mémoire de travail dans la schizophrénie, c’est-à-dire à des difficultés de mémorisation et de manipulation d’informations à court terme. Actuellement, aucun traitement efficace n’existe contre ces déficits. La stimulation magnétique transcrânienne (SMT), déjà approuvée comme traitement dans la dépression, est une piste de thérapie prometteuse. Elle agit en modulant spécifiquement les réseaux de connectivité dysfonctionnels. Jusqu’à présent, les effets de l'application de la SMT pour diminuer les déficits de mémoire de travail dans la schizophrénie sont mitigés. Une explication potentielle s’oriente vers la position de la cible de stimulation sur le cortex qui est standardisée et ne prend pas en compte l'importante variabilité interindividuelle dans l'organisation spatiale des réseaux de connectivité fonctionnelle. D'autres paramètres méthodologiques comme l’intensité de stimulation ont aussi un impact sur l’effet de la stimulation. Le second projet de cette thèse consiste à réaliser une étude rétrospective chez les sujets sains afin de confirmer l'importance de cibler spécifiquement le REC par la SMT pour induire une modulation fonctionnelle de celui-ci en fonction de l’intensité de stimulation. Nos résultats montrent que la stimulation spécifique du REC induit une diminution de la connectivité entre le REC et le RMD pour des intensités de stimulation plus faibles. Finalement, le troisième projet de cette thèse a pour objectif d'examiner prospectivement, dans la schizophrénie, l’impact d'une SMT personnalisée par rapport à une SMT standard sur la connectivité fonctionnelle à l’état de repos et les performances de mémoire de travail. La cible de la SMT personnalisée a été définie selon les patrons de connectivité individualisée des participants. L’analyse des données a mis en évidence une instabilité prononcée des réseaux de connectivité qui ne nous a pas permis de conclure quant à l’avantage d’une cible personnalisée pour diminuer l’hyperconnectivité entre REC et RMD et les déficits de mémoire de travail dans la schizophrénie. Toutefois, une relation avec la force de la connectivité préstimulation a été identifiée. En conclusion, cette thèse souligne deux points majeurs pour caractériser l’étiologie et le développement de thérapies efficaces pour diminuer les déficits de mémoire de travail dans la schizophrénie. Premièrement, elle confirme la dysconnectivité transdiagnostique des réseaux neurocognitifs dans les troubles psychiatriques et souligne les altérations spécifiques des fonctions sensorimotrices dans la schizophrénie. Deuxièmement, elle démontre l'importance de déterminer des paramètres de stimulation fiables et individualisés pour optimiser l’efficacité de la SMT.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».