Dysconnectivité cérébrale fonctionnelle dans la schizophrénie : optimisation d'une intervention par neuromodulation pour réduire des symptômes cognitifs
Bibliographic record
Abstract
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.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.004 | 0.007 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.002 | 0.003 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.004 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".