Le cerveau est un organe complexe qui nécessite un apport adapté en oxygène, glucose et autres composants afin de fonctionner de manière optimale. Ces composants sont véhiculés dans le sang à travers le système vasculo-cérébral.
L’IRM fonctionnelle mesure le signal BOLD (blood oxygen level-dependent). Le signal BOLD dépend du flux sanguin cérébral, du volume sanguin cérébral et du taux d’oxygène métabolique cérébral. Lorsque les neurones sont actifs, un afflux sanguin important est observé (vasodilatation), induisant ainsi une concentration plus élevée d’hémoglobine oxygénée. Le rapport entre l’activité neuronale et l’activité vasculo-cérébrale est appelé couplage neuro-vasculaire. Cependant, l’afflux sanguin est exagéré comparativement aux besoins des neurones - induisant un déséquilibre entre la concentration de molécules d’hémoglobine oxygénée et de molécules d’hémoglobine désoxygénées (suite à la consommation de l’oxygène par les neurones actifs). Il y a ainsi plus d’hémoglobine oxygénée que d’hémoglobine désoxygénée.
L’IRM est sensible aux différences de champ magnétique. L’hémoglobine désoxygénée est paramagnétique, c’est-à-dire qu’elle perturbe le champ magnétique. L’hémoglobine oxygénée est diamagnétique et n’a pas d’effet sur le champ magnétique (Ogawa, Lee, Kay et Tank, 1990). Plus la concentration en hémoglobine désoxygénée est élevée et plus le temps de relaxation (ou retour à l’état normal) du signal magnétique est faible (hyposignal) ; plus la concentration en hémoglobine oxygénée est élevée et plus le temps de relaxation est élevé (hypersignal).
Le signal BOLD peut être modélisé à travers la réponse hémodynamique canonique (Figure A). La réponse hémodynamique se caractérise par une augmentation progressive du signal BOLD, entre 4 et 6 secondes après la présentation du stimulus, suivi d’une diminution en dessous de la ligne de base avant de retourner à l’état initial en 20 secondes environ. Le délai entre l’activité neuronale et le signal BOLD entraîne une faible résolution temporelle de l’IRM fonctionnelle.
L’analyse statistique du signal BOLD consiste à appliquer une convolution des stimuli à la réponse hémodynamique canonique afin d’obtenir la forme prédite de la réponse cérébrale. En appliquant un modèle linéaire généralisé de la forme Y = Xβ + ε à chacun des voxels du cerveau, où Y représente le signal BOLD observé, X un régresseur d’intérêt (e.g., tâche, contrôle), β la taille d’effet et ε l’erreur du modèle, il est possible de déterminer les voxels dont l’activité est modulée par chaque régresseur d’intérêt. On obtient ainsi le pourcentage de changement de signal qui peut être extrait afin de mener des analyses statistiques par région d’intérêt. Les analyses statistiques sont basées sur le test de l’hypothèse nulle.
L’IRM fonctionnelle présente l’avantage de fournir des images avec une bonne résolution spatiale, la facilité d’utilisation et sa non-invasivité. Cependant, l’application d’analyses multivariées, ainsi que le test de l’hypothèse nulle appliquée à l’IRM fonctionnelle (Hupé, 2015) sont remis en cause aujourd’hui.
Références
Hupé, J.-M. (2015). Statistical inferences under the Null hypothesis: common mistakes and pitfalls in neuroimaging studies. Frontiers in
Neuroscience, 9, 18. https://doi.org/10.3389/fnins.2015.00018
Ogawa, S., Lee, T. M., Kay, A. R., & Tank, D. W. (1990). Brain magnetic resonance imaging with contrast dependent on blood oxygenation.
Proc. NatI. Acad. Sci. USA, 87, 9868-9872.
Figure A. Modélisation de la réponse hémodynamique. Repéré à
https://theclevermachine.wordpress.com/tag/hemodynamic-response-function/ consulé le 06/08/2018.
28
Figure 2.Effet de l’âge sur les mesures cérébrales de diffusivité radiale et axiale. Adaptée de Davis et al. (2009).
Abréviation : RD = diffusivité radiale ; AD = diffusivité axiale ; CB = cingulum ; UF = faisceau unciné ; ILF = faisceau longitudinal inférieur ; JA = jeunes adultes ; PA = personnes âgées.
Le vieillissement s’accompagne également d’une perte d’intégrité des fibres de matière blanche6 (voir Gunning-Dixon, Brickman, Cheng et Alexopoulos, 2009 pour une revue) qui serait plus importante au niveau des régions frontales et préfrontales que des régions occipito-temporo-pariétales (Head et al., 2004; Liu et al., 2016) (voir Figure 2). A l’instar de l’atrophie cérébrale, la perte d’intégrité des fibres de matière blanche est associée au déclin des performances exécutives, épisodiques, mais également de la vitesse de traitement lors du vieillissement sain (voir Bennett et Madden, 2014 pour une revue). Cependant, dans une récente étude, Madden et al. (2017) n’observent pas de lien entre le déclin exécutif et l’intégrité de la matière blanche (voir également Salthouse et al., 2015).
1.2.2.2. Modifications fonctionnelles
Au niveau fonctionnel, le vieillissement sain s’accompagne d’une réorganisation des réseaux cérébraux qui indique la mise en œuvre de mécanismes de plasticité cérébrale chez les personnes âgées (e.g., Persson et Nyberg, 2006; Greenwood, 2007; Lövdén, Bäckman, Lindenberger, Schaefer et Schmiedek, 2010; C. Grady, 2012; Morcom et Johnson, 2015) (voir Encart 2). La modulation de l’activité cérébrale peut intervenir au niveau intra-réseau (i.e., régions impliquées dans un même processus cognitif) ou inter-réseau (i.e., régions impliquées dans des processus cognitifs distincts). L’augmentation de l’activité cérébrale inter-réseau reflète un mécanisme de dédifférenciation (ou perte de spécificité neuronale). D’après Park,
6 La matière blanche correspond aux axones des neurones qui assurent le transfert de l’information cérébrale entre deux (ou plus) régions cérébrales. Les axones peuvent être, ou non, recouverts d’une gaine de myéline permettant un transfert plus rapide de l’information. L’étude des propriétés de diffusion ainsi que d’anisotropie des molécules d’eau à l’intérieur des fibres axonales a permis d’identifier plusieurs faisceaux de matière blanche partageant des propriétés communes (Thiebaut de Schotten et al., 2011).
29 Polk, Mikels, Taylor et Marshuetz (2001), la dédifférenciation prend trois formes distinctes : recrutement additionnel de la même région dans l’hémisphère opposé par rapport aux jeunes adultes (recrutement controlatéral), recrutement de régions supplémentaires par rapport aux jeunes adultes (recrutement unique) et sous-activation des régions cérébrales recrutées chez les jeunes adultes versus sur-activation de régions cérébrales différentes chez les personnes âgées (substitution). Ces différentes formes peuvent être neutres, compensatoires, ou
neuropathologiques en fonction de différents facteurs (e.g., la tâche utilisée ou encore les
processus cognitifs impliqués).
L’hypothèse de l’utilisation compensatrice des circuits de neurones7 (compensation-related
utilization of neural circuits hypothesis, CRUNCH, Reuter-Lorenz et Cappell, 2008 ; Figure 3)
rend compte des mécanismes de réorganisation cérébrale observés lors du vieillissement sain. D’après l’hypothèse CRUNCH, les personnes âgées ont des ressources de traitement de l’information plus limitées que les jeunes adultes et sont ainsi moins capables de moduler leur fonctionnement cérébral en fonction de la difficulté de la tâche. Lorsque la tâche demande peu de ressources cognitives, les personnes âgées redirigent leurs ressources cérébrales en direction de régions « clés », permettant ainsi de maintenir des performances similaires aux jeunes adultes et de compenser un déficit de ressources de traitement. Au niveau cérébral, cela se traduit par une augmentation du signal BOLD (blood-oxygen-level dependent ; voir Encart 1) chez les personnes âgées par rapport aux jeunes adultes. Cependant, lorsque la difficulté de la tâche augmente, l’allocation des ressources cognitives et le recrutement supplémentaire des régions cérébrales ne sont plus suffisants. Les performances comportementales déclinent. Au niveau cérébral, cela s’observe par une diminution du signal BOLD chez les personnes âgées par rapport aux jeunes adultes.
Figure 3. Prédictions expérimentales des activations cérébrales (à gauche) et des performances comportementales (à droite) d’après l’hypothèse CRUNCH en fonction de la difficulté de la tâche et du groupe d’âge. Adaptée de Reuter-Lorenz et Cappell (2008).
7 Traduction approximative de l’anglais
30