Techniques de neuroimagerie fonctionnelle 40

Plusieurs techniques de neuroimagerie fonctionnelle sont actuellement disponibles et chacune d’entre elles comporte des avantages et des désavantages. Le choix de la ou des technique(s) utilisée(s) dépend principalement des buts visés par l’étude en question. Parmi les techniques les plus utilisées pour étudier le langage, on note la TEP ainsi que l’imagerie par résonance magnétique fonctionelles (IRMf). Ces deux techniques sophistiquées permettent d’obtenir une mesure indirecte de l’activité neuronale durant une tâche donnée (Crosson, 2010).Elles reposent sur le

principe d’augmentation du flux sanguin dans les régions cérébrales impliquées dans l’accomplissement d’une tâche donnée. Puisque le débit sanguin augmente plus rapidement que le volume sanguin, la consommation d'oxygène augmente rapidement et excède les besoins. La quantité d’oxygène augmente donc par rapport à la quantité de déoxyhémoglobine. Ainsi, ce changement de ratio oxyhémoglobine/ déoxyhémoglobine donne lieu à une hyperintensité du signal, que l’on appelle « effet BOLD » (Blood Oxygen Level Dependant).

L’IRMf s’avère une des techniques de plus en plus utilisées puisqu’elle permet d'identifier de façon non-invasive les zones du cerveau qui sont activées de manière significative lors d'une tâche cognitive donnée. En utilisant un champ magnétique puissant, l'IRMf utilise les propriétés magnétiques du noyau d'hydrogène, et plus spécifiquement du proton, présent dans les molécules d’eau qui constituent la majeure partie du corps humain. En effet, le proton possède un moment magnétique, connu sous le nom de spin. L’IRM et l’IRMf sont constituées de trois grandes phases : la polarisation, la résonance et la relaxation.

Premièrement, lorsque placé dans un champ magnétique puissant et stable, les spins des noyaux d'hydrogène s'orientent dans la direction de ce champ, ce qui constitue l’étape de polarisation. Ensuite, une bobine de radiofréquences émet des

ondes de fréquences variées, sous forme d’impulsions très brèves, qui désorientent les spins des protons. Les protons entrent alors en résonance, c’est- à-dire qu’ils émettent une fréquence égale à celle qui les ont déplacés. Lorsque l’impulsion de fréquence est cessée, les spins retournent spontanément à leur position initiale ce qui constitue la phase de relaxation.

Plus spécifiquement pour l’IRMf, la concentration en oxygène modifie les propriétés magnétiques des molécules. Pour chacun des voxels étudiés, la proportion d’oxyhémoglobine par rapport à la déoxyhémoglobine permet de visualiser les aires activées lors d’une tâche expérimentale. Donc, lorsque la concentration en oxyhémoglobine est élevée, le signal sera plus élevé que lorsque la concentration est plus faible. Ainsi, ce changement de ratio oxyhémoglobine/déoxyhémoglobine perturbe les propriétés du champ magnétique local et donne lieu à une hyperintensité du signal d’IRMf. La soustraction entre un état activé et un état au repos ou une condition contrôle permet de visualiser les zones activées pendant la tâche cognitive étudiée. L’avantage principal de l’IRMf consiste en sa très bonne résolution spatiale, et ce, jusqu’à des régions très profondes du cerveau. Ainsi, l’IRMf est une méthode non-invasive permettant de caractériser les réseaux soutenant le traitement du langage (Price, 2000). En effet, comparativement à la TEP, l’IRMf ne nécessite pas l’administration d’un produit de contraste radioactif et a l’avantage de pouvoir être répétée. Ainsi, l’utilisation de

l’IRMf avant et après une thérapie langagière permet de quantifier et visualiser les changements associés à cette thérapie (Davis et al, 2006). Toutefois, l’IRMf présente une faible résolution temporelle pour des processus cognitifs qui se mesurent en terme de millisecondes. De fait, la meilleure résolution temporelle de l’IRMf est de l’ordre de la seconde (Sassaroli et al, 2006). Or, le traitement langagier implique plusieurs étapes, qui se succèdent beaucoup plus rapidement qu’en l’espace d’une seconde. Ainsi, les activations correspondant aux différentes étapes de traitement ne peuvent pas être distinguées avec l’IRMf car leur décours temporel est trop rapide pour la résolution offerte par cette technique.

A ce jour, deux grandes méthodes d’analyse des données imagerie fonctionnelle ont été développées, soit le modèle linéaire général (MLG) et les analyses de connectivité. Un bref survol de ces deux méthodes d’analyse sera présenté dans les prochaines sections.

4.1. Modèle linéaire général

Le modèle linéaire général (MLG) (Worsley et Friston, 1995) est la méthode d’analyse standard en neuroimagerie. Le MLG est en fait une équation qui permet de décrire une réponse (y), qui représente ‘l’effet BOLD’ en fonction des facteurs

expérimentaux (x) combinés linéairement aux paramètres de régression (β) auquels une erreur est ajoutée (e). La MLG correspond donc à la formule suivante:

y = xβ + e

Cette méthode est très puissante et très utile pour localiser les aires activées dans une tâche donnée. Grâce au MLG, nous avons maintenant une meilleure compréhension des aires impliquées dans la récupération de l’aphasie. Toutefois, cette méthode ne permet pas de nous renseigner sur les différents réseaux fonctionnels qui sont impliqués dans des tâches complexes (van de Ven, Esposito et Christoffels, 2009).

4.2. Analyses de connectivité

Pour cette raison, les analyses de connectivité ont été développées afin de pouvoir mieux comprendre l’organisation ou la ré-organisation des réseaux suite à l’aphasie. D’ailleurs, des analyses de connectivité ont permis de mettre en lumière des réseaux d’activité compensatoire qui n’étaient pas révélés par les méthodes classiques de MLG (Specht et coll., 2009). Les analyses de connectivité pourraient donc nous permettre de mieux comprendre les patrons complexes de récupération de l’aphasie et ajouter un complément d’informations aux résultats d’IRMf plus standards.

A ce jour, trois types d’analyse de connectivité ont été développées, soit la connectivité structurale, effective et fonctionnelle. La connectivité structurale ou anatomique consiste en la présence d’axones qui permettent de connecter les aires entre elles et est étudiée à l’aide de l’imagerie par diffusion de tenseurs. La connectivité fonctionnelle fait référence aux dépendances statistiques entre les différentes régions dans le temps alors que la connectivité effective fait quant à elle référence aux influences causales ou directes entre des neurones ou des groupes de neurones. La connectivité effective est une approche plus précise, qui se base sur l’identification de régions d’intérêt à partir des analyses de MLG et de connectivité fonctionnelle. Les analyses classiques d’IRMf et les analyses de connectivité fonctionnelle sont donc essentielles pour bien identifier les aires qui seront incluses dans le modèle. La connectivité effective a comme avantage de connaître la direction des effets, ce que ne permet pas la connectivité fonctionnelle.