Fondamental ! À la recherche du Futur | EP3 | Les recherches sur le cerveau

Le cerveau de l'homme, un bijou de la nature. Plus de 80 milliards de neurones. 100 000 milliards de connexions où circule l'information. Le cerveau fait fonctionner nos organes de façon coordonnée et nous permet d'explorer et agir sur le monde qui nous entoure. Depuis plus de 70 ans, des femmes et des hommes travaillent en commun au sein du CEA pour percer les mystères de notre cerveau. Nous irons à la rencontre de ces physiciens qui améliorent les instruments pour sonder la face cachée de notre boîte crânienne. Le cerveau, c'est une machine extraordinaire qui recèle plein de secrets. Moi, j'adore l'IRM. C'est fascinant, je pense. C'est une technique très polyvalente. C'est mathématiciens qui font parler les datas pour visualiser notre cerveau. Je suis convaincu que l'intelligence artificielle a le potentiel de faire changer les choses quand on étudie les images du cerveau parce que ces images sont tellement complexes qu'on s'y noie quand on est un être humain. L'IA a pas ses faiblesses. Et c'est neuroscientifiques qui cherchent à comprendre son fonctionnement interne. Le cerveau a une capacité remarquable à naviguer dans des environnements qui sont hautement incertains. On connaît peu la façon dont cette incertitude est codée dans l'activité des drones et c'est ce à quoi j'aimerais contribuer. Bienvenue pour un voyage au cœur du cerveau. Ma passion pour la biologie, et plus particulièrement celle pour le cerveau, est née comme souvent dans l'enfance par les lectures, l'intérêt pour la nature, l'espace, les sciences en général. Et la neurologie, le cerveau, a été ce sur quoi j'ai souhaité travailler. Beaucoup parce que j'ai découvert en terminale les cours de philosophie des sciences et en particulier les travaux de Maurice Merleau-Ponty sur la perception et l'idée que le cerveau était finalement l'organe qui était nécessaire à l'ensemble de notre perception de ce qu'est le monde. Le monde que nous percevons, c'est d'abord par notre cerveau, c'est une notion qui me fascinait complètement. Et c'est vraiment un livre qui a marqué mes premières années de réflexion quand j'ai voulu commencer à travailler sur le cerveau, que ce soit à la fois pour soigner des patients ou pour mieux comprendre le fonctionnement du cerveau. Interne en neurologie au service hospitalier de Grenoble, puis directeur de recherche au CNRS en neurosciences, Philippe Vernier se spécialise dans la dopamine, les émotions et les mécanismes d'évolution du système nerveux. Il est aujourd'hui à la direction de l'Institut des sciences du vivant Frédéric Joliot du CEA. La raison pour laquelle j'ai choisi de travailler au CEA, qui est pour moi d'ailleurs une maison qui m'abrite que depuis un peu plus de trois ans seulement, c'est la capacité extraordinaire qu'est le CEA de poser des questions scientifiques les plus fondamentales, les plus difficiles, à l'aide des instruments les plus performants. Et cette capacité d'aller de la création de l'instrumentation appropriée à la question scientifique posée est quelque chose de tout à fait fascinant. Neurospin est une très bonne illustration de cette capacité à faire à la fois la meilleure science fondamentale et la meilleure instrumentation possible. Les instruments d'imagerie par résonance magnétique, donc IRM, qui sont présents à Neurospin, sont des instruments de recherche. Ce sont tous des prototypes qui ont été soit développés complètement ici à Neurospin, avec l'aide d'autres chercheurs du CEA, en particulier d'ailleurs les mêmes qui lancent les télescopes dans l'univers, ou d'autres instruments qui ont été modifiés, qui sont adaptés aux questions de recherche. Alors les IRM de recherche sont ça de spécifique, c'est d'abord leur puissance, donc le champ magnétique qui est utilisé. Ici 7 Tesla et puis donc depuis peu 11,7 Tesla, le plus puissant au monde. Ces IRM permettent donc, grâce à cette puissance, d'obtenir des images d'une qualité irremplaçable, d'une qualité qui est inatteignable par d'autres méthodes. Mais aussi un autre aspect qui est très important, c'est que non seulement l'aimant, le champ magnétique est très puissant, mais également les antennes et tous les dispositifs électroniques qui permettent d'obtenir les images peuvent être adaptés aux questions posées. Ça c'est quelque chose qui n'est pas possible dans un hôpital ou dans une clinique, où on a un matériel clé en main. Alors les sujets de recherche, et donc les personnes qui viennent à Neurospin pour ces sujets de recherche, sont pour la plupart des volontaires, sont aussi bien des bébés dès la naissance, puisque ici des équipes comme celle de Ghislaine Dehaene étudient les bébés, jusqu'aux adolescents, pour lesquels il y a aussi tout un ensemble de particularités que l'on cherche à comprendre, et puis bien sûr des adultes et également des personnes âgées. Donc on peut dire que Neurospin reçoit des sujets non pas de 7 à 77 ans, mais de 7 jours à 77 ans. Mais il y a aussi, toujours dans le domaine de la recherche, des patients, donc des malades atteints de différentes maladies cérébrales, qui rentrent dans des protocoles de recherche, qui vont permettre en corrélant les données cliniques chez ces patients, des explorations neurophysiologiques, neuropsychologiques que l'on peut faire, et les IRM, de mieux comprendre leur pathologie. Mais Neurospin n'est pas un hôpital, ce n'est pas un endroit où on fait du diagnostic, c'est un endroit où on fait de la recherche, et donc toutes les personnes qui viennent ici viennent dans le cadre de protocoles de recherche, que ce soit pour des maladies ou pour l'étude des fonctions cérébrales. Une partie des projets du CEA sur le cerveau sont financés en France par l'ANR, l'Agence Nationale de la Recherche, où un comité d'experts indépendants choisit des sujets pour leur avancée scientifique, leur faisabilité et leur originalité. Plusieurs projets des chercheurs du CEA ont également contribué au projet européen Human Brain Project. L'idée du Human Brain Project, c'était d'arriver à modéliser, sinon tout le cerveau, en tout cas un ensemble de fonctions cérébrales ou de régions du cerveau qui sous-tendent des fonctions données, pour pouvoir avoir des modèles capables de prédire le fonctionnement cérébral et de mieux ensuite développer les expériences. Le rôle de Jean-François Mangin et des équipes de Neurospin qui ont travaillé avec lui dans le Human Brain Project a été de générer tout un ensemble de données, notamment en IRM, qui associées à des données obtenues sur des cerveaux humains post-mortem, a permis de générer ce qu'aujourd'hui est le plus puissant atlas du cerveau humain et qui est un outil de connaissances absolument indispensable et extrêmement puissant pour justement ensuite faire par exemple des modélisations du cerveau humain. Mais au-delà de cette contribution, les travaux de l'équipe de Jean-François Mangin s'intéressent à un des aspects les plus variables du cerveau qui est le plissement du cortex et d'avoir analysé ce plissement et d'essayer d'en tirer à la fois des règles et des modalités de compréhension du fonctionnement cérébral, du développement cérébral et une grande originalité du travail de Jean-François Mangin. Jean-François Mangin est ingénieur en mathématiques appliquées. Il ne lit pas les lignes de la main, mais celles de notre cerveau. Grâce à l'intelligence artificielle, il cartographie les méandres de notre cortex pour mieux percer son fonctionnement et ses éventuelles défaillances. Tout le monde a déjà vu un cerveau en images. Ici, j'ai un peu plus qu'une image, j'ai un cerveau en trois dimensions qui vient d'une imprimante et il me tient particulièrement à cœur parce que c'est mon propre cerveau en fait. Vous pouvez voir qu'un cerveau, c'est plein de replis. En fait, on appelle ça des sillons. Si vous regardez derrière moi, vous allez voir comment les sillons apparaissent. Ça se passe pendant le dernier trimestre de grossesse. Ça correspond au cerveau jaune. Vous voyez qu'en quelques mois, on passe d'un cerveau complètement lisse à un cerveau très plissé qui est plissé à la naissance comme un cerveau d'adulte, les cerveaux gris. On peut se demander pourquoi le cortex est plissé. En fait, c'est une astuce que la nature a trouvée pour augmenter nos capacités cognitives tout en gardant à notre tête une taille raisonnable, sinon on aurait des problèmes à la naissance. On a plein de raisons de penser que ces plissements, quand le développement du cortex est perturbé, il s'y imprime une espèce de signature de cette perturbation. Des perturbations qui peuvent être liées à une mutation génétique ou à une maladie qui impacte le développement, voire elle a ingéré un produit chimique qui interfère avec tous les processus biologiques. Nous, on essaye de développer des outils qui permettent de détecter ces anomalies. Mais c'est vraiment difficile parce qu'en fait, chaque cerveau a un plissement unique. Si vous regardez les cerveaux gris derrière moi, vous pouvez avoir une idée à quel point ils sont uniques, aussi uniques que les empreintes digitales. Et donc en fait, on a besoin, pour définir ce qu'il y a de normal, de commencer par définir ce qui est normal. Mais c'est quelque chose de vraiment difficile parce qu'en fait, on n'a pas vraiment de compréhension du phénomène. Il nous manque un peu un champollion du plissement du cortex. Pour déchiffrer la surface du cerveau, Jean-François et son équipe développent depuis une trentaine d'années des outils d'intelligence artificielle qui ont appris à reconnaître les différents plissements du cerveau. Je vais vous expliquer comment fonctionne une de nos intelligences artificielles. Elle est constituée de 500 petits réseaux de neurones artificiels. Chacun des réseaux étant entraînés à reconnaître juste quelques sillons du cerveau. Ensuite, ils ont à se mettre d'accord tous ensemble. C'est un peu comme à l'Assemblée nationale. Quand on leur montre un nouveau cerveau, on va voir comment ça se passe. Ici, en fait, tous les petits sont rouges parce qu'il n'y a pas encore de consensus entre les réseaux. Et puis pendant un certain temps, après la discussion, on va voir émerger un consensus autour du sillon central. Ici, c'est le sillon le plus simple à reconnaître. Il va devenir bleu. Et puis petit à petit, la couleur bleue va s'étendre partout, ce qui correspond en fait à un consensus général. Et à la fin, en fait, on dispose d'un jeu de couleurs qui correspond au nom des sillons qui ont été attribués. Et avec ces attributions de noms, on va pouvoir mesurer un certain nombre de choses sur tous ces sillons pour pouvoir comparer ce cerveau avec d'autres cerveaux de notre base. Les dernières générations d'IA ont déjà analysé plus de 100 000 images de cerveau. Elles sont désormais capables de détecter des anomalies du cerveau invisibles à l'œil nu pour l'homme. Des anomalies qui peuvent notamment survenir au cours de la grossesse. Les cerveaux des bébés très grands prématurés, en fait, ils ne sont pas plissés de la manière la plus classique. À gauche, vous voyez des cerveaux de bébés standards qui naissent à terme. Et vous voyez qu'à l'avant de leur cerveau, ils ont un grand sillon rouge qui s'appelle le sillon temporal supérieur qui est d'un seul tenant. Et à droite, en fait, on voit des très grands prématurés. Ceux-là, ils sont nés après six mois de grossesse, simplement. Et on peut les sauver aujourd'hui à cet âge-là. Et ils naissent à un moment où leur cortex, il est à peine dans l'ébauche du plissement. Et vous pouvez voir qu'ils sont tellement petits qu'ils tiennent dans la main de leur maman. Et que ce sillon temporal supérieur rouge, il est cassé en morceaux. Et c'est probablement la trace d'anomalies du développement qui vont peut-être conduire à des difficultés quand ils grandissent, quand ils vont à l'école. En fait, grâce au très grand nombre de cerveaux que nous pouvons manipuler aujourd'hui, l'IA, elle est capable d'en faire émerger du sens. On espère qu'elle va faire aboutir un dictionnaire, en fait, de tous les motifs qu'on trouve dans la population générale qui permettra, en fait, de clarifier ce qui est anormal. En fait, si un jour il y a un champollion du plissement du cortex, ce sera une intelligence artificielle. Au-delà des formes, Jean-François s'intéresse également au câblage interne de notre cerveau. Là où les axones, les longs bras des neurones, acheminent les informations entre les différentes régions du cortex. Alors sur cette image, en fait, on voit un résultat auquel on ne s'attendait pas du tout, qu'on a réussi à obtenir à la fin des années 90. Ici, chaque trajectoire colorée que vous voyez, en fait, ça correspond probablement à des centaines, voire des milliers d'axones qui permettent à un paquet de neurones de communiquer avec un autre paquet de neurones. Et en fait, on a retrouvé dans cette image ce qu'on pourrait appeler des autoroutes dans le câblage du cerveau qui avaient été décrites par les anatomistes il y a 50 ou 100 ans grâce à des techniques de dissection. Par exemple, ici, vous voyez une grande trajectoire où il y a plein, en fait, de câbles qui partent de l'avant du cerveau et qui va vers l'arrière du cerveau et qui relient, en fait, deux aires fondamentales dans les régions du langage dans le cerveau qui leur permettent de communiquer. On voit d'autres câbles de ce genre. Par exemple, ici, ce grand câble violet qui part du haut du cerveau permet à cette région de communiquer avec une autre région qui est à l'arrière du cerveau. Cette image a été réalisée sur un sujet en bonne santé qui a passé quelques dizaines de minutes dans l'IRM. Elle a permis d'être en évidence les autoroutes qui avaient été décrites par les anatomistes. Mais en fait, elle recède bien plus d'informations. C'est un véritable plat de spaghettis dans lequel on peut voir ce qu'on pourrait appeler des nationales, des départementales. Et donc, on s'est lancé, en fait, dans le projet de cartographie de ce détail du câblage humain qui n'était pas connu. Ici, vous voyez, en fait, le dernier résultat qu'on a obtenu. C'est 600 départementales du câblage humain qu'on a mis en évidence en demandant à des intelligences artificielles de comparer des centaines de plats de spaghettis qui venaient de différents sujets. Et ici, en fait, chaque jeu de couleur, il correspond à un câble qu'on a retrouvé chez plein d'individus et chaque trajectoire vient d'un individu différent. Et vous voyez qu'en fait, ces trajectoires, elles tournent autour des sillons dont on parlait tout à l'heure. Elles ont souvent une trajectoire de U, en fait. Donc, par exemple, autour de ce sillon rouge, il y a des faisceaux, par exemple, le faisceau orange ici qui part, en fait, d'une circonvolution qui est en arrière du sillon, qui passe en dessous du sillon et qui ressort de l'autre côté pour que les neurones qui sont de part et d'autre du sillon puissent communiquer. Tous ces câbles qui s'enchevêtrent sont révélés grâce à l'IRM de diffusion, avec des détails ici de l'ordre de 2 mm. Alors, l'IRM de diffusion, c'est une technique qui s'appuie sur le fait qu'on peut mesurer la mobilité de l'eau dans une direction de l'espace donné. Et en fait, quand on est dans le cerveau, il y a de l'eau partout et l'eau, elle est agitée, mais elle n'est pas agitée librement comme dans un verre d'eau. Elle est perturbée par les membranes des cellules. Si on est dans un faisceau d'axone, je vais dessiner un axone. Les faisceaux d'axone, ils sont assez rapprochés. Il y a de l'eau qui est à l'intérieur des axones et il y en a qui est entre les axones. Si l'eau qui se balade, elle a envie de se balader dans la direction des axones, il n'y a rien qui la perturbe. Par exemple, cette molécule, elle va aller très très loin dans cette direction-là. En revanche, si celle-ci, elle a envie de partir dans une direction transverse, elle va rebondir sur la membrane, elle va rebondir plusieurs fois, elle ne va pas se déplacer autant. L'eau à l'extérieur, c'est un peu pareil. Si elle a envie de se balader dans la direction des axones, elle va être libre. Dans une direction orthogonale, elle va devoir contourner les axones. Ce qui se passe, c'est qu'on est capable, si on a accès à la mobilité de l'eau dans différentes directions de l'espace, de deviner la direction des axones. Si je prends un bloc de cerveau qui est centré sur ce câble, ça s'appelle un voxel. C'est l'équivalent aux trois dimensions du pixel et qu'on mesure la mobilité de l'eau. D'abord, dans la direction de ce câblage, elle va être très importante. Dans une direction orthogonale, elle va être faible. Dans les directions intermédiaires, elle va être intermédiaire. On arrive à deviner que dans ce voxel, il y a des axones dans ces directions-là. Ici, dans le voxel à côté, ce câblage se poursuit, mais il croise un autre faisceau. Ce qu'on va mesurer, c'est que dans la direction du premier câblage, on est toujours très libre. Il va y avoir la direction de l'autre câblage où l'eau est aussi très libre. Dans les directions intermédiaires, la mobilité se réduit. Quand on a cette information sur plein de cubes de cerveau, on peut reconstruire la trajectoire des faisceaux. Par exemple, ici, on peut deviner qu'il y a un premier faisceau qui est celui qui correspond à mon dessin initial, qui est dans cette trajectoire. Et puis, il y en a un deuxième qui croise le premier, qui croise ce deuxième voxel. Avec ça, on arrive à faire le plat de spaghettis qui nous donne une représentation du câblage de la personne qui est dans l'IRM. À partir des cartes de connectivité réalisées par Jean-François et ses collègues, il est possible de déceler certaines anomalies, notamment chez des personnes présentant des troubles du spectre autistique. Nous collaborons avec une équipe de psychiatres pilotée par le professeur Jocelyn Ouenou, pour essayer de voir si nos cartes nationales et départementales permettent de faire du sens quand on observe un cerveau d'autisme. Ils ont fait passer 29 personnes qui avaient des signes d'autisme dans l'IRM et l'équivalent du nombre de contrôles pour les comparer. Ils ont projeté notre carte sur le câblage de ces autistes et ils ont découvert que sur les 100 nationales, 13 d'entre elles étaient sous-développées sur les sujets autistes. Chaque couleur que vous voyez ici, c'est un de ces câblages qui est moins développé. Par exemple, ici, on voit qu'il y en a un certain nombre qui sont dans la région temporale, qui est une région qui est connue pour être impliquée dans tout ce qui est interaction sociale, donc ça fait pas mal de sens. Plus ces faisceaux sont sous-développés, plus les patients ont des symptômes autistiques qui sont importants. On ne peut pas prétendre que c'est à l'origine de l'autisme, mais c'est au moins une conséquence du comportement autiste et peut-être plus, ça indique des voies à explorer pour la recherche thérapeutique. Mais aujourd'hui, avant de pousser la recherche plus avant, on a envie de valider que ces faisceaux qu'on a mis en évidence correspondent vraiment à une réalité. Parce qu'en fait, cette technique n'est pas fiable à 100% parce que le cerveau est plein de croisements de câbles et quand on ne suit pas une trajectoire, on peut faire une erreur quand il y a une bifurcation par exemple, s'il y a un croisement à 90 degrés entre deux faisceaux, c'est facile à démêler. S'il y a un croisement à 20 ou 30 degrés, on peut faire une erreur et créer un faisceau qui n'existe pas dans la réalité. Pour confirmer la présence de ces faisceaux courts, Jean-François a fait appel à des neurochirurgiens du CHRU de Tours qui ont développé une nouvelle technique de dissection pour retrouver ces faisceaux sur des cerveaux post-mortaires. Une autre méthode a également été employée. On a une deuxième approche pour valider nos découvertes, pour résoudre toutes ces ambiguïtés qui sont liées aux croisements qu'on observe à la résolution qu'on fait in vivo sur les patients. C'est notre collègue Cyril Poupon qui est l'expert maison de l'imagerie de diffusion qui l'a mis en œuvre sur un bloc de cerveau post-mortem. Il est capable de pousser la technologie à une résolution de l'ordre de 200 microns. Les croisements disparaissent et on est capable sur ces images de mettre en évidence les faisceaux en U, les départementales dont je parlais tout à l'heure. Vous voyez ici leur trajectoire, extrêmement finement mise en évidence. On voit qu'il n'y a plus aucun croisement qui crée une ambiguïté et donc on est capable de faire ça sur les régions qu'on a mis en évidence sur l'autisme pour pouvoir vraiment valider nos découvertes. Si l'existence des faisceaux courts se confirme, leur détection permettrait de mieux discriminer les différentes variantes présentes dans le spectre autistique. Parmi les questions sur le fonctionnement cérébral qui sont abordées ici à Neurospin, il y a par exemple la question du calcul. Comment est-ce que le cerveau est capable de générer l'idée de valeurs croissantes ou décroissantes et de valeurs sur lesquelles on peut calculer, les multiplier, les diviser et évidemment des opérations mathématiquement encore plus complexes. D'autres aspects aussi sont extrêmement intéressants comme par exemple la manière dont notre cerveau perçoit le temps qui passe. On sait que le temps est extrêmement subjectif. Si on est très intéressé par ce qu'on écoute et bien on ne voit pas le temps passer comme on dit et puis parfois au contraire le temps peut paraître très long dans un train par exemple ou dans un avion et donc en fait la perception subjective du temps est aussi un sujet qui est étudié ici à Neurospin en combinant des investigations sur la base de la résonance magnétique nucléaire et de la magnétophore par exemple. Donc la combinaison de ces enregistrements très précis dans le temps et dans l'espace donne accès à une meilleure connaissance de questions comme comment les différentes régions du cerveau sont capables de travailler ensemble pour générer du langage pour permettre au cerveau de lire pour permettre au cerveau d'apprendre mais aussi pour des choses peut-être plus originales et auxquelles on ne pense pas forcément. Chaque fois que l'on va agir et bien notre cerveau va en fait anticiper et calculer la probabilité que l'événement qui l'a planifié survienne. Donc cette planification de l'activité cérébrale est une propriété fascinante du cerveau qui fait partie des questions qui sont abordées ici à Neurospin en particulier par Florent Meignel. Spécialiste en neurosciences, Florent Meignel s'est lancé le défi de découvrir les mécanismes qui influencent l'apprentissage et la prise de décision. Sans que l'on s'en aperçoive, notre cerveau est confronté en permanence à des situations où il doit anticiper pour prendre la meilleure décision. Au quotidien, on doit faire des choix en situation d'incertitude. Je vais prendre un exemple concret. Pour me rendre au travail, je peux prendre le RER et du coup, chaque matin, je vais me demander est-ce que je vais prendre le RER aujourd'hui sachant qu'il était en retard les jours précédents. Evidemment, il ne faut pas savoir s'y mettre en retard encore aujourd'hui mais je peux essayer d'estimer est-ce qu'il est probable qu'il soit plutôt en retard ou à l'heure et donc quelle est la probabilité que j'arrive en retard à une réunion importante par exemple. Sans s'en rendre compte, notre cerveau en permanence estime ce genre de probabilités pour caractériser son environnement. Il utilise des probabilités précisément parce que la plupart des choses qui nous entourent n'arrivent pas de façon sûre et certaine et ces probabilités nous permettent de prendre de meilleures décisions et de mieux percevoir le monde qui nous entoure. Je vais prendre un autre exemple concret. Disons que vous conduisez par un temps de brouillard important la nuit. Vous ne voyez pas très bien si la route tourne à droite ou tourne à gauche. Dans ce cas de figure, pour compenser le faible niveau d'informations visuelles que vous avez, votre cerveau va utiliser des probabilités qui peuvent tirer par exemple des souvenirs que vous avez si c'est un itinéraire que vous utilisez fréquemment pour vous dire est-ce qu'à cet endroit-là il est plus probable que la route tourne à droite ou à gauche. Dans le projet qui nous a intéressé, on a étudié quels sont les mécanismes par lesquels le cerveau estime ce genre de probabilités en utilisant les observations qu'il a faites par le passé. Pour mieux comprendre les processus d'apprentissage qui se cachent dans notre boîte crânienne, l'équipe de Florent a mis en place tout un protocole de mesure. Des volontaires, âgés de 20 à 40 ans, ont été placés dans un IRM pour faire un exercice. Quand le participant est dans l'IRM, on lui présente des images ou des sons dans un casque. On va prendre l'exemple des sons A et O qu'on lui présente en série. Ça va faire par exemple A O A A et ainsi de suite. Comme dans l'exemple du RER qui pouvait être à l'heure ou en retard d'un jour à l'autre, là, les sons s'enchaînent avec à chaque fois une certaine probabilité d'avoir le son A plutôt que le son O. Cette probabilité, on ne la dit pas au participant. Au contraire, on lui demande d'apprendre cette probabilité en fonction des sons qu'il a entendus. Et de temps en temps, on interrompt la séquence de sons et on va poser des questions au participant. La première question qu'on lui pose concerne cette probabilité qui varie entre 0% de chance d'entendre le son A jusqu'à 100% de chance d'entendre le son A. Le participant déplace un curseur pour indiquer sa réponse au moyen de boutons dans l'IRM et sur cette séquence, je dirais qu'il y a à peu près 75% de chance pour que le prochain son soit un A. Une fois qu'ils ont indiqué leur probabilité, on leur pose une deuxième question qui concerne cette fois-ci leur confiance. Ils vont utiliser une nouvelle fois un curseur sur un axe qui va de je ne suis pas du tout confiant jusqu'à je suis très confiant, totalement sûr de ma réponse. Dans ce cas précis, je dirais que je suis à moitié sûr de mon estimation de 75%. Ce niveau de confiance, au cours de l'expérience, va varier. Des fois, on va être très confiant. D'autres fois, on va être moins confiant. Ça va fluctuer au cours de l'expérience. Ce qu'on va faire avec l'IRM, c'est enregistrer l'activité du cerveau et rechercher s'il existe certaines zones du cerveau dont l'activité, au cours du temps, suivrait ce niveau de confiance. Existe-t-il de telles zones dans le cerveau dont l'activité suit le niveau de confiance ressenti par le participe Tout va bien pour vous ? On va commencer la première session. Au cours de l'expérience, Florent a pu confronter les réponses des volontaires avec les réponses données par un ordinateur. Quand on a comparé les réponses que font les participants avec un modèle mathématique qui résout le problème de façon exacte, on s'est rendu compte que les probabilités que rapportent les participants sont très proches de celles calculées par le modèle. C'est quelque chose qu'on connaissait déjà depuis plusieurs décennies. L'aspect plus nouveau, c'est l'analyse de ces niveaux de confiance qui évoluent fortement au cours de l'expérience et qui étaient quelque chose d'assez méconnu jusqu'à cette expérience. Voir même, on pensait plutôt que ces niveaux de confiance étaient des choses d'assez peu fiables. Ce qu'on a analysé, c'est cette évolution du sentiment de confiance au cours de l'exercice. On s'est rendu compte que quand on compare la confiance dans le modèle mathématique et la confiance rapportée par les sujets, elles sont assez similaires. Autrement dit, quand le participant est très confiant de sa réponse, il a des bonnes raisons de l'être. Et quand il est peu confiant, il a aussi des bonnes raisons de douter, comme dans le modèle mathématique. En parallèle des réponses données par les participants sur leur niveau de confiance, Florent a suivi l'activité de leur cerveau. Comment est-ce qu'on peut mesurer l'activité du cerveau humain avec l'IRM, qui est l'instrument qu'on a utilisé ? En fait, quand les neurones travaillent plus, ils consomment plus d'oxygène. Et ce changement de consommation d'oxygène, ça va changer la concentration de chaînes dans le sang autour de ces neurones. Et c'est ce changement qu'on détecte. Autrement dit, on détecte les régions du cerveau qui travaillent en suivant de façon indirecte leur consommation d'oxygène. Alors, ce qu'on voit sur cette figure, les masses grises, c'est la surface des hémisphères. On a deux hémisphères dans le cerveau. Ici, on voit de profil l'hémisphère droit, là de profil, l'hémisphère gauche. Et en bas, on voit les faces internes comme si on avait pris une noix qu'on avait ouverte en deux pour regarder à l'intérieur. Les couleurs représentent le résultat d'une analyse mathématique de ce qu'on a enregistré. Et on voit, ce qui est intéressant en bleu, des régions dont l'activité va augmenter à mesure que l'on est moins confiant dans notre estimation. Donc, on voit ces régions pariétales et frontales qui s'activent d'autant plus qu'on est moins confiant dans notre estimation. Et ce qui fait sens puisque c'est précisément quand on est moins confiant qu'on devrait apprendre plus. On a donc identifié un réseau de régions ici qui est sans doute impliqué dans la régulation du processus d'apprentissage. Au-delà de la confiance, Florence est aussi intéressée à la surprise. Une réaction qui influence grandement notre façon d'apprendre. Donc, la surprise, c'est un autre facteur très important de l'apprentissage. Normalement, plus on est surpris, plus on devrait modifier nos connaissances. C'est-à-dire, plus on devrait apprendre. Dans le cas de l'expérience qui nous intéresse, si on avait estimé que la probabilité du prochain son c'est très fortement un O et qu'on entend un A, on est surpris d'entendre ce A. Ce qu'on voit sur cette image, c'est les régions du cerveau en jaune-rouge qui s'activent d'autant plus que le participant est surpris d'entendre tel ou tel son au cours de la série. On voit encore un réseau pariéto frontal qui s'active en réponse à la surprise. Ce qu'on a cherché ensuite, c'est de savoir s'il y a des régions du cerveau qui montrent les deux effets en même temps. C'est-à-dire, des régions qui sont d'autant plus activées qu'on est moins confiant et d'autant plus activées qu'on n'est plus surpris. Ce qui est précisément la situation où l'apprentissage devrait être maximal. Et en jaune, on voit les régions qui montrent ce comportement. Encore un réseau pariéto frontal. Ces zones jaunes sont des régions du cerveau où des grandes populations de neurones sont impliquées dans un processus qui suit les dynamiques de l'apprentissage parce qu'elles montrent des variations avec les deux ingrédients de l'apprentissage, confiance et surprise, de la façon attendue. Notre cerveau possède donc des neurones qui s'activent dans les mêmes régions lorsqu'on est surpris et moins confiant. Mais ces neurones associés à la confiance et à la surprise s'activent-ils simultanément ? Alors on va s'installer en MEG. Pour le découvrir, des volontaires ont été équipés et placés dans une machine étonnante, un magnétoencéphalographe. Cet instrument détecte les minuscules champs magnétiques générés par l'activité électrique des neurones en action. Si tout va bien, on va pouvoir passer à la deuxième session parce que les signaux ont l'air de bonne qualité. On continue à rester bien immobile et à bien vous concentrer sur l'expérience. Ce qui est intéressant avec la magnétoencéphalographie par rapport à l'IRM fonctionnel, c'est d'apporter une information très précise en termes de précision temporelle et dynamique des processus cérébraux. On va pouvoir détecter dès que le participant entend un son, à la milliseconde près, les champs magnétiques qui vont se créer autour du cerveau en réponse au traitement de ce son et qu'on enregistre avec la magnétoencéphalographie. Ce qu'on voit sur cette image, c'est déjà une vue schématique du participant comme si on le voyait de haut avec son nez ici et ses deux oreilles sur les côtés. Les couleurs représentent les directions du champ magnétique. On a des champs qui peuvent sortir à certains endroits, rentrer à d'autres endroits et la force de ce champ magnétique de façon intéressante reflète le niveau de confiance du participant et reflète également son niveau de surprise d'entendre tel son plutôt qu'un autre. Ces champs magnétiques évoluent très rapidement et la question qu'on s'est posée ensuite, c'est à quel moment on est capable de détecter un effet de la confiance ou un effet de la surprise. On voit sur ces graphiques le temps qui passe après la présentation d'un son, le son O ou le son A et en noir, on voit les moments où on détecte un effet de surprise ou un effet de confiance. Et de façon intéressante, autour de 0,2 seconde, c'est-à-dire 200 millisecondes, on voit qu'on détecte à la fois un effet de confiance et un effet de surprise pendant qu'on conclure qu'il y a des régions du cerveau qui, au même moment, reflètent ces deux ingrédients clés de l'apprentissage, la confiance et la surprise. Mais quelles molécules activent donc ces neurones de la surprise et de la confiance au cours du processus d'apprentissage ? Pour Florent et son équipe, il s'agirait notamment de la noradrénaline. Ce neuromodulateur du cerveau régule nos niveaux de vigilance et d'éveil et serait déterminant dans notre sentiment de confiance. On peut essayer de mesurer de façon très indirecte le niveau de relargage de noradrénaline dans le cerveau en regardant le diamètre de la pupille. La raison, c'est que le système qui relargue la noradrénaline dans le cerveau contrôle en partie le diamètre de la pupille. On a observé que plus les participants étaient confiants dans leurs réponses, plus le diamètre de la pupille était contracté. Inversement, plus ils doutaient, plus ce diamètre est très important. Ce résultat est compatible avec l'idée que la noradrénaline suit les niveaux de confiance et pourrait intervenir dans la régulation de l'apprentissage. Ce qu'on ne sait pas à ce jour, c'est à quel endroit du cerveau cette noradrénaline est libérée et ceci fait l'objet de recherches actuellement au laboratoire. Les travaux menés par Florent trouvent aujourd'hui des applications chez des patients schizophrènes qui oscillent entre des niveaux de doute et de confiance excessif. La mesure de ces états de confiance dans leur cerveau permettra de mieux caractériser leurs symptômes et la sévérité de leurs troubles. Les travaux qui sont faits ici à Neurospin peuvent en fait toucher non seulement à l'anatomie du cerveau, c'est-à-dire à l'organisation, à la structure du cerveau. C'est un des grands avantages de l'IRM mais ce qu'on sait moins, c'est que l'IRM peut aussi donner accès à des paramètres de fonctionnement comme le métabolisme du cerveau, c'est-à-dire par exemple l'énergie qui est utilisée pour que le cerveau fonctionne. Peut-être ne savez-vous pas que le cerveau est de très loin l'organe du corps qui consomme le plus d'énergie, c'est à peu près 2% du poids du corps pour 20% de l'énergie consommée dans le corps. Le glucose est le carburant du cerveau, c'est le seul sucre qu'accepte le neurone et en fait cette gloutonnerie énergétique du cerveau est très importante et on en tire partie. Donc on peut, avec l'IRM fonctionnelle, mesurer des paramètres comme le taux de glucose dans les régions très précises du cerveau qui renseignent sur l'activité cérébrale puisque quand une zone cérébrale est active, elle a besoin d'énergie et donc elle va consommer du glucose et on peut mesurer ces quantités de glucose de façon extrêmement précise grâce à l'IRM. Il y a d'autres molécules fonctionnelles qui permettent au cerveau de fonctionner qui peuvent être mesurées par l'IRM comme par exemple un transmetteur chimique très important, un des principaux excitateurs des neurones, le glutamate et les mesures du glutamate dans le cerveau peuvent renseigner par exemple sur le niveau de fonctionnement normal ou pathologique de régions cérébrales. Et il y a au CEVA des équipes qui ont été extrêmement pionnières dans la mise au point de méthodes qui permettent de mesurer le glucose ou le glutamate ou d'autres molécules. C'est moins connu comme le sodium par exemple ou le lithium qui est utilisé dans le traitement de certaines maladies psychiatriques grâce à l'IRM fonctionnel et qui permettent d'avoir accès à des paramètres de fonctionnement cérébral extrêmement importants pour mieux comprendre les fonctions de base du cerveau mais aussi l'évolution par exemple et la cause des pathologies cérébrales. Julien Flamand est l'un de ces physiciens du CEA qui s'intéresse au métabolisme du glucose. Pour suivre sa consommation dans le cerveau, il travaille sur une nouvelle technique d'imagerie par résonance magnétique qui vient compléter les méthodes de mesures traditionnelles. Aujourd'hui, la méthode de référence pour mesurer le métabolisme du glucose dans le cerveau chez l'homme est l'imagerie TEP, c'est-à-dire l'imagerie par tomographie à émission de positons. Cette technique consiste à injecter un analogue du glucose qui est marqué avec un traceur radioactif et ensuite la radioactivité est mesurée à l'aide de capteurs spécifiques. L'avantage principal de la TEP, c'est que c'est une technique très très sensible. Donc, on injecte des doses de radioactivité qui sont très très faibles mais on est capable d'avoir une mesure très spécifique de certaines voies métaboliques et donc de la mesure par exemple de la consommation de glucose. Par contre, elle présente un inconvénient, c'est qu'elle nécessite l'utilisation de radioactivité et donc, on ne va pas pouvoir répéter trop souvent les examens pour ne pas exposer le patient à des doses de radioactivité trop fortes. L'autre inconvénient majeur de cette technique, c'est qu'on ne va pas pouvoir observer des structures ou des détails dans le cerveau dont la dimension est inférieure au millimètre. Alors, contrairement à l'imagerie TEP, l'imagerie IRM ne présente pas de limites théoriques quant à la résolution spatiale. C'est-à-dire qu'on peut descendre à des résolutions qui sont bien inférieures au millimètre. Donc, quelques dizaines ou centaines de micromètres. L'idée de ce projet ANR, c'est de tirer profit de la bonne résolution spatiale offerte par l'IRM et de le coupler avec une technique d'imagerie moléculaire innovante qui s'appelle l'imagerie CEST pour Chemical Exchange Saturation Transfer, et qui va nous permettre de détecter des molécules comme le glucose avec une très bonne résolution et sans avoir recours à un traceur radioactif. Pour comprendre le principe du CEST, imaginons un échantillon composé uniquement d'eau. Je représente ici les molécules d'eau avec les atomes d'hydrogène et du glucose. Je le schématise ici. En IRM conventionnel, ce que l'on observe, c'est le signal qui provient des atomes d'hydrogène de l'eau. On peut apparenter les atomes d'hydrogène à des petites boussoles qui s'alignent dans le champ magnétique B0 créé par l'IRM. Bien évidemment, les molécules de glucose possèdent leurs propres atomes d'hydrogène. Ils possèdent aussi eux-mêmes leurs propres petites boussoles. En raison de leur environnement électronique différent, les atomes d'hydrogène, du glucose et ceux des molécules d'eau présentent des fréquences de résonance différentes. Donc si je regarde le signal généré par chacun de ces groupes, si je les représente sur un axe qui représente les fréquences de résonance, si je regarde le signal de ces deux groupes, on va obtenir un signal à la fréquence de résonance du glucose et un autre à la fréquence de résonance des atomes d'hydrogène de l'eau. Malheureusement, dans la vraie vie, ce signal-là est extrêmement faible comparé au signal généré par les hydrogènes de l'eau. Il est environ 10 à 100 000 fois plus faible que ce signal-là. Ce qui veut dire qu'en fait, on n'a pas la sensibilité pour mesurer directement le signal des atomes d'hydrogène du glucose. Grâce à l'imagerie CEST, on va pouvoir révéler la présence de ces atomes d'hydrogène. Donc pour cela, on va appliquer une impulsion de saturation que je note RF pour radiofréquence à la fréquence de résonance des atomes d'hydrogène du glucose. Et donc, la conséquence de cette impulsion à radiofréquence est que l'on va venir saturer certains atomes d'hydrogène du glucose. Donc, en fait, ces atomes-là, ils étaient en bleu avant, ils vont passer en rouge. En fait, on va venir perturber avec cette impulsion, on va venir perturber ces petites boussoles et les atomes deviennent rouges, c'est-à-dire que dans cet état, ils ne génèrent plus de signal. À ce stade, on a attiré profit également d'une autre propriété de ces atomes d'hydrogène, c'est qu'ils sont capables de s'échanger entre ces deux groupes. Je matérialise cet échange par cette double flèche. Donc, il y a un échange constant entre les atomes d'hydrogène du glucose et ceux de l'eau. Et comme cette saturation perdure pendant plusieurs dizaines, voire centaines de millisecondes, eh bien, une grande quantité de la saturation va être transférée du glucose vers l'eau. Comme les hydrogènes rouges ne génèrent pas de signal, si maintenant, je mesure le signal global qui provient de mon échantillon, qui va provenir des hydrogènes de l'eau, eh bien, mon signal sera comme ceci, un signal plus faible puisque là, il y a moins d'hydrogène bleu qu'au départ. Et cette différence-là entre l'état avant et après la saturation représente mon effet ceste. Et donc, c'est cette baisse de signal que l'on observe sur le signal de l'eau qui est caractéristique de notre effet ceste et qui va révéler la présence de ces atomes d'hydrogène du glucose et donc, indirectement, va signer la présence des molécules de glucose dans notre échantillon ou dans le cerveau. L'effet ceste révèle donc le glucose qui se trouve en très petite quantité dans le cerveau. Pour arriver à une telle prouesse, Julien et son équipe ont donc répondu modifier le programme de l'IRM pour envoyer les bonnes impulsions au bon moment dans le cerveau. Ce que l'on observe ici, c'est un schéma d'une séquence IRM. Donc, c'est l'ensemble des instructions que l'on va donner à la machine pour jouer avec l'aimantation, c'est-à-dire pour manipuler les petites boussoles dont j'ai parlé tout à l'heure. Et notre rôle, à nous, en tant que physiciens, c'est d'agencer tous ces éléments afin d'obtenir notre signal IRM. Donc, c'est de la programmation informatique, c'est-à-dire que nous, on est un peu comme un chef d'orchestre, nous allons écrire une partition. L'IRM, c'est notre instrument et l'instrument va lire la partition qu'on lui donne à jouer. Donc, si on veut faire de l'imagerie CEST, on va ajouter dans notre partition un module spécifique que l'on voit ici au tout début du schéma qui correspond au module de saturation dont j'ai parlé tout à l'heure qui va nous permettre de rendre la séquence sensible à la présence de glucose. Un autre avantage de cette technique d'imagerie CEST, c'est qu'on peut très facilement la modifier, c'est-à-dire qu'on peut facilement changer la note que l'on joue dans la partition. Donc là, dans ce cas-là, on ne va pas changer notre instrument, c'est-à-dire l'IRM et l'environnement vont rester exactement le même, mais on va simplement changer la note que l'on joue, ce qui revient à changer la fréquence de saturation et on va rendre la séquence sensible à d'autres molécules comme le glutamate par exemple qui est une autre molécule très impliquée dans le métabolisme énergétique cérébral. Julien teste ces différentes partitions sur des IRM à très haut champ. Il est alors possible de suivre la consommation de glucose en temps réel dans le cerveau de modèle rongeur. Voici un exemple de carte de glucose obtenue en imagerie CEST. Les images que l'on voit au-dessus de la barre verte sont acquises pendant l'injection de glucose et celles qui sont au-dessus de la barre rouge représentent les images acquises après l'arrêt de la perfusion de glucose. Ce que l'on remarque lorsque l'on injecte le glucose c'est que l'image passe du bleu vers le jaune jusqu'au rouge. Et si on regarde l'échelle dans notre image plus l'image est rouge plus la concentration en glucose est importante. Donc là, ce que l'on voit lorsque l'on injecte le glucose c'est tout simplement le glucose qui passe du sang vers les cellules du cerveau. Ensuite, lorsque l'on arrête la perfusion le signal retend à nouveau vers le bleu ce qui signifie que le glucose est consommé. Et donc on peut grâce à ça voir le métabolisme du glucose. L'avantage principal c'est la très bonne résolution spatiale qui est offerte grâce à l'imagerie CEST. Là, dans les cartes que vous voyez ici chaque pixel donc chaque petit carré de l'image mesure 100 microns c'est-à-dire 0,1 mm. Grâce à cette résolution très intéressante on va pouvoir obtenir des détails qui sont extrêmement fins et on va pouvoir également distinguer des zones dans le cerveau qui présentent un métabolisme du glucose altéré dans des stades précoces de la maladie. Pourquoi est-ce que mesurer le glucose ou le glutamate sont intéressants pour les maladies du cerveau ? C'est parce que quand une région cérébrale dysfonctionne quand elle fonctionne moins bien avec une exception qui est l'épilepsie où là au contraire les neurones vont fonctionner trop mais à la limite dans les deux cas dans le cas où par exemple dans la maladie d'Alzheimer la mort des neurones dans certaines régions cérébrales va entraîner un défaut de consommation de glucose il y aura moins de glucose consommé dans ces régions qui dégénèrent. Dans l'épilepsie au contraire alors que ces neurones sont hyper excités et bien ces neurones vont consommer plus de glucose. Donc on voit que la mesure de glucose permet de renseigner sur l'activité cérébrale et sur un certain nombre de pathologies comme l'épilepsie quand on en consomme trop ou par exemple la maladie d'Alzheimer quand on n'en consomme pas assez. Avec son équipe elle cherche à cartographier de manière non invasive le glucose ou le glutamate présent dans le cerveau de sujets soit jeunes âgés ou atteints de maladies neurodégénératives. Les mesures sont obtenues avec la méthode CEST sur des IRM à très haut champ. Pour pouvoir détecter les métabolites dont la concentration est très faible nous utilisons une IRM à 7 teslas qui est une IRM à très haut champ magnétique. Les IRM standards qu'on trouve plus fréquemment dans les hôpitaux sont des IRM à 1,5 teslas. Un champ magnétique de 7 teslas est 100 000 fois plus puissant que le champ magnétique terrestre. Grâce à ce champ magnétique élevé nous arrivons à avoir une meilleure sensibilité une meilleure résolution spatiale et aussi un meilleur contraste pour voir les métabolites dans le cerveau. Tout notre travail a été de trouver la bonne partition la bonne séquence des impulsions qui va nous permettre de bien cartographier les métabolites dans le cerveau. Lui, c'est Scully, le patient numéro 0 qui a permis de faire les réglages dans l'IRM avant de passer à l'homme. Cette tête imprimée en 3D ressemble beaucoup à une tête humaine. Le gel et les métabolites tels que le glucose versé à l'intérieur se rapprochent de la densité et de la composition de notre propre cerveau. Une fois dans l'IRM Scully a permis de résoudre certains problèmes liés aux ondes émises autour de sa tête. Pour comprendre la problématique des IRM à Auchan on peut prendre le cas d'une IRM classique en clinique à 1,5 Tesla. L'antenne placée autour du cerveau du patient va envoyer des ondes de radiofréquence qui auront une longueur d'onde d'environ 52 cm et cette longueur étant plus grande que la taille du cerveau humain moyen qui fait environ 16 cm nous allons pouvoir imager la totalité du cerveau de façon homogène mais lorsque l'on monte à Auchan magnétique et que l'on prend donc une IRM à 7 Tesla par exemple cette fois les ondes de radiofréquence émises vont avoir une longueur d'onde d'environ 11 cm qui est donc plus petite que la taille du cerveau et cela va nous poser des problèmes d'interférence des problèmes d'homogénéité pour notre image en particulier lorsqu'on utilise un mode de transmission des ondes classiques et donc avec ce mode de transmission on a l'antenne IRM qui est placée autour du cerveau du patient et chaque onde de radiofréquence qui va être envoyée donc via 8 canaux je ne vais en dessiner que 4 pour simplifier le dessin mais donc chaque onde va être envoyée avec les mêmes caractéristiques de phase et d'amplitude sur le cerveau humain et cela va se traduire par des zones sombres et des zones claires sur notre image donc une image finalement non homogène du cerveau et une baisse de contraste globale et donc tout le travail de notre équipe pour ce projet a été de mettre en place un mode de transmission parallèle des ondes et donc avec ce système de transmission parallèle chaque onde de radiofréquence va être envoyée avec des caractéristiques de phase et d'amplitude qui vont être modulées dans le temps pour répondre à notre problème donc de zones sombres dans notre image et cela va donc nous permettre d'acquérir une image homogène de l'entièreté du cerveau et donc d'avoir un bon contraste Après une année de recherches et de réglages Louisa et son équipe ont finalement trouvé la bonne séquence d'impulsion capable de révéler le glucose réparti dans le crâne du cerveau de Scully Sur l'écran à gauche vous voyez une carte du glucose dans le cerveau de Scully qui a été obtenue sur l'IRM C-TESLA avec les impulsions standard et les couleurs reflètent la concentration du glucose avec le rouge plus concentré et le bleu moins concentré On voit que l'image est plus intense au milieu mais avec des zones plus sombres tout autour On pourrait croire que la concentration du glucose dans le cerveau de Scully n'est pas homogène mais ce n'est pas le cas l'image est trompeuse Ici à droite vous voyez la même carte mais cette fois-ci obtenue avec nos impulsions spécifiques On voit bien que l'image est plus homogène dans l'ensemble du cerveau Pour obtenir ces résultats nous avons programmé des séries des impulsions comme celle-ci Les huit courbes que vous voyez sur l'écran correspondent aux huit ondes de radiofréquence qui sont émises par les huit canons qui se trouvent autour de la tête de Scully En faisant varier la phase et l'amplitude de chaque onde on obtient de meilleures images C'est en jouant cette partition comme une partition de musique que l'on arrive à avoir des cartes métaboliques de haute qualité Avec cette partition Louisa et son docteur ont entamé les premières mesures sur l'homme Vous êtes prêts ? C'est parti ! L'IRM-7 Tesla a alors révélé les cartes du glucose présentes naturellement dans le cerveau de jeunes volontaires Les résultats qu'on a obtenus sont présentés ici avec à gauche les résultats obtenus avec une technique classique de cartographie du glucose et à droite avec notre transition parallèle d'impulsion En bleu on représente les régions où il y a une faible concentration de glucose et en jaune les régions où la concentration est la plus importante Ce qu'on note c'est qu'avec la technique classique de cartographie du glucose on pourrait croire qu'il y a peu de glucose sur la périphérie du cerveau Et en fait quand on utilise notre partition d'impulsion on révèle qu'il y a aussi du glucose dans ces régions-là Cette technique nous permet de révéler le glucose qui est présent sur l'ensemble du cerveau qui est quelque chose de très difficile à faire avec une technique classique d'IRM Après le glucose Tadeh a cherché à cartographier le glutamate cérébral pour étudier son évolution au cours de la vieillesse En programmant une nouvelle partition il a pu révéler ce glutamate et comparer des cerveaux de jeunes volontaires avec des cerveaux de personnes âgées Donc ce qu'on constate sur les résultats ici à gauche on a la cartographie de glutamate chez un sujet jeune Un trentenaire ici est quelqu'un qui a plus de 70 ans à droite Les faibles concentrations de glutamate qui sont montrées en bleu et une concentration plus importante qui est montrée en jaune Ce qu'on constate assez visuellement c'est que chez un sujet jeune la carte est beaucoup plus jaune que chez le sujet âgé Et c'est ce qu'on retrouve de manière plus statistique en étudiant les résultats obtenus sur les deux groupes de populations avec l'âge la concentration de glutamate global tend à diminuer dans le cerveau Cette variation de glutamate peut être révélatrice dans le fonctionnement altéreux du cerveau Et étudier les régions qui sont plus touchées par ces variations peut nous donner des indications dans le cas de certaines pathologies de régions qui sont lésées par la maladie L'équipe a pu identifier que la baisse de glutamate révélée par la méthode CEST chez des personnes âgées correspondait à la région du précuneus une zone du cerveau impliquée notamment dans le souvenir et la mémoire Tous ces reportages vous montrent à quel point les méthodes d'investigation du cerveau et en particulier l'imagerie par résonance magnétique et d'autres bien sûr sont vraiment essentielles pour l'analyse du cerveau normal et du cerveau pathologique Le développement de ces méthodes d'investigation cérébrale permet aujourd'hui d'accéder à des paramètres du fonctionnement cérébral chez les patients directs qui permet d'avoir une bien meilleure connaissance de la pathologie et d'être surtout beaucoup plus précis sur le pronostic de ces maladies et aussi sur le type de traitement qu'on peut leur apporter et aujourd'hui il est possible de commencer à leur proposer des traitements plus appropriés plus personnalisés que ce soit dans le domaine de la maladie d'Alzheimer et surtout de la maladie de Parkinson Les progrès qui ont été faits ces 10 et surtout ces 5 dernières années sont vraiment très significatifs Le CEA compte bien approfondir ses connaissances sur les maladies le fonctionnement normal du cerveau avec la mise en service de l'IRM Isolt Cet immense aimant installé à Neurospin sur le site du CEA de Saclay en 2017 est l'IRM le plus puissant au monde Il permettra de voir des détails du cerveau humain de l'ordre de 0,1 mm et plongera les chercheurs dans une nouvelle dimension Le grand intérêt est de développer des instruments très puissants qui permettent d'analyser le fonctionnement élémentaire du cerveau neurone par neurone pratiquement pas tout à fait encore mais on y vient permet ensuite de tester des hypothèses sur le fonctionnement cérébral un peu comme on le fait aujourd'hui avec les grands télescopes comme le James Webb Telescope qui permet d'obtenir des renseignements sur des centaines de milliers d'étoiles et dont l'assemblage du comportement permet de comprendre l'origine de l'univers C'est un petit peu la même chose en assemblant le fonctionnement élémentaire de quelques neurones dans des réseaux extrêmement complexes on espère que l'émergence des fonctions à partir de cette organisation fonctionnelle du cerveau permettra de faire ce lien qui est encore aujourd'hui très abstrait entre activité cérébrale de base et la pensée par exemple ou les pensées la perception l'action la prise de décision tout ce qui fait qu'un être humain est capable de vivre de façon harmonieuse dans le monde dans lequel il est