↑ Retour à Marie-Hélène Bekaert

Thèse de doctorat 2016

Interfaces Cerveau-Ordinateur et schizophrénie : nouvelles pistes thérapeutiques?

La date limite de candidature était le 18 avril 2016.

Résumé

lors de cette thèse, il s’agira d’évaluer l’apport potentiel des dispositifs connus sous l’appellation d’«interface cerveau-ordinateur» pour le traitement des symptômes négatifs de la schizophrénie, notamment les troubles de la mémoire, de la concentration et de l’orientation dans l’espace.

Mots-clés

BCI (brain-computer interface), neurofeedback, schizophrénie, hallucinations verbales auditives, troubles de la concentration, jeux sérieux.

Contexte

La schizophrénie est un trouble psychotique sévère qui se manifeste au travers de nombreux symptômes. Ses symptômes positifs (également qualifiés d’excédentaires) sont par exemple les crises d’hallucinations ou de délire. Ses symptômes négatifs (également qualifiés de déficitaires), sont principalement des altérations des fonctions cognitives, comme l’incapacité à maintenir un bon niveau de concentration ou la perte des facultés de mémorisation [Green, 2006]. À ce jour, plusieurs traitements médicamenteux permettent de diminuer l’importance des symptômes positifs, mais l’atténuation des symptômes négatifs reste un problème complexe auquel peu de solutions ont été apportées.

Objectif de la thèse

La remédiation cognitive, notamment grâce aux jeux sérieux, est une approche thérapeutique qui est actuellement très étudiée pour soigner les troubles psychotiques [Fernández-Aranda, 2012]. Son objectif est d’entraîner le patient à réaliser des tâches cognitives plus ou moins complexes afin de maintenir ou d’améliorer les fonctions altérées, ou même parfois de compenser la déficience d’une fonction cognitive. L’efficacité de cette approche repose sur le contrôle constant et systématique du déroulement de la session d’entraînement par le thérapeute, ce qui ne permet pas au patient de pratiquer cette activité en autonomie.

Cependant, de nombreuses études ont été menées en vue de caractériser l’état mental du patient – et son évolution lors des crises – grâce à des techniques d’imagerie fonctionnelle. Une analyse en ligne et en temps-réel de ces évolutions de l’état mental permet d’envisager le traitement de certains symptômes, comme la survenue de crises d’hallucinations verbales auditives, en utilisant une technique de neuro-feedback.

Durant cette thèse, notre objectif sera de spécifier puis d’évaluer une technique combinant ces deux approches thérapeutiques, à savoir l’utilisation d’un jeu sérieux d’une part et d’une boucle de neuro-feedback d’autre part. L’évolution de l’état mental du patient sera analysée en mesurant les variations spatio-temporelles de rythmes corticaux enregistrés par un EEG de surface, alors qu’actuellement seule l’analyse par IRMf a fait l’objet d’investigations [Fovet, 2015].

Programme des travaux

Dans un premier temps, au travers d’une étude approfondie de la littérature, il s’agira de spécifier les marqueurs d’activité cérébrale qui seront exploités pour implémenter le neuro-feedback. Ces marqueurs devront caractériser la présence d’un état mental spécifique à un symptôme négatif de la schizophrénie, ou permettre de prédire la survenue d’un tel état mental. Comme indiqué précédemment, les marqueurs devront être élaborés à partir de mesures de l’activité cérébrale obtenues par l’intermédiaire d’un EEG de surface.

Ensuite, il faudra définir les algorithmes de traitement des signaux et de classification qui permettent d’extraire au mieux ces marqueurs quand le patient est placé en situation écologique, c’est-à-dire sans être soumis à des contraintes particulières liés à une expérimentation (immobilité, concentration, etc.). La robustesse de ces algorithmes sera évaluée sur des données enregistrées lors d’une première expérimentation réalisée spécifiquement pour cette étude.

Enfin, il s’agira de développer un ou plusieurs paradigmes ludiques, visant à entraîner les capacités cognitives du patient, dont les paramètres de fonctionnement – cadence, niveau de difficulté, etc. – pourront être ajustés en ligne grâce à une catégorisation automatique de l’état mental. Les essais cliniques se composeront de séances de jeu réalisées régulièrement par le patient, dans un premier temps sous contrôle du thérapeute, puis en autonomie complète.

Connaissances / compétences requises

  • Connaissances de base en traitement de signal et apprentissage automatique;
  • Bonnes compétences en programmation (langage C++; matlab, scilab ou octave);
  • Capacité à travailler dans un environnement multidisciplinaire.

Références

  1. Michael F. Green, « Cognitive impairment and functional outcome in schizophrenia and bipolar disorder », J. Clin. Psychiatry 67(10): e12 (2006), doi.
  2. Fernando Fernández-Aranda, Susana Jiménez-Murcia, Juan J. Santamaría, Katarina Gunnard, Antonio Soto, Elias Kalapanidas, Richard G. A. Bults, Costas Davarakis, Todor Ganchev, Roser Granero, Dimitri Konstantas, Theodoros P. Kostoulas, Tony Lam, Mikkel Lucas, Cristina Masuet-Aumatell, Maher H. Moussa, Jeppe Nielsen, and Eva Penelo, « Video games as a complementary therapy tool in mental disorders: PlayMancer, a European multicentre study », J. Ment. Health 21(4): 364-374 (2012), doi.
  3. Thomas Fovet, Renaud Jardri, David Linden, « Current issues in the use of fMRI-based neurofeedback to relieve psychiatric symptoms », Current pharmaceutical design 21(23): 3384-3394 (2015), doi.

Contacts

Marie-Hélène Bekaert, marie-helene [dot] bekaert [at] univ-lille1.fr

François Cabestaing, francois [dot] cabestaing [at] univ-lille1.fr

Renaud Jardri, renaud [dot] jardri [at] chru-lille.fr

Ce article est également disponible en English.