Projets de recherche en cours
1. Cartographie de l’hippocampe, de ses sous-champs et du réseau de la mémoire
Notre groupe a déployé tous ses efforts afin de mettre au point de nouvelles techniques automatisées pour cartographier l’hippocampe et ses sous-champs (Winterburn et al., NeuroImage, 2013; Pipitone et al., NeuroImage, 2014). Nous avons élaboré une série d’atlas détaillés qui décrivent l’anatomie et l’architecture de cette région du cerveau à la morphologie complexe. Ces travaux servent actuellement à étudier le vieillissement en santé ainsi que l’hippocampe, dans le contexte de différents troubles neuropsychiatriques (voir aussi dans l’atlas).
2. Comprendre le rôle du cervelet
Pendant des décennies, la recherche neuroscientifique a attribué à la région du cervelet un rôle dans la régulation de la fonction motrice. Cependant, de nouveaux éléments de recherche indiquent que le cervelet est beaucoup plus actif dans les réseaux du cerveau liés à la cognition et à d’autres fonctions du cerveau. Notre objectif est de mieux comprendre l’anatomie du cervelet (Park et al., 2014) et la manière dont les altérations du développement de cette région peu étudiée du cerveau peuvent entraîner différents troubles neurodéveloppementaux, tels que l’autisme, la schizophrénie et les troubles neurodégénératifs comme la maladie de Parkinson.
3. Analyse de l’hétérogénéité pathologique
En quoi ces cerveaux diffèrent-ils les uns des autres? C’est généralement la question que se posent nombre de chercheurs en neuro-imagerie. Cependant, grâce au développement et à la diffusion d’un grand nombre de données dans le domaine public, nous avons maintenant la possibilité de nous poser des questions plus complexes sur la nature des troubles neuropsychiatriques et leurs signatures neuroanatomiques. La plupart de ces troubles présentent toutefois une grande hétérogénéité quant à leurs symptômes et à leur fardeau pathologique. Et notre objectif est de mieux comprendre les points communs au sein de cette hétérogénéité afin de mieux expliquer les facteurs associés aux risques et à la résistance aux troubles neuropsychiatriques. Des projets traitant de ce thème sont en cours dans le cadre d’études sur les maladies d’Alzheimer et de Parkinson.
4. Comment fonctionne la stimulation cérébrale profonde?
Pendant des décennies, la stimulation cérébrale profonde, traitement qui consiste à implanter chirurgicalement une électrode qui envoie une stimulation électrique aux circuits neurologiques déficients, a été utilisée pour traiter la maladie de Parkinson. Toutefois, avant qu’il ne soit largement répandu, le traitement a fait l’objet d’une expérimentation rigoureuse lors d’essais précliniques. Notre objectif est de mieux comprendre la plasticité du cerveau au moyen de la stimulation cérébrale profonde (lors d’essais précliniques et cliniques), ce qui pourrait en faire un traitement efficace pour d’autres troubles neuropsychiatriques.
5. Comprendre l’importance de la forme des structures neuroanatomiques dans le développement sain et son rôle dans les troubles neuropsychiatriques
Des décennies durant, les experts en neuroimagerie ont utilisé le volume du cerveau, évalué à partir de données d’imagerie par résonnance magnétique, comme indicateur de l’intégrité des innombrables structures neuroanatomiques. Toutefois, nous avons récemment mis au point de nouvelles techniques sophistiquées de cartographie du cerveau qui estiment les indices de forme dans les différentes structures, afin de montrer comment la forme du cerveau change sans toutefois que le volume varie; c’est ce que nous retrouvons dans toutes nos études du développement normatif (Raznahan et al., 2014), des troubles du développement neural (Shaw et al., 2014) et de la toxicomanie (Janes et al., 2014). Nous pensons que ces méthodes peuvent mettre en évidence les différences subtiles qui peuvent être invisibles quand on utilise les mesures volumétriques traditionnelles.
6. Méthodes multivariées pour la classification des maladies
Traditionnellement, les scientifiques utilisaient les techniques d’imagerie par résonnance magnétique pour mieux quantifier les différences entre les cerveaux et les tendances neuroanatomiques des sujets témoins sains et des groupes atteints de maladie. Toutefois, grâce aux progrès dans les algorithmes d’apprentissage automatique, qui peuvent traiter d’énormes quantités de données, nous avons la possibilité d’utiliser ces données pour classer automatiquement les sujets dans des groupes spécifiques uniquement en fonction des caractéristiques neuroanatomiques que nous établissons. Notre objectif est de créer des algorithmes de diagnostic qui peuvent effectuer la classification des sujets dans des groupes de maladies en fonction uniquement des informations (en utilisant les mesures originelles et dérivées) contenues dans l’imagerie par résonnance magnétique et les indices dérivés par calcul de l’anatomie du cerveau. Nous sommes actuellement en train d'élaborer des projets qui effectuent ce type de classification tant pour la schizophrénie que pour la maladie d’Alzheimer.
