Large-scale modeling of epileptic seizures dynamics

• Auteur / Autrice : Timothée Proix
• Direction : Viktor K. Jirsa
• Type : Thèse de doctorat
• Discipline(s) : Sciences du mouvement humain
• Date : Soutenance le 30/10/2015
• Etablissement(s) : Aix-Marseille
• Ecole(s) doctorale(s) : École doctorale Sciences du Mouvement Humain (Marseille ; 2004-....)
• Jury : Président / Présidente : Fabrice Bartolomei
• Jury : Rapporteur / Rapporteuse : John Terry, Louis Lemieux

Mots clés

Mots clés contrôlés

Épilepsie généralisée

Connectivité fonctionnelle

Épilepsie

Mots clés libres

Epilepsie

Propagation des crises

Connectivité

Connectome

Modèle de réseau cérébral

Epileptor

Dynamique large-Échelles

Le cerveau virtuel

Scripts

Le patient épileptique virtuel

Epilepsy

Seizure propagation

Connectivity

Connectome

Brain network model

Epileptor

Large-Scale dynamics

The virtual brain

Scripts

Virtual epileptic patient

Résumé

Les crises épileptiques sont des épisodes paroxysmiques d'activité cérébrale hypersynchrone. Ce travail de thèse s'attache à examiner les mécanismes de propagation des crises d'épilepsie sur une échelle temporelle lente et une grande échelle spatiale dans le cerveau humain et à les appliquer au contexte clinique. Chez les patients souffrant d'épilepsie partielle réfractaire, les crises débutent dans certaines régions localisées du cerveau, dénommées zone épileptogène, avant de recruter des régions distantes. Le succès de l'ablation chirurgicale de la zone epileptogène dépend principalement de sa délimitation adéquate, un problème souvent épineux en pratique clinique. À cela s'ajoute notre compréhension parcellaire des mécanismes à l'origine des crises et de leur propagation. Nous utilisons un modèle mathématique de masse neuronale reproduisant le décours temporel de l'activité moyenne critique et intercritique d'une région cérébrale, guidé de manière autonome par une variable permittive lente. Nous introduisons tout d'abord un couplage permittif lent entre ces masses neuronales, afin de révéler l'importance de la variété lente dans le recrutement des régions cérébrales dans la crise. Nous présentons ensuite un pipeline de traitement des données structurelles et de diffusion IRM pour reconstruire automatiquement le cerveau virtuel d'un patient. Nous utilisons ensuite une analyse de stabilité linéaire et la connectivité large-échelle pour prédire la zone de propagation. Nous appliquons notre méthode à un jeu de données de 15 patients épileptiques et démontrons l'importance du connectome pour prédire la direction de propagation des crises.

Epileptic seizures are paroxysmal hypersynchronizations of brain activity, spanning several temporal and spatial scales. In the present thesis, we investigate the mechanisms of epileptic seizure propagation on a slow temporal and large spatial scale in the human brain and apply them to a clinical context. For patients with partial refractory epilepsy, seizures arise from a localized region of the brain, the so-called epileptogenic zone, before recruiting distant regions. Success of the resective surgery of the epileptogenic zone depends on its correct delineation, which is often difficult in clinical practice. Furthermore, the mechanisms of seizure onset and recruitment are still largely unknown. We use a mathematical neural mass model to reproduce the time course of interictal and ictal mean activity of a brain region, in which the switching between these states is guided by an autonomous slow permittivity variable. We first introduce a slow permittivity coupling function between these neural masses, hypothesizing the importance of the slow manifold in the recruitment of brain regions into the seizure. Before exploring large-scale networks of such coupled systems, we present a processing pipeline for automatic reconstruction of a patient's virtual brain, including surface and connectivity (i.e., connectome), using structural and diffusion MRI, and tractography methods. Using linear stability analysis and large-scale connectivity, we predict the propagation zone. We apply our method to a dataset of 15 epileptic patients and establish the importance of the connectome in determining large-scale propagation of epileptic seizures.