Thèse soutenue

Modèle multi-physiques et multi-échelles personnalisé pour l’évaluation du vieillissement musculaire

FR  |  
EN
Auteur / Autrice : Inès Douania
Direction : Sofiane BoudaoudJérémy Laforêt
Type : Thèse de doctorat
Discipline(s) : Biomécanique et Bioingénierie : Unité de Recherche en Biomécanique et Bioingénierie (UMR-7338)
Date : Soutenance le 03/06/2022
Etablissement(s) : Compiègne
Ecole(s) doctorale(s) : École doctorale 71, Sciences pour l'ingénieur (Compiègne)
Partenaire(s) de recherche : Laboratoire : Biomécanique et Bioingénierie / BMBI

Résumé

FR  |  
EN

Le vieillissement musculaire, en tant qu'entité pathologique, est connu sous le nom de sarcopénie. Il est défini comme une réduction de la force musculaire accompagnée d'une perte de masse musculaire et d'un déclin des fonctions physiques. Les méthodologies actuellement utilisées en pratique clinique pour évaluer cette maladie liée au vieillissement sont plutôt limitées pour saisir les caractéristiques de ce déclin à l'échelle macroscopique: mesure de la force et de la masse musculaire. Cependant, diagnostiquer la sarcopénie en mesurant uniquement ces deux paramètres n'est pas assez précis et ne permet pas de détecter une perte précoce de la fonction musculaire. Il est plus fiable d'exploiter des changements musculaires à l’échelle microscopique: tels que la perte des unités motrices (l'unité motrice (UM) est constituée d'un motoneurone et de toutes les fibres musculaires squelettiques innervées par ses terminaisons axonales), l'atrophie des fibres, le désordre de la commande neuronale, et l’infiltration intramusculaire des cellules adipeuses. Ainsi, des études récentes, basées sur la technique d'électromyographie de surface (sEMG), ont démontré le grand potentiel de cette technique en tant que biomarqueur pour détecter les premiers signes de muscles sarcopéniques. En effet, le signal sEMG est la réponse électrique de l'activation musculaire gérée par le système nerveux central (SNC). Il est mesuré de manière non invasive à la surface de la peau à l'aide d'électrodes de surface et peut être efficacement corrélé à la réponse mécanique de l'activation musculaire. De plus, les modèles mathématiques du signal sEMG peuvent former une alliance utile avec les mesures expérimentales et le traitement du sEMG pour identifier et/ou quantifier les bio-indicateurs (c'est-à-dire les paramètres anatomiques et neuronaux des muscles) d'un vieillissement musculaire sain, précoce, accéléré ou sarcopénique. Dans cette thèse, nous avons utilisé un modèle électrique optimisé décrivant l'activité électrique du muscle à la surface de la peau à l'aide de la technique d'électromyographie à haute densité (HD-sEMG). Ce modèle est développé précédemment dans notre laboratoire de recherches. Le temps de calcul réduit de ce modèle est l'élément clé majeur pour effectuer l'identification des indicateurs de vieillissement à l'aide de méthodes inverses et de la technique HD-sEMG. Cependant, cette identification nécessite des méthodes préalables telles que l'analyse de sensibilité et d'identifiabilité. De plus, lors de l'utilisation de ce modèle, nous avons observé d'importantes limitations telles qu'un manque de réalisme physiologique (par exemple, les territoires des UM et le nombre de fibres par muscle), de personnalisation (par exemple, le même schéma de recrutement neuronal pour les sujets jeunes et âgés) et de simplicité (par exemple, l'ajustement de 50 paramètres de modèle en fonction de l'âge et du sexe). Ces limitations restreignent l'utilisation de ce modèle dans le diagnostic du vieillissement musculaire. Par conséquent, l'objectif de cette thèse est de remédier à ces limitations et de fournir un modèle plus réaliste et simple à utiliser pour évaluer le vieillissement musculaire. Dans ce travail, nous proposons d'abord une méthode d’analyse de sensibilité de Morris améliorée (IMSA) appliquée au modèle développé. Cette analyse a été réalisée sur des sujets simulés jeunes et âgés (à faible et à fort niveau de contractions). Grâce à cette IMSA, nous avons réussi à mettre en évidence et avec précision les paramètres/facteurs neuromusculaires influents pour chaque catégorie d'âge, à chaque niveau de force et pour chaque descripteur statistique calculée à partir des signaux HD-sEMG. De plus, grâce à l'IMSA, nous avons mis en évidence les limitations du modèle mentionnées précédemment. Pour remédier à ces limitations, nous avons modifié le schéma du modèle pour le rendre plus facile à manipuler, avec moins de risques d'erreurs et d'incohérences.