Connectivité et Directionnalité au sein des réseaux épileptogènes

Connectivity and Directionality in epileptogenic networks

• Auteur / Autrice : Ali Sahiri
• Direction : Christian Benar, Fabrice Bartolomei
• Type : Projet de thèse
• Discipline(s) : Biologie-Santé - Spécialité Neurosciences
• Date : Inscription en doctorat le 01/10/2024
• Etablissement(s) : Aix-Marseille
• Ecole(s) doctorale(s) : Ecole Doctorale Sciences de la Vie et de la Santé
• Partenaire(s) de recherche : Laboratoire : INS - Institut de Neurosciences des Systèmes

Mots clés

Mots clés libres

Épilepsie

Connectivité

DIrectionnalité

Neurochirurgie

Inter-ictal

Seeg/meg/eeg

Epilepsy

Connectivity

Directionality

Neurosurgery

Inter-ictal

Seeg/meg/eeg

Résumé

L'épilepsie est une pathologie neurologique chronique caractérisée par des activités électriques anormales au sein de réseaux épileptogènes. Ces activités se manifestent sous forme de crises récurrentes invalidantes et parfois résistantes aux traitements chez certains patients. Dans un contexte pré-chirurgical, l'identification des nœuds du réseau, définis par les régions impliquées dans la production et la propagation des activités épileptiques ictales (lors des crises), ou « zone épileptogène » (ZE), est un objectif déterminant afin d'obtenir une issue favorable au traitement de la pathologie et libérer le patient des crises. Dans ce cadre, des efforts ont été réalisés dans la compréhension de l'organisation spatio-temporelle des réseaux épileptogènes, et en particulier la quantification mathématique des liens entre les noeuds de la zone épileptogène, c'est-à-dire leur connectivité. Cette mesure est assez bien définie pendant les crises, notamment par des mesures basées sur la corrélation linéaire (r) et non-linéaire (h2). Elles jouent un rôle crucial dans l'évaluation pré-chirurgicale en aidant à identifier la zone épileptogène, ce qui permet de libérer les patients des crises dans 60 à 70 % des cas. Cependant, la pertinence de ces mesures de connectivité pour la période inter-ictale (entre les crises) reste à définir. Il est donc pertinent de se demander comment l'analyse de cette période pourrait améliorer les résultats obtenus à partir des données ictales. Cependant, cette analyse présente des défis méthodologiques et physiopathologiques. D'une part, les signaux enregistrés durant la période inter-ictale sont très différents de ceux observés pendant les crises, et varient selon la méthode d'enregistrement utilisée (SEEG, MEG, EEG). De plus, les relations entre les nœuds des réseaux sont controversées en fonction des méthodes de mesure de connectivité (PDC, DTE, DTF, h2). D'autre part, les liens entre les périodes ictale et inter-ictale sont complexes, rendant l'analyse encore plus difficile. Celle-ci revêt pourtant une importance cruciale car la période inter-ictale représente l'état prédominant du cerveau en dehors des rares crises, et celui qui est principalement étudié sur les données non invasives telles que l'EEG à haute résolution (EEG HR) et la MEG. De plus, un aspect très important de la connectivité est la définition de la directionnalité des liens : quelles sont les régions « leaders » des interactions et quelles sont les régions « suiveuses ». Cette définition est pourtant très importante pour identifier précisément les régions à retirer lors de l'opération. Une meilleure définition de la région leader permettrait de minimiser la résection, en déconnectant la région initiatrice des crises, et d'améliorer le pronostic chirurgical. Ce projet vise à identifier la meilleure méthode pour caractériser la directionnalité des réseaux inter-ictaux, afin de mieux localiser la zone épileptogène afin de réduire ou de supprimer la survenue de crises suite à l'acte chirurgical. La première étude déterminera, en utilisant des données SEEG et MEG, quelle méthode (PDC, DTF, DTE ou h2) définit le mieux la directionnalité inter-ictale et la comparera à celle observée pendant les crises, pour évaluer comment cette correspondance peut être corrélée à un pronostic chirurgical favorable. La deuxième étude analysera la directionnalité dans des modèles de masses neurales épileptogènes simulés in silico à partir de données réelles de patients, en les comparant aux mesures connues de connectivité. La troisième observera l'évolution des réseaux inter-ictaux avant et après stimulation cérébrale profonde (DBS) afin d'identifier si l'évolution des réseaux inter-ictaux est corrélée chez les patients répondeurs des DBS.

Epilepsy is a chronic neurological pathology characterized by abnormal electrical activity within epileptogenic networks. These activities manifest themselves in the form of recurrent, disabling and sometimes drug-resistant seizures in certain patients. In a pre-surgical context, identifying the network nodes, defined by the regions involved in the production and propagation of ictal epileptic activities (during seizures), or “epileptogenic zone” (EZ), is a decisive objective in order to obtain a favorable outcome to the treatment of the pathology and free the patient from seizures. In this context, efforts have been made to understand the spatio-temporal organization of epileptogenic networks, and in particular the mathematical quantification of the links between the nodes of the epileptogenic zone, i.e. their connectivity. This measure is fairly well defined during seizures, notably by measures based on linear (r) and non-linear (h2) correlation. They play a crucial role in pre-surgical assessment, helping to identify the epileptogenic zone, which allows patients to be seizure-free in 60-70% of cases. However, the relevance of these connectivity measures for the inter-ictal period (between seizures) remains to be defined. It is therefore pertinent to ask how analysis of this period could improve the results obtained from ictal data. However, such analysis presents methodological and pathophysiological challenges. On the one hand, the signals recorded during the inter-ictal period are very different from those observed during seizures, and vary depending on the recording method used (SEEG, MEG, EEG). Moreover, the relationships between network nodes are controversial, depending on the methods used to measure connectivity (PDC, DTE, DTF, h2). Furthermore, the links between ictal and inter-ictal periods are complex, making analysis even more difficult. This is of crucial importance, however, as the inter-ictal period represents the predominant brain state outside of rare seizures, and the one that is mainly studied on non-invasive data such as high-resolution EEG (HR EEG) and MEG. In addition, a very important aspect of connectivity is the definition of the directionality of links: which regions are the “leaders” of interactions and which are the “followers”. This definition is very important, however, in order to precisely identify the regions to be removed during the operation. A better definition of the leader region would help minimize resection, by disconnecting the seizure-initiating region, and improve surgical prognosis. The aim of this project is to identify the best method for characterizing the directionality of inter-ictal networks, in order to better localize the epileptogenic zone and reduce or eliminate the occurrence of seizures following surgery. The first study will determine, using SEEG and MEG data, which method (PDC, DTF, DTE or h2) best defines inter-ictal directionality and compare it with that observed during seizures, to assess how this correspondence may correlate with a favorable surgical prognosis. The second study will analyze directionality in models of epileptogenic neural masses simulated in silico from real patient data, comparing them with known measures of connectivity. The third will observe the evolution of inter-ictal networks before and after deep brain stimulation (DBS) to identify whether the evolution of inter-ictal networks is correlated in DBS responder patients.