Comment le cerveau perçoit la position et les mouvements du corps

Bras humain avec muscles tenant un cerveau créé dans MyoSuite. Crédit : Alessandro Marin Vargas/EPFL

Bras humain avec muscles tenant un cerveau créé dans MyoSuite. Crédit : Alessandro Marin Vargas/EPFL

Des chercheurs de l’EPFL ont recours aux réseaux neuronaux artificiels pour étudier la proprioception, c’est-à-dire le sens utilisé par le cerveau pour «connaître» la position et les mouvements du corps.

Comment notre cerveau connaît-il la position et les mouvements des différentes parties de notre corps? Communément appelé proprioception, ce «sixième sens» nous permet de nous mouvoir librement sans avoir à regarder nos membres en permanence.

La proprioception implique un réseau complexe de capteurs sensoriels présents dans nos muscles. Ces capteurs transmettent à notre cerveau des informations sur la position et les mouvements de nos membres. Cependant, on connait peu de choses sur la façon dont le cerveau rassemble les différents signaux que nos muscles lui transmettent.

Une récente étude menée par Alexander Mathis de l’EPFL fait la lumière sur cette question, en se penchant sur la manière dont notre cerveau élabore une perception cohérente sur la position et les mouvements de notre corps. Publiée dans la revue Cell, cette étude a été réalisée par les doctorants Alessandro Marin Vargas, Axel Bisi et Alberto Chiappa, et s’appuie sur les données expérimentales de Chris Versteeg et de Lee Miller de l’Université Northwestern.

«Il est généralement admis que les systèmes sensoriels doivent exploiter les régularités statistiques de l’environnement. Cette théorie pourrait expliquer de nombreuses propriétés du système visuel et auditif », explique Alexander Mathis. «Afin de généraliser cette théorie à la proprioception, nous avons utilisé des simulateurs musculo-squelettiques pour calculer les statistiques d’activation liées au mouvement des capteurs sensoriels répartis dans nos membres.»

Les chercheurs ont repris cette modélisation musculo-squelettique pour produire des signaux des fuseaux neuromusculaires répartis dans le membre supérieur afin de créer un «répertoire de mouvements naturels à grande échelle». Ce répertoire leur a permis d’entraîner des milliers de modèles de réseaux neuronaux artificiels «axés sur les tâches» sur seize tâches computationnelles, chacune renvoyant à une hypothèse scientifique sur les calculs réalisés par la voie proprioceptive, qui comprend des parties du tronc cérébral et du cortex somatosensoriel.

Grâce à cette approche, l’équipe a analysé de manière approfondie l’influence de différentes architectures de réseaux neuronaux et de tâches computationnelles sur l’élaboration par le cerveau de représentations de l’information proprioceptive. Elle a découvert que les modèles de réseaux neuronaux entraînés sur des tâches qui prédisent la position et la vitesse des membres étaient les plus prédictifs de l’activité neuronale, ce qui indiquerait que notre cerveau intègre en priorité l’activité des fuseaux neuro musculaires pour comprendre la position et les mouvements de notre corps.

Cette recherche souligne le potentiel de la modélisation guidée par l’apprentissage automatique supervisé, dite «task-driven» en neurosciences. Contrairement aux méthodes traditionnelles qui cherchent à prédire l’activité neuronale directement, les modèles entrainés à résoudre des taches computationnelles peuvent fournir des informations sur les principes de calcul sous-jacents du traitement sensoriel.

Cette recherche ouvre également la voie à de nouvelles pistes expérimentales en neurosciences. En effet, une meilleure compréhension du traitement proprioceptif pourrait aboutir à des avancées majeures en matière de neuroprothèses, avec un contrôle plus naturel et intuitif des membres artificiels.

Financement

Fonds national suisse de la recherche scientifique (FNS)

EPFL

Bourse d’excellence de la Confédération suisse

Références

Alessandro Marin Vargas, Axel Bisi, Alberto Chiappa, Chris Versteeg, Lee Miller, Alexander Mathis. Task-driven neural network models predict neural dynamics of proprioception. Cell 21 March 2024. DOI: 10.1016/j.cell.2024.02.036


Auteur: Nik Papageorgiou

Source: EPFL

Ce contenu est distribué sous les termes de la licence Creative Commons CC BY-SA 4.0. Vous pouvez reprendre librement les textes, vidéos et images y figurant à condition de créditer l’auteur de l’œuvre, et de ne pas restreindre son utilisation. Pour les illustrations ne contenant pas la mention CC BY-SA, l’autorisation de l’auteur est nécessaire.