Une puce neuronale décode les interactions entre régions cérébrales

La stimulation cérébrale profonde est une technique thérapeutique qui délivre des impulsions électriques à des zones spécifiques du cerveau via un implant, afin de moduler l'activité neuronale. Déjà largement utilisée pour les troubles moteurs tels que la maladie de Parkinson, elle recèle un potentiel pour les maladies psychiatriques sévères, notamment la dépression majeure, le trouble de stress post-traumatique et le trouble obsessionnel compulsif.

Cependant, la plupart des systèmes de stimulation cérébrale profonde existants fonctionnent en mode «boucle ouverte»: la stimulation est délivrée selon des paramètres prédéfinis plutôt que d'adapter en continu l'activité cérébrale du patient ou de la patiente. Même parmi les systèmes en boucle fermée, ou adaptatifs, beaucoup se basent sur des signaux enregistrés dans une seule région cérébrale. C'est une limitation majeure pour les troubles psychiatriques, où l'information cliniquement pertinente peut être répartie dans différents réseaux de régions cérébrales interagissant entre elles.

«Notre travail s'appuie sur un corpus de recherches de plus en plus solide suggérant que les troubles psychiatriques résultent davantage de perturbations de la communication entre les régions cérébrales que de dysfonctionnements de toute région prise isolément», explique Mahsa Shoaran, responsable du Laboratoire des neurotechnologies intégrées (INL) à la Faculté des sciences et techniques de l’ingénieur de l'EPFL et à l'Institut Neuro-X.

La chercheuse et son équipe ont développé un système sur puce neuronale implantable basse consommation. Baptisé LogSync, il enregistre l'activité cérébrale et extrait des biomarqueurs décrivant l'intensité des ondes cérébrales (oscillations) et la synchronie entre les signaux provenant de différentes régions cérébrales. Un algorithme d'apprentissage automatique analyse ensuite ces biomarqueurs au niveau des réseaux pour distinguer les états cognitifs et émotionnels, et générer des déclencheurs de stimulation lorsque des états spécifiques sont détectés.

Publiés dans le IEEE Journal of Solid-State Circuits, ces travaux ont été menés dans le cadre d'un financement de 6,6 millions de francs de l'Institut américain pour la santé mentale (NIMH), visant à développer des systèmes implantables capables de mesurer et de contrôler les réseaux d'oscillations cérébrales pour les maladies psychiatriques sévères, particulièrement les troubles de l'humeur et de l'anxiété. Ce projet découle de travaux antérieurs du laboratoire sur le décodage cerveau-texte et sur la neuromodulation en boucle fermée, et étend ces concepts aux biomarqueurs à l’échelle des réseaux et au décodage adaptatif, destinés à de futures applications thérapeutiques.

Une stimulation plus ciblée à faible consommation

Les scientifiques ont évalué LogSync en utilisant des enregistrements cérébraux issus d'expériences psychiatriques précédentes. Un ensemble de données capturait les changements d'engagement cognitif lors de l'exécution d'une tâche mentale. Un autre enregistrait l'excitation émotionnelle lorsque les participantes et participants visionnaient des clips vidéo. L'algorithme a distingué ces états cognitifs et émotionnels à partir des enregistrements neuronaux seuls. Dans d'autres expériences menées chez le rat à l'Université du Minnesota, l’implant a suivi les oscillations en cours et généré des déclencheurs de stimulation aux phases prédéfinies de l'activité cérébrale.

Selon la professeure, le défi majeur consistait à réaliser l'ensemble de ces fonctionnalités tout en respectant le budget énergétique très limité d'un système implantable.

«L’ensemble de notre système est coconçu, ce qui signifie que les algorithmes et le matériel sont développés conjointement en tenant compte des contraintes liées à l’implant. Cette approche nous a permis de réaliser un traitement et un décodage des signaux neuronaux au niveau du réseau sur une seule puce, tout en maintenant la consommation d'énergie en dessous de 200 microwatts — une fraction de ce qui est généralement requis par de nombreux systèmes d'interface neuronale implantables», détaille-t-elle. Une autre innovation réside dans l'utilisation par LogSync de calculs logarithmiques, qui simplifient les opérations complexes nécessaires pour l'analyse des réseaux cérébraux et le décodage en temps réel des biomarqueurs.

La validation initiale de LogSync s’est concentrée sur les applications psychiatriques. Mais sa capacité à extraire des biomarqueurs de réseaux cérébraux pour déclencher une stimulation précise est applicable plus largement à la neurotechnologie de nouvelle génération, incluant la stimulation cérébrale profonde adaptative pour les troubles moteurs, la stimulation non invasive en boucle fermée, et les interfaces émergentes par ultrasons focalisés.

Parallèlement, le laboratoire développe de nouvelles méthodes d'apprentissage automatique qui apprennent directement à partir des enregistrements neuronaux plutôt que de biomarqueurs prédéfinis. Leurs récents travaux présentés à l'ICML 2026, qui utilisent l'apprentissage auto-supervisé pour capturer l'activité neuronale à travers différentes régions, canaux et époques, s'inscrivent dans le cadre des efforts pour rapprocher les interfaces neuronales intelligentes des applications cliniques. Mahsa Shoaran a notamment cofondée Infera Neuro, un spin-off de l'EPFL qui développe des technologies d'interface neuronale ultra-basse consommation.