Traitement et analyse de données hétérogènes pour l’aide au diagnostic du trouble bipolaire

26 Janvier 2024

---

Catégorie : Doctorant

---

Contexte et Positionnement

Le trouble bipolaire est une maladie psychique chronique responsable de dérèglements de l’humeur, dont le diagnostic est très long à établir car elle partage de nombreux symptômes physiopathologiques et comportementaux avec le trouble unipolaire et la dépression majeure. Le taux de non détection de la maladie est estimé entre 30 % et 69 % en Europe et aux États-Unis, il est donc urgent de de trouver des indicateurs fiables et objectifs de la maladie.

Parmi tous les marqueurs biologiques, il a été démontré que les mesures électrophysiologiques rétiniennes et corticales représentent des mesures non invasives pertinentes pour l’analyse des états mentaux explorés dans le cadre des maladies mentales [Tursini2023]. La fonction rétinienne est évaluée par des techniques électrophysiologiques appelées électrorétinogramme (ERG). Herbert et al. [Hébert2020] ont établi d’une part que les patients déprimés avaient des réponses rétiniennes qui diffèrent des témoins ; et d’autre part les réponses rétiniennes diffèrent entre les patients dépressifs sans médicament et les patients déprimés traités par pharmacothérapie. Par ailleurs, l'analyse des données d'électroencéphalogramme (EEG) a également permis d’extraire des biomarqueurs objectifs dans les troubles mentaux et pour le trouble bipolaire en particulier [Tursini2023].

 

Objectifs de la thèse

Le premier objectif de cette thèse vise à exploiter les mesures EEG/ERG simultanées pour explorer les dysfonctionnements des systèmes visuels de la rétine aux réponses corticales chez les patients atteints de troubles bipolaires. Nos analyses sont basées sur des protocoles de stimulations visuelles de type flash (ffERG) ou pattern (PERG) amenant à des réponses reproductibles, bien contrôlées, et permettant de cibler le réseau cérébral associé à la vision. D’un point de vu fondamental, nous souhaitons identifier un modèle fonctionnel de propagation de l'information le long de la voie visuelle ventrale, et quantifier l'altération de cette propagation dans le cas de troubles bipolaires. Cette étude doit aboutir à la construction de graphes de connectivité reflétant le réseau neuronal sous-jacent, permettant d’évaluer la modification de ce réseau dans le cas du trouble bipolaire et de quantifier l’effet d’un traitement thérapeutique sur ce réseau.

A cette question s’ajoute la recherche d’indicateurs fiables des maladies mentales dans un but d’aide au diagnostic. Nous avons déjà mené une première étude dans le cas d’une campagne de recrutement de sujets bipolaires [BIMAR], et des biomarqueurs temps/fréquences robustes ont été identifiés permettant de discriminer ces patients d’une population contrôle [Ren2023], mais également montrant une capacité à quantifier l’évolution de la maladie au cours d’un traitement [Schwitzer2022]. L’inclusion de mesures quantitatives issues des graphes de connectivité précédemment analysés sera également considérée.

Le diagnostic des maladies mentales est actuellement établi par le praticien sur la base d’observation cliniques et de données qualitatives issus de questionnaires neuropsychologiques, donnant lieu à des scores gradués sur une échelle de valeurs. Le troisième objectif est le développement de méthodes afin de combiner les mesures quantitatives extraits des signaux EEG/ERG avec ces données qualitatives de nature discrète et ordinale, en modélisant les relations entre ces variables et leur influence sur la cible (le label) à estimer. Des approches probabilistes multivariées seront envisagées afin de modéliser ces données hétérogènes [DeLeon2011, Marbac2017, Yilmaz2021].

Mots clés: ERG/EEG, Trouble bipolaire, Analyse de connectivité, Fusion de données multimodales/hétérogènes

Conditions:

Durée : 3 ans (du 01/10/2024 au 30/09/2027)
Employeur : Université de Lorraine
Lieu : CRAN, Nancy
Rémunération : contrat doctoral
Profil attendu : master recherche/diplôme d'ingénieur orienté signal et/ou apprentissage automatique

Financement: Contrat Doctoral

Encadrement et contacts:

Directeur: Valérie Louis-Dorr (valerie.louis@univ-lorraine.fr)

Co-directeur: Steven Le cam (steven.le-cam@univ-lorraine.fr)

 

[Tursini2023] Katelyne Tursini, et al. "Subsequent and simultaneous electrophysiological investigation of the retina and the visual cortex in neurodegenerative and psychiatric diseases: what are the forecasts for the medicine of tomorrow?." Frontiers in Psychiatry 14 (2023): 1167654.

[Hébert2020] Marc Hébert et al. "The electroretinogram may differentiate schizophrenia from bipolar disorder." Biological psychiatry 87.3 (2020): 263-270.

[BIMAR] Projet PHRC BIMAR, "Étude des Troubles Bipolaires et Marqueurs électrophysiologiques Rétiniens" portée par le Pr. Thomas Schwitzer

[Ren2023] Xiaoxi Ren, Steven Le Cam, Ruggero G. Bettinardi, Katelyne Tursini, Thomas Schwitzer, Valérie Louis Dorr, "Discrimination entre sujets atteints de troubles bipolaires et sujet contrôles à l'aide de biomarqueurs ERG temps-fréquence", Journée Neurosciences Psychiatrie Neurologie (JNPN), juin 2023.

[Schwitzer2022] Thomas Schwitzer, Steven Le Cam et al. "Retinal electroretinogram features can detect depression state and treatment response in adults: A machine learning approach." Journal of Affective Disorders 306 (2022): 208-214.

[DeLeon2011] A. R. De Leon, A. Soo, and T. Williamson. "Classification with discrete and continuous variables via general mixed-data models." Journal of Applied Statistics 38.5 (2011): 1021-1032.

[Marbac2017] Matthieu Marbac, Christophe Biernacki, and Vincent Vandewalle. "Model-based clustering of Gaussian copulas for mixed data." Communications in Statistics-Theory and Methods 46.23 (2017): 11635-11656.

[Yilmaz2021] Yasin Yilmaz, Mehmet Aktukmak, and Alfred O. Hero. "Multimodal Data Fusion in High-Dimensional Heterogeneous Datasets Via Generative Models." IEEE Transactions on Signal Processing 69 (2021): 5175-5188.