| L'électroencéphalographie à haute résolution dans la maladie de Parkinson : suivi longitudinal et phénotypage de la maladie (High-density electroencephalography in Parkinson's disease : longitudinal tracking and disease phenotyping) Yassine, Sahar - (2023-06-02) / Universite de Rennes - L'électroencéphalographie à haute résolution dans la maladie de Parkinson : suivi longitudinal et phénotypage de la maladie
| |||
Langue : Anglais Directeur(s) de thèse: Vérin, Marc Discipline : Analyse et traitement de l'information et des images médicales Laboratoire : Laboratoire de Traitement du Signal et de l'Image Ecole Doctorale : SVS Classification : Médecine et santé Mots-clés : Electroencéphalographie, Maladie de Parkinson, Progression, Phénotypage, Anxiété, Etat de repos
| |||
Résumé : Comprendre comment les troubles neurologiques affectent les fonctions cérébrales depuis le début de la maladie et tout au long de sa progression est un défi important en neuroscience clinique. La maladie de Parkinson (MP) est le trouble du mouvement le plus courant et une maladie neurologique prévalente qui contribue significativement à la charge mondiale de handicap en raison de sa variabilité dans les symptômes et la progression. Par conséquent, prédire avec précision la gravité et la progression de la MP constitue une étape importante vers un conseil optimal aux patients, des soins spécifiques aux symptômes et des traitements efficaces. Toutefois, pour atteindre cet objectif, il est nécessaire de développer des biomarqueurs fiables qui caractérisent non seulement la maladie mais aussi suivent et prédisent avec précision son évolution. Ces dernières années, l'électroencéphalographie (EEG) est apparue comme un outil précieux en pratique clinique à cette fin. Cette technique de neuroimagerie directe, non invasive, peu coûteuse et relativement facile à utiliser permet l'extraction d'informations clés sur les altérations de l'activité cérébrale associées à des affections neurologiques telles que la MP. Dans ce contexte, cette thèse vise à étudier dans quelle mesure l'EEG à haute résolution en état de repos peut précisément caractériser les fonctions cérébrales anormales associées à différents aspects cliniques de la MP et à identifier des mesures basées sur l'EEG qui peuvent prédire les résultats de la maladie. Pour ce faire, nous avons mené trois études différentes en utilisant des enregistrements longitudinaux d'EEG à haute résolution en état de repos et une batterie de tests neuropsychologiques et cliniques pour des patients atteints de MP et des sujets sains contrôles, à la ligne de base ainsi qu'au suivi après 3 et 5 ans. Nous avons d'abord examiné les changements longitudinaux dans les réseaux fonctionnels cérébraux des patients atteints de MP sur 5 ans et avons associé différents modèles d'anomalies aux scores cognitifs des patients et à la latéralisation de leurs symptômes moteurs. Deuxièmement, nous avons identifié les sous-types de la maladie de Parkinson en se basant exclusivement sur les caractéristiques EEG. Nous avons mené une analyse de « Clustering » pour identifier ces sous-types et les avons associés à des modèles uniques de perturbations. Nous avons étudié leur capacité à prédire le déclin cognitif chez les patients, ainsi qu'à caractériser la trajectoire clinique de la maladie au fil du temps. Troisièmement, nous avons étudié les empreintes électrophysiologiques qui caractérisent l'anxiété chez les patients atteints de la maladie de Parkinson et les avons corrélées avec les résultats cliniques de la maladie liés à l'anxiété tout au long de la progression de la maladie. Dans l'ensemble, nos résultats ont montré différents modèles d'anomalies qui caractérisent les aspects distincts d'intérêt et nous avons été en mesure d'identifier des marqueurs basés sur l'EEG qui peuvent être corrélés avec les résultats cliniques de la maladie et peuvent prédire son évolution. Nous croyons que cette thèse démontre le potentiel de l'EEG à haute résolution en état de repos dans le développement de biomarqueurs fiables des symptômes et de la progression de la MP, ce qui peut conduire ultimement à un pronostic et un diagnostic plus précis ainsi qu'à de meilleures stratégies thérapeutiques. Abstract : Understanding how neurological disorders affect brain functions from disease onset and throughout progression is a significant challenge in clinical neuroscience. Parkinson's disease (PD) is the most common movement disorder and a prevalent neurological condition that significantly contributes to the global burden of disability due to its variability in symptoms and progression. Therefore, accurately predicting PD's severity and progression is a significant step towards optimal patient counselling, symptom-specific care, and effective treatments. However, achieving this objective depends on developing reliable biomarkers that not only characterize the disease but also accurately track and predict its evolution. In recent years, electroencephalography (EEG) has emerged as a valuable tool in clinical practice for this purpose. This direct, non-invasive, inexpensive, and relatively easy-to-use neuroimaging technique allows for the extraction of key information about alterations in brain activity associated with neurological conditions such as PD. Within this context, this dissertation aims to investigate the extent to which resting-state high-density (HD)-EEG can precisely characterize the abnormal brain functions associated with different clinical aspects in PD and identify EEG-based measures that can predict disease outcomes. To this end, we conducted three different studies using longitudinal resting-state HD-EEG recordings and a battery of neuropsychological and clinical tests for PD patients and healthy controls at baseline as well as at follow-ups after 3 years and 5 years. We first examine the longitudinal changes in brain functional networks of PD patients over 5 years and associate different patterns of abnormalities with patients’ cognitive scores and lateralization of motor symptoms. Second, we identify PD subtypes by deconstructing disease heterogeneity using EEG features. We conducted a clustering analysis to identify these subtypes and associated them with unique patterns of disruptions. We investigated their ability to predict cognitive decline in patients, as well as to characterize the clinical disease trajectory over the course of the disease. Third, we investigate the electrophysiological fingerprints that characterize the anxiety in PD patients and correlate with clinical disease outcomes related to anxiety throughout disease progression. Overall, our results showed different patterns of abnormalities that characterized the distinct aspects of interest and we were able to identify EEG-based markers that can correlate with the clinical outcomes of the disease and can predict its evolutions. We believe that this dissertation demonstrates the potential of resting-state HD-EEG in developing reliable biomarkers of PD symptoms and progression, which can ultimately lead to more accurate prognosis and diagnosis as well as better therapeutics strategies. | |||