La cartographie des lésions-symptômes (LSM), également appelée cartographie lésion-comportement, est un outil important pour étudier l’architecture fonctionnelle du cerveau humain¹. Dans les études de lésion, la fonction de cerveau est déduite et localisée en étudiant des patients présentant des lésions cérébrales acquises. Les premières études de cas liant les symptômes neurologiques à des endroits spécifiques du cerveau réalisés au XIXe siècle ont déjà fourni des informations fondamentales sur les corrélations anatomiques du langage et de plusieurs autres processus cognitifs². Pourtant, les corrélations neuroanatomiques de nombreux aspects de la cognition et d’autres fonctions cérébrales sont restées insaisissables. Au cours des dernières décennies, l’amélioration des méthodes d’imagerie structurale du cerveau et les progrès techniques ont permis des études In vivo LSM à grande échelle avec une résolution spatiale élevée (c.-à-d. au niveau des voxels individuels ou des régions d’intérêt corticales/subcorticales spécifiques)^{1 ,2}. Avec ces progrès méthodologiques, LSM est devenu une méthode de plus en plus populaire dans les neurosciences cognitives et continue d’offrir de nouvelles perspectives sur la neuroanatomie de la cognition et les symptômes neurologiques³. Une étape cruciale dans n’importe quelle étude de LSM est la segmentation précise des lésions et l’enregistrement à un modèle de cerveau. Cependant, un tutoriel complet pour le prétraitement des données d’imagerie cérébrale à des fins de LSM fait défaut.

Fourni ici est un tutoriel complet pour une segmentation des lésions standardisées et la méthode d’enregistrement. Cette méthode fournit aux chercheurs un pipeline pour le traitement normalisé de l’image cérébrale et une vue d’ensemble des pièges potentiels qui doivent être évités. Le pipeline de traitement d’images présenté a été développé grâce à des collaborations internationales⁴ et fait partie du cadre du consortium de cartes Meta VCI récemment fondé, dont le but est d’effectuer des études multicentriques de cartographie des lésions-symptômes dans troubles cognitifs vasculaires ‘lt;www.metavcimap.org ‘gt;⁵. Cette méthode a été conçue pour traiter les tomodensitométries et les IRM de plusieurs fournisseurs et de protocoles d’analyse hétérogènes afin de permettre le traitement combiné des ensembles de données d’imagerie provenant de différentes sources. Le logiciel RegLSM requis et tous les autres logiciels nécessaires à ce protocole sont disponibles gratuitement, à l’exception de MATLAB, qui nécessite une licence. Ce tutoriel se concentre sur la segmentation et l’enregistrement des infarctus du cerveau, mais ce pipeline de traitement d’image peut également être utilisé pour d’autres lésions, telles que les hyperintensités de matière blanche⁶.

Avant de lancer une étude LSM, une compréhension de base des concepts généraux et des pièges est nécessaire. Plusieurs lignes directrices détaillées et un guide de l’auto-stoppeur sont disponibles^1,3,6. Cependant, ces commentaires ne fournissent pas un tutoriel pratique détaillé pour les étapes pratiques impliquées dans la collecte et la conversion des scanners cérébraux à un format approprié, segmenter l’infarctus du cerveau, et l’enregistrement des scans à un modèle de cerveau. Le présent document fournit un tel tutoriel. Les concepts généraux de LSM sont fournis dans l’introduction avec des références pour une lecture plus approfondie sur le sujet.

Objectif général des études cartographiques des lésions-symptômes

Du point de vue de la neuropsychologie cognitive, les lésions cérébrales peuvent être utilisées comme condition modèle pour mieux comprendre les fondements neuronaux de certains processus cognitifs et pour obtenir une image plus complète de l’architecture cognitive du cerveau¹ . Il s’agit d’une approche classique en neuropsychologie qui a été appliquée pour la première fois dans les études post-mortem au XIXe siècle par des pionniers comme Broca et Wernicke². À l’ère de l’imagerie cérébrale fonctionnelle, l’approche de la lésion est restée un outil crucial en neurosciences, car elle fournit la preuve que les lésions dans une région spécifique du cerveau perturbent la performance des tâches, tandis que les études d’imagerie fonctionnelle démontrent les régions du cerveau qui sont activé pendant la performance de la tâche. En tant que telles, ces approches fournissent des informations complémentaires¹.

Du point de vue de la neurologie clinique, les études de LSM peuvent clarifier la relation entre l’emplacement de lésion et le fonctionnement cognitif dans les patients présentant des infarctus symptomatiques aigus, des hyperintensités de matière blanche, des lacunes, ou d’autres types de lésion (par exemple, tumeurs ). Des études récentes ont montré que de telles lésions dans les régions stratégiques du cerveau sont plus pertinentes dans l’explication de la performance cognitive que la charge de lésion globale^2,5,7^,8. Cette approche a le potentiel d’améliorer la compréhension de la physiopathologie des troubles complexes (dans cet exemple, déficience cognitive vasculaire) et peut fournir des occasions de développer de nouveaux outils diagnostiques et pronostiques ou de soutenir le traitement stratégies².

LSM a également des applications au-delà du domaine de la cognition. En fait, n’importe quelle variable peut être liée à l’emplacement de lésion, y compris les symptômes cliniques, les biomarqueurs, et les résultats fonctionnels. Par exemple, une étude récente a déterminé les endroits infarctus qui étaient prédictifs des résultats fonctionnels après course ischémique¹⁰.

Voxel-basé par rapport à la région de la cartographie des lésions-symptômes basée sur les intérêts

Pour effectuer la cartographie des symptômes de lésion, les lésions doivent être segmentées et enregistrées sur un modèle cérébral. Pendant la procédure d’enregistrement, le cerveau de chaque patient est aligné spatialement (c.-à-d., normalisé ou enregistré à un modèle commun) pour corriger les différences dans la taille, la forme, et l’orientation de cerveau de sorte que chaque voxel dans la carte de lésion représente le même anatomique structure pour tous les patients⁷. Dans l’espace standard, plusieurs types d’analyses peuvent être effectuées, qui sont brièvement résumées ici.

Une analyse brute de lésion-soustraction peut être exécutée pour montrer la différence dans la distribution de lésion dans les patients présentant des déficits comparés aux patients sans déficits. La carte de soustraction qui en résulte montre des régions qui sont le plus souvent endommagées chez les patients présentant des déficits et épargnées chez les patients sans^{déficits 1}. Bien qu’une analyse de lésion-soustraction puisse fournir quelques aperçus dans les corrélations d’une fonction spécifique, elle ne fournit aucune preuve statistique et est maintenant la plupart du temps employée quand la taille d’échantillon est trop basse pour fournir assez de puissance statistique pour voxel-basé lésion-symptôme Cartographie.

Dans la cartographie des lésions-symptômes à base de voxel, une association entre la présence d’une lésion et la performance cognitive est déterminée au niveau de chaque voxel individuel dans le cerveau (Figure 1). Le principal avantage de cette méthode est la haute résolution spatiale. Traditionnellement, ces analyses ont été effectuées dans une approche de masse-univariate, qui justifie la correction pour les essais multiples et introduit un biais spatial causé par des corrélations inter-voxel qui ne sont pas prises en compte^{1,10 , 11}. Approches récemment développées qui tiennent compte des corrélations inter-voxel (généralement appelées méthodes de cartographie multivariées lésion-symptôme, telles que l’analyse bayésienne¹³, la régression des vecteurs de soutien^{4, 14}, ou d’autres algorithmes d’apprentissage automatique¹⁵) montrent des résultats prometteurs et semblent améliorer la sensibilité et la spécificité des résultats des analyses LSM voxel-sage par rapport aux méthodes traditionnelles. L’amélioration et la validation des méthodes multivariées pour le LSM voxel-sage est un processus continu. Le meilleur choix de méthode pour la cartographie spécifique de lésion-symptôme dépend de beaucoup de facteurs, y compris la distribution des lésions, la variable de résultat, et les hypothèses statistiques sous-jacentes des méthodes.

Dans la cartographie des lésions-symptômes basée sur la région d’intérêt (ROI), une association entre le fardeau de lésions dans une région spécifique du cerveau et la performance cognitive est déterminée (voir la figure 1 dans Biesbroek et al.² pour une illustration). Le principal avantage de cette méthode est qu’elle considère la charge cumulative de lésion dans une structure anatomique, qui dans certains cas peut être plus instructive qu’une lésion dans un seul voxel. D’autre part, les analyses basées sur le retour sur investissement ont un pouvoir limité pour détecter les modèles qui ne sont présents que dans un sous-ensemble de voxels dans la région¹⁶. Traditionnellement, la cartographie de lésion-symptôme basée sur le roi-roi est exécutée utilisant la régression logistique ou linéaire. Récemment, des méthodes multivariées qui traitent mieux de la collinearité ont été introduites (par exemple, l’analyse du réseau bayésien¹⁷, la régression des vecteurs de soutien^4,18, ou d’autres algorithmes d’apprentissage automatique¹⁹), qui peuvent améliorer la spécificité des résultats des études de cartographie de lésion-symptôme.

Sélection des patients

Dans les études sur les LSM, les patients sont habituellement sélectionnés en fonction d’un type de lésion spécifique (p. ex., des infarctus du cerveau ou des hyperintensités de la matière blanche) et de l’intervalle de temps entre le diagnostic et l’évaluation neuropsychologique (p. ex., un aVC aigu ou un accident vasculaire cérébral chronique). La conception optimale de l’étude dépend de la question de recherche. Par exemple, lorsqu’ils étudient l’architecture fonctionnelle du cerveau humain, les patients ayant subi un AVC aigu sont idéalement inclus parce que la réorganisation fonctionnelle n’a pas encore eu lieu à ce stade, alors que les patients atteints d’AVC chronique devraient être inclus dans l’étude de la effets à long terme de l’AVC sur la cognition. Une description détaillée des considérations et des pièges dans la sélection des patients est fournie ailleurs⁷.

Prétraitement d’image de cerveau pour le but de la cartographie de lésion-symptôme

La segmentation précise de lésion et l’enregistrement à un modèle commun de cerveau sont des étapes cruciales dans la cartographie de lésion-symptôme. La segmentation manuelle des lésions reste l’étalon-or pour de nombreux types de lésions, y compris les infarctus⁷. Fourni est un tutoriel détaillé sur les critères de segmentation des infarctus manuels sur les tomodensitométries, l’imagerie pondérée par diffusion (DWI), et la récupération de l’inversion des fluides atténués (FLAIR) séquences IRM dans les deux stades aigus et chroniques. Les infarctus segmentés (c.-à-d. les cartes de lésion binaire 3D) doivent être enregistrés avant toute analyse à travers le sujet. Ce protocole utilise la méthode d’enregistrement RegLSM, qui a été développé dans un cadre multicentrique⁴. RegLSM applique des algorithmes d’enregistrement linéaires et non linéaires basés sur elastix²⁰ pour la ToMode et l’IRM, avec une étape supplémentaire de traitement de la tomodensitométrie spécialement conçue pour améliorer la qualité d’enregistrement des tomodensitométries²¹. En outre, RegLSM permet d’utiliser différents modèles de cerveau cible et une étape d’enregistrement intermédiaire (facultatif) à un modèle CT/MRI spécifique à l’âge²². La possibilité de traiter à la fois les tomodensitométries et les IRM et sa personnalisation en ce qui concerne les modèles de cerveau intermédiaire et cible fait de RegLSM un outil de traitement d’image très approprié pour LSM. L’ensemble du processus de préparation et de segmentation des tomodensitométries/IRM, l’enregistrement à un modèle cérébral et les corrections manuelles (si nécessaire) sont décrits dans la section suivante.

Figure 1 : Illustration schématique du concept de cartographie des lésions-symptômes à base de voxel. La partie supérieure montre les étapes de pré-traitement de l’image cérébrale consistant à segmenter la lésion (un infarctus aigu dans ce cas) suivie de l’enregistrement à un modèle de cerveau (le modèle MNI-152 dans ce cas). Ci-dessous, une partie de la carte de lésion binaire enregistrée du même patient est montrée comme une grille 3D, où chaque cube représente un voxel. Pris avec les cartes de lésion de 99 autres patients, une carte de la pariure de lésion est produite. Pour chaque voxel, un test statistique est effectué pour déterminer l’association entre l’état de lésion et la performance cognitive. Le test chi-carré montré ici n’est qu’un exemple, n’importe quel test statistique pourrait être utilisé. Typiquement, des centaines de milliers de voxels sont testés dans tout le cerveau, suivi d’une correction pour de multiples comparaisons. Veuillez cliquer ici pour voir une version plus grande de ce chiffre.