​Avec l’imagerie par résonance magnétique, il est possible de « voir » le cerveau en pleine action. La méthode la plus utilisée est l’IRM fonctionnelle par effet « BOLD » (IRMf BOLD). Mais cette méthode est un détecteur indirect de l’activité neuronale : elle permet d’établir des cartes de variations locales transitoires du débit sanguin et c’est parce que l’activation neuronale s’accompagne d’une augmentation locale de ce débit (on parle de couplage neurovasculaire) que les cartes BOLD reflètent les variations de l’activité neuronale. Le couplage neurovasculaire est habituellement considéré comme un système linéaire invariant dans le temps et il est représenté par une fonction mathématique, la fonction de réponse hémodynamique (FRH). L’un des points critiques est que, de par sa nature, la FRH varie d’une région à l’autre du cerveau, d’un individu à l’autre, d’un état (normal/pathologique) à l’autre, etc. L’estimer à l’échelle individuelle et dans chaque aire cérébrale afin de recouvrer (par une opération mathématique de déconvolution) les activités neuronales locales résolues dans le temps à partir des données d’IRMf BOLD s’avère ardu.

Plusieurs méthodes sont déjà employées pour estimer la FRH pour des expériences d’IRMf où l’on demande aux sujets de réaliser des tâches (IRMf d’activation). Ces méthodes adaptent un modèle pour expliquer le signal BOLD à partir du paradigme expérimental, c’est-à-dire à partir de l’activité cérébrale attendue en fonction de l’expérience dans laquelle est engagé le sujet. L’une des limites est que le paradigme expérimental vient en quelque sorte se substituer à l’activité cérébrale réelle et qu’il ne rend pas compte des possibles différences de délai de réponse entre les sujets. De plus, il n’est pas possible d’utiliser ces méthodes pour estimer l’HRF dans des expériences d’IRMf de repos (sans paradigme expérimental).

Des chercheurs de l’équipe PARIETAL (NeuroSpin), en collaboration avec l’unité BioMaps (SHFJ) et l’Université d’Edimbourg, proposent une méthode de déconvolution qui identifie simultanément le couplage hémodynamique régional, les signaux caractéristiques de l’activité neuronale et les régions cérébrales associées à chacun d’eux. Cette méthode est polyvalente et peut traiter des données d’IRMf de repos ou d’activation, dans un temps très court (1 min par cerveau) grâce à une implémentation optimisée. Elle est accessible en open-source comme module Python (hemolearn : https://github.com/hcherkaoui/hemolearn).

Plusieurs validations ont été conduites. A l’échelle d’un individu, les chercheurs ont su identifier ses principaux réseaux fonctionnels cérébraux de repos et accéder à leur dynamique neurale sous-jacente. A l’échelle d’un groupe (48 individus) issu de la cohorte UK Biobank, cette méthode a permis de quantifier un indice de variabilité hémodynamique inter-hémisphérique afin de discriminer automatiquement des patients ayant subi un accident vasculaire cérébral de sujets sains. De même, ils ont montré sur 459 individus répartis entre seniors (64 à 70 ans) et plus jeunes (40 à 44 ans), qu’un délai hémodynamique allongé est un bon prédicteur (précision de 75 %) du vieillissement cérébral.