• Un nouvel algorithme d'apprentissage automatique (ML) utilise l'intelligence artificielle (IA) et l'EEG d'Emotiv pour calculer l'âge cérébral d'une personne.

• Des modifications de l'EEG d'une personne à l'état de repos pourraient signaler les premiers signes de maladies dégénératives telles que la maladie d'Alzheimer.

• Les résultats de la recherche, publiés dans Frontiers in Neuroergonomics, proposent une approche proactive des dépistages de la santé cérébrale.

Des chercheurs ont mis au point une nouvelle méthode pour calculer la différence entre l'âge chronologique et l'âge cérébral d'une personne. Ce modèle d'apprentissage automatique utilise les casques Emotiv Epoc X pour mesurer l'activité électrique pendant l'état de repos du cerveau (éveillé mais sans tâche à accomplir) et la compare aux données statistiques d'adultes sains.

Kounios et al. (2024) ont entraîné l'algorithme avec des données cérébrales d'Epoc X recueillies auprès d'un groupe de participants en personne et en ligne à distance, ainsi qu'avec des ensembles de données d'entraînement supplémentaires. Au total, l'étude a utilisé cinq ensembles de données combinés.

Pourquoi l'âge cérébral est-il important ?

Le cerveau humain change constamment, ajoutant de nouvelles connexions et réparant les anciennes tout au long de notre vie. Les blessures et les maladies peuvent retarder ou accélérer le stade de développement d'un cerveau, provoquant un « écart d'âge cérébral ». Ces écarts peuvent servir de signaux d'alarme pour les maladies liées à l'âge. Malheureusement, les scanners cérébraux sont souvent coûteux et fastidieux, et ne sont réalisés que lorsque les symptômes de la maladie se manifestent.

Les auteurs suggèrent que l'examen des individus au début de l'âge mûr ou plus jeunes augmente la possibilité de détecter et de traiter les troubles neurologiques liés à l'âge dès leurs phases les plus précoces.

« Notre approche de l'estimation de l'âge cérébral par EEG présente plusieurs applications prometteuses », notent les auteurs. « Elle peut être utilisée comme un outil de dépistage relativement peu coûteux pour identifier les personnes dont l'écart d'âge cérébral suggère la possibilité d'une pathologie sous-jacente liée à l'âge, qui peut ensuite faire l'objet de tests de diagnostic spécifiques. De plus, en raison du coût relativement bas du casque Emotiv Epoc X, l'estimation de l'âge cérébral par EEG peut être effectuée à plusieurs reprises pour vérifier les résultats et détecter les changements au fil du temps. »

Cet ensemble de données sur l'âge cérébral peut également être utile pour tester des interventions potentielles visant à ralentir ou à inverser le vieillissement neurologique. Par exemple, une étude de 2020 financée par le National Institute on Aging a révélé que certains facteurs de style de vie sain pouvaient réduire le risque d'Alzheimer de 60 % (Dhana et al., 2020).

L'EEG sans fil à la rescousse

Kounios et ses collègues ont salué l'Epoc X pour son prix abordable et son accessibilité. Ils ont déclaré qu'il permet aux gens d'estimer leur âge cérébral à la maison ou au travail. Cela pourrait mener à davantage de recherches sur le déclin cognitif lié à l'âge et sur les interventions liées au mode de vie pour la santé cognitive.

Apprendre à calculer l'âge cérébral ouvre également d'autres possibilités. Par exemple, il existe un groupe de personnes de 80 et 90 ans appelées « super-seniors cognitifs » qui défient les statistiques. Les super-seniors cognitifs ont des performances de mémoire similaires à celles d'adultes de 20 à 30 ans plus jeunes. Les études actuelles visent à apprendre de ce groupe exceptionnel d'individus et à utiliser ces informations pour favoriser un vieillissement cérébral sain.

Les neuroscientifiques et d'autres chercheurs espèrent mieux comprendre le rôle que jouent l'alimentation, l'environnement, le mode de vie et la génétique dans la manière dont nos cerveaux vieillissent.

Les auteurs soulignent l'importance d'évaluer la stabilité de leur modèle de dépistage de l'âge cérébral sur une période prolongée. Des recherches futures sont également nécessaires pour valider ces résultats avec un échantillon de données d'EEG cérébraux plus important et plus diversifié.

Références :

Dhana, K., Evans, D. A., Rajan, K. B., Bennett, D. A., & Morris, M. C. (2020). Healthy lifestyle and the risk of Alzheimer dementia. Neurology, 95(4). https://doi.org/10.1212/wnl.0000000000009816

Kounios, J., Fleck, J. I., Zhang, F., & Oh, Y. (2024). Brain-age estimation with a low-cost EEG-headset: effectiveness and implications for large-scale screening and brain optimization. Frontiers in Neuroergonomics, 5. https://doi.org/10.3389/fnrgo.2024.1340732