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

• Des changements dans l'EEG au repos d'une personne pourraient signaler des signes précoces de maladies dégénératives telles qu'Alzheimer.

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

Les chercheurs ont développé une nouvelle méthode pour calculer la différence entre l'âge chronologique d'une personne et son âge cérébral. Ce modèle d'apprentissage automatique utilise des 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 à des données statistiques portant sur des adultes en bonne santé.

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

Pourquoi l'âge cérébral est-il important ?

Le cerveau humain change constamment, en créant de nouvelles connexions et en réparant les anciennes tout au long de notre vie. Les blessures et les maladies peuvent retarder ou accélérer le stade de développement du cerveau, créant un "écart d'âge cérébral". Ces écarts peuvent servir de signes d'alerte de maladies liées à l'âge. Malheureusement, les examens cérébraux sont souvent coûteux et chronophages et ne sont réalisés qu'une fois que les symptômes de la maladie se manifestent.

Les auteurs proposent que le fait de scanner des personnes au début de l'âge mûr ou plus jeunes augmente la possibilité de détecter et de traiter les troubles neurologiques liés à l'âge à leurs stades les plus précoces.

« Notre approche de l'estimation de l'âge cérébral par EEG a plusieurs applications prometteuses », notent les auteurs. « Elle peut être utilisée comme 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 pourra ensuite être confirmée par des tests diagnostiques spécifiques. De plus, en raison du coût relativement faible du casque Emotiv Epoc X, l'estimation de l'âge cérébral par EEG peut être effectuée à plusieurs reprises afin de vérifier les résultats et de détecter les changements au fil du temps. »

Cet ensemble de données sur l'âge cérébral pourrait également être utile pour tester des interventions potentielles visant à ralentir ou inverser le vieillissement neurologique. Par exemple, une étude de 2020 financée par le National Institute on Aging a montré que certains facteurs de mode 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 caractère abordable et accessible. Ils ont déclaré qu'il permet aux gens d'estimer leur âge cérébral à domicile ou au travail. Cela pourrait conduire à davantage de recherches sur le déclin cognitif lié à l'âge et sur des interventions de mode de vie pour la santé cognitive.

Apprendre à calculer l'âge cérébral ouvre aussi d'autres possibilités. Par exemple, il existe un groupe de personnes dans les 80 et 90 ans appelé « super-âgés cognitifs » qui défie les statistiques. Les super-âgés cognitifs présentent des performances de mémoire similaires à celles d'adultes 20-30 ans plus jeunes. Les études actuelles visent à tirer parti de ce groupe exceptionnel d'individus et à utiliser ces informations pour promouvoir un vieillissement cérébral en bonne santé.

Les neuroscientifiques et autres chercheurs espèrent mieux comprendre les rôles que jouent l'alimentation, l'environnement, les modes de vie et la génétique dans le vieillissement de notre cerveau.

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 à l'aide d'un échantillon de données EEG cérébrales plus vaste et plus diversifié.

Références :

Dhana, K., Evans, D. A., Rajan, K. B., Bennett, D. A., & Morris, M. C. (2020). Mode de vie sain et risque de démence d'Alzheimer. Neurology, 95(4). https://doi.org/10.1212/wnl.0000000000009816

Kounios, J., Fleck, J. I., Zhang, F., & Oh, Y. (2024). Estimation de l'âge cérébral avec un casque EEG à faible coût : efficacité et implications pour le dépistage à grande échelle et l'optimisation cérébrale. Frontiers in Neuroergonomics, 5. https://doi.org/10.3389/fnrgo.2024.1340732