Traduction: G.M.
J Intellect Dev Disabil. 2012 Nov 16.
L'enseignement des habiletés de jeu pour les jeunes enfants atteints d'autisme
Source
Otterbein University , USA.
Blog d'information et de nouvelles scientifiques sur l'autisme. Scientific information and news on Autism.
Kevin Pelphrey: "Une source importante de données pour une hypothèse de premier plan résulte d'un artefact"
De nombreuses études ont porté sur la connectivité fonctionnelle dans le cerveau des personnes avec autisme, et la plupart ont rapporté des preuves appuyant l'hypothèse de connectivité. Ces résultats sont cohérents avec les résultats de certains modèles animaux de l'autisme et des études utilisant l'imagerie du tenseur de diffusion, qui mesure les faisceaux de fibres reliant les parties du cerveau.
Mais trois études publiées en 2012 sont arrivées à la même conclusion: les mouvements de la tête conduisent à des biais systématiques dans l'IRMf basée sur des analyses de connectivité fonctionnelle2, 3, 4. Plus précisément, le mouvement fait apparaître les connexions à longue portée comme si elles étaient plus faibles qu'ils sont vraiment, et les connexions à courte portée comme plus fortes qu'elles le sont réellement.
Ce biais affecte toutes les analyses de connectivité fonctionnelle, mais elle est particulièrement insidieuse pour les études de l'autisme. C'est parce que cela mènerait exactement aux modèles qui ont été observées dans IRMf des enfants atteints d'autisme, et parce que les enfants atteints d'autisme se déplacent généralement plus que les enfants non affectés.
Comment les chercheurs qui travaillent sur l'autisme peuvent-ils s'affranchir de ce biais ? Une approche possible serait de définir une mesure du mouvement de la tête de chaque participant au cours d'un scan - par exemple, pour calculer le déplacement de la tête entre des points de temps consécutifs, et la moyenne de ces déplacements. Les chercheurs peuvent ensuite vérifier que les groupes avec de l'autisme et les groupes contrôle sont bien adaptés à cette mesure, ou bien inclure cette valeur comme une variable nuisance dans les analyses de régression.
La mise en correspondance, cependant, devrait être plus précise: comme l'une des nouvelles études ont montré, même une différence aussi petite que 0,004 millimètre de moyenne de mouvement de la tête , dans les groupes de patients peut conduire à des différences significatives dans la force de la corrélation 4.
En outre, il est probable que les artefacts de mouvement peuvent persister même lorsque les groupes sont appariés sur le mouvement moyen de la tête . Tout d'abord, il existe des preuves que les mouvements de la tête sont liés aux mesures de connectivité fonctionnelle dans un mode non linéaire 2, 4.
Si c'est vrai, ce ne serait pas suffisant pour expliquer les effets linéaires de mouvement. Même si le mouvement de la tête ne diffère pas significativement entre les groupes, une fonction non linéaire du mouvement de la tête le pourrait.
Deuxièmement, une estimation donnée de mouvement moyen peut correspondre à des scénarios assez différents - quelques mouvements isolés, mais important, ou petits mouvements constants - qui ont des effets différents sur les signaux IRMf et sur les mesures de connectivité fonctionnelle. Par exemple, il a été démontré que les grands mouvements saccadés conduit à des pointes de courte durée dans l'intensité du signal IRMf.
Partant de ce constat, les neuroscientifiques cognitivistes Steven Petersen et ses collègues de l'Université Washington à St Louis, Missouri, proposent une stratégie pour atténuer les artefacts liés au mouvement de la tête. Ils recommandent la suppression des périodes de déplacement élevée. Ils ont montré que cette technique, qu'ils appellent «frotter», corrige au moins quelques-unes des corrélations parasites causées par les mouvements de la tête. Cette approche est prometteuse, mais de nombreuses questions demeurent. Par exemple, l'ampleur des corrélations induites par le mouvement, même après l'épuration des données, n'est pas bon compris. En outre, le seuil de mouvement optimale pour la suppression des périodes n'a pas été étudié en détail. Cependant, effectuer le nettoyage en plus de l'assortiment des groupes en fonction des estimations moyennes de mouvement de la tête et d'autres méthodes standard de réduction du bruit représentent des pratiques courantes dans la recherche fonctionnelle de connectivité. L'épuration des données peut être facilement mise en œuvre en utilisant un logiciel librement disponible comme outil de détection d'artefact ou par la mise en œuvre des modifications personnalisées aux programmes. Réanalyser les données devrait être facilité par des outils fournis par la base de données nationale américaine for Autism Research, qui fait partie des National Institutes of Health. En outre, une mine d'informations est mise depuis peu à la disposition du public dans Autism Brain Imaging Data Exchange - une collection données d'imagerie IRMf fixe de repos de 539 personnes atteintes d'autisme et 573 personnes contrôle. Revisiter les études d'IRMf avec ces approches permettrait d'établir s'il y a réellement un déficit de connectivité dans le cerveau des personnes atteintes d'autisme.
Références
|