Une approche de jumeau numérique pour la reconstruction simultanée de l'anatomie et de la dynamique cérébrales à partir de données neuronalesA digital twin approach for simultaneous reconstruction of brain anatomy and dynamics from neural data.
- Le pipeline FEDE combine analyse par éléments finis et modélisation biophysique pour créer des jumeaux numériques cérébraux fidèles.
- Il reconstruit simultanément des caractéristiques structurelles multi-échelles (de la connectivité globale aux échelles de temps synaptiques) et reproduit l'activité neuronale.
- Une première application a permis de générer le jumeau numérique d'un enfant autiste, identifiant des anomalies potentielles dans la transmission synaptique.
L'article présente une méthode innovante de jumeau numérique appliquée à l'autisme, avec des implications cliniques prometteuses. Cependant, il s'agit d'une preuve de concept sur un seul cas, ce qui limite le niveau de preuve. La pertinence pour NeuroWatch est élevée en raison du potentiel pour les troubles neurodéveloppementaux.
Le pipeline n'a été testé que sur un seul sujet, limitant la généralisabilité des résultats. La complexité computationnelle et le besoin de données d'imagerie haute résolution peuvent restreindre l'adoption clinique. La validation des anomalies synaptiques estimées nécessite des données expérimentales supplémentaires. L'intégration de données multi-échelles reste un défi technique pour une utilisation clinique courante.
Cet article présente le pipeline FEDE, qui génère des jumeaux numériques anatomiquement précis du cerveau à partir de données d'imagerie. En combinant analyse par éléments finis et modélisation biophysique, FEDE reconstruit la structure cérébrale multi-échelle et reproduit l'activité neuronale globale. Les auteurs ont appliqué cette méthode à un jeune enfant autiste, estimant des anomalies possibles dans la transmission synaptique, en accord avec la physiopathologie des TSA. Cette approche ouvre la voie à des applications cliniques des jumeaux numériques.
Le pipeline FEDE combine analyse par éléments finis et modélisation biophysique pour créer des jumeaux numériques cérébraux fidèles. Il reconstruit simultanément des caractéristiques structurelles multi-échelles (de la connectivité globale aux échelles de temps synaptiques) et reproduit l'activité neuronale. Une première application a permis de générer le jumeau numérique d'un enfant autiste, identifiant des anomalies potentielles dans la transmission synaptique. Cette méthode intègre structure et dynamique cérébrales dans un cadre unifié, améliorant la modélisation du cerveau entier.
Les jumeaux numériques pourraient permettre une médecine personnalisée, en simulant l'effet d'interventions sur le cerveau de patients individuels. L'identification d'anomalies synaptiques spécifiques au patient pourrait guider des stratégies thérapeutiques ciblées dans les TSA. À terme, cette approche pourrait améliorer le diagnostic et le suivi des troubles neurodéveloppementaux en fournissant des biomarqueurs in silico.
Faible