Les pensées suicidaires sont-elles visibles dans le cerveau ?

Les pensées suicidaires sont-elles visibles dans le cerveau ?
Les émotions sont caractérisées par des schémas perceptibles à l'IRM et sont exprimées dans des contextes différents selon le profil psychologique CREATIVE COMMONS

Un algorithme se basant sur des IRM pourrait différencier les personnes suicidaires à la fois des non-suicidaires et des rescapés d’une tentative. Des résultats qui inspirent aux experts interrogés par Sciences et Avenir prudence et enthousiasme.

Il serait possible de distinguer une personne suicidaire ou ayant déjà tenté de se suicider des autres, uniquement en analysant des IRM avec un algorithme. C’est la conclusion d’une nouvelle étude publiée le 30 octobre 2017 dans Nature Human Behaviour. Une étude aux résultats très intéressants, mais à prendre « avec des pincettes », selon deux experts interrogés par Sciences et Avenir.

L’algorithme qui détecte les personnes suicidaires avec 85 à 91 % de succès

L’IRM fonctionnelle (Imagerie par Résonance Magnétique) permet de visualiser avec précision les zones du cerveau en activité en fonction du taux d’oxygénation du sang qui y circule. C’est par cette méthode qu’ont été observés 34 sujets : 17 ayant des pensées suicidaires (d’après leur analyse psychologique), et 17 sujets sains. Pendant le passage de chaque personne dans le tube de l’IRMf, 30 concepts sur lesquels ils devaient successivement se concentrer défilaient sur un écran. Ces concepts étaient positifs (confort, vitalité…), négatifs (inquiet, obscurité…) ou spécifiquement liés au suicide (mort, sans espoir…).

Les chercheurs et leur algorithme ont alors identifié six concepts (mort, cruauté, peine, insouciance, bien et éloge) et cinq zones du cerveau correspondant à quatre émotions (colère, honte, tristesse, fierté) qui permettaient de différencier au mieux les sujets sains des sujets suicidaires. Ils ont ensuite soumis à leur modèle informatique les résultats des sujets pour chacun des six concepts et des cinq zones du cerveau définies, en lui demandant d’identifier chaque personne comme suicidaire ou non.

Les résultats sont prometteurs : le modèle obtient 91 % de bonnes réponses, identifiant 15 des 17 sujets suicidaires et 16 des 17 sujets sains. Les concepts négatifs sélectionnés (mort, peine et cruauté) ont en effet entraîné plus de tristesse et de honte mais moins de colère dans le groupe suicidaire par rapport aux sujets sains. Lorsque les chercheurs mettent le modèle à l’épreuve sur 21 sujets suicidaires et 17 sains qu’ils avaient exclus de l’étude car leurs signaux n’étaient pas assez clairs à l’IRMf (pour des soucis de capacité à se concentrer par exemple), ils obtiennent une répartition suicidaire/sain correcte à 85 %. « C’est très rare d’obtenir des résultats aussi positifs dans une étude de ce type », commente Xavier Briffault, sociologue du CNRS au Centre de recherche médecine, sciences, santé, santé mentale, société (Cermes3), qui qualifie l’article de « très propre », bien que certains biais dans la méthode méritent d’être soulevés.

Des « résultats exploratoires » à prendre « avec des pincettes »

En effet, la multiplicité des mesures n’est pas prise en compte dans l’ajustement statistique des données. Selon Xavier Briffault « la probabilité que les résultats deviennent significatifs est augmentée lorsque l’on multiplie les mesures ». Il illustre ce biais par une étude qui à force de mesures répétées à l’IRM avait trouvé des traces d’activités cérébrales… dans un saumon mort. Une façon de mettre en exergue les risques de faux positifs inhérents à toute technique de mesure et à l’IRM en particulier.

Les critères sur lesquels se base l’algorithme sont également d’une importance capitale. Louis Falissard, spécialiste en machine learning au Laboratoire de Neurosciences computationnelles à l’Université d’Oxford, relate l’histoire d’une équipe persuadée d’avoir conçu un modèle capable de reconnaître les photos de chats de celles de chiens avec 99 % de réussite… Jusqu’à ce qu’ils se rendent compte que l’algorithme se basait tout bonnement sur la présence de la couleur verte dans la photo, les chiens étant plus souvent pris en extérieur que les chats. D’où l’importance d’avoir un jeu de données « test » non touché pendant l’élaboration du modèle pour le valider, ce qui a été fait dans l’étude en testant le modèle sur un individu laissé en dehors du groupe (validation croisée), une méthode « très légèrement biaisée » mais acceptable. Selon lui, « le problème, c’est la sélection des critères » : les mots et zones du cerveau examinées ont en effet été choisis parmi 1.000 critères, jusqu’à tomber sur ceux qui étaient les plus discriminants entre sujets suicidaires et sains… Un choix dont la significativité pourrait potentiellement être due au hasard au vu du faible nombre de sujets et au regard du nombre de critères examinés.

Cette méthodologie n’invalide pas les résultats, mais inspire la prudence car il existe une possibilité que la généralisation du modèle soit biaisée « et sa performance artificiellement gonflée », ajoute le spécialiste en machine learning. Malgré ces points faibles, ces deux experts s’accordent sur l’intérêt de ces résultats d’un point de vue exploratoire concernant une piste potentielle de biomarqueurs neuropsychiatriques pour les pensées suicidaires. Selon Louis Falissard, il reste à répliquer l’étude avec les mêmes critères sur nouveau groupe similaire pour en éliminer les biais.

Les psychothérapies suivies en direct par IRM, un fantasme pas si lointain ?

Autre résultat intéressant de l’étude : l’algorithme a permis de différencier au sein du « groupe suicidaire » ceux qui avaient fait une tentative (9 sujets) des autres (8 sujets) avec une précision de 94 %. Un résultat qui ne surprend pas Xavier Briffault : les suicidants (qui ont faite une tentative) ont moins peur du passage à l’acte que les individus suicidaires (ceux qui y pensent) et sont d‘ailleurs plus à même de récidiver. Il n’est donc pas surprenant que les réponses émotionnelles diffèrent. Dans l’étude, les scientifiques ont ainsi trouvé que les suicidants ressentaient moins de tristesse face au concept de « mort » par rapport aux personnes suicidaires, ce que les auteurs expliquent par une plus grande acceptation de la mort par les suicidants.

Savoir lire et interpréter aussi finement les réactions émotionnelles ouvre la porte à de nombreuses possibilités. Xavier Briffault ne pense pas que cette technique permettra d’identifier le risque de passage à l’acte des personnes suicidaires, qui dépend beaucoup de causes relationnelles (ruptures, séparations) survenant dans un contexte de troubles mentaux (troubles de l’humeur, troubles de la personnalité) et se fait sous alcool dans plus de la moitié des cas. En revanche, cela pourrait d’après lui constituer un élément supplémentaire pour évaluer le risque que présente le patient en sortie d’hôpital après une tentative. Les travaux futurs sur cette base pourraient également permettre d’appuyer le diagnostic de dépression ou autres troubles mentaux en fonction de l’activation de zones du cerveau identifiées. D’autres perspectives sont plus futuristes : « un jour pas si lointain nous pourrons peut être disposer d’instruments d’observation suffisamment fine de l’activité cérébrale en temps réel pour en faire un usage cliniquement pertinent, en complément avec d’autres biomarqueurs et indicateurs psychologiques et comportementaux », s’enthousiasme-t-il. Un dispositif qui, additionné aux nombreux objets connectés déjà existants et capables de détecter stress, activité et insomnies, permettrait aux professionnels de santé de disposer d’éléments de plus en plus précis dans leur diagnostic et suivi de troubles mentaux.

Science & Vie
Par Camille Gaubert

Voir aussi

Laisser un commentaire

Votre adresse électronique ne sera pas publiée. Les champs Exigés sont marqués avec *

Cancel reply