Modélisation normative des oscillations cérébrales MEG tout au long de la vie

À l’écoute du fond sonore discret du cerveau

Nos cerveaux ne sont jamais vraiment au repos. Même lorsque nous sommes assis tranquillement, les yeux ouverts ou fermés, des milliards de neurones vibrent ensemble selon des motifs rythmiques. Ces rythmes invisibles évoluent à mesure que nous grandissons, vieillissons, et quand la maladie apparaît. Cette étude vise à construire quelque chose comme des courbes de croissance pour ces rythmes — un moyen de voir ce qui est typique selon l’âge et le sexe — puis d’utiliser ces courbes pour repérer quand le cerveau d’un individu sort de la plage habituelle.

Pourquoi les rythmes cérébraux comptent

Les médecins utilisent depuis longtemps des courbes de taille et de poids pour suivre le développement physique d’un enfant. Récemment, les chercheurs en neurosciences ont commencé à faire de même pour la structure cérébrale, en utilisant l’IRM pour cartographier comment le volume et l’épaisseur du cerveau évoluent habituellement avec l’âge. Mais de nombreux troubles cérébraux ne concernent pas seulement la structure : ils perturbent aussi la manière dont les neurones s’activent ensemble dans le temps. Des techniques comme la magnétoencéphalographie (MEG) peuvent capturer ces rythmes électriques rapides, pourtant il n’existait pas de référence étendue, couvrant toute la vie, de ce à quoi ressemblent des rythmes cérébraux « normaux ». Sans cette référence, il est difficile de dire si l’activité cérébrale d’une personne est inhabituelle, et en quoi.

Construire des courbes de vie pour l’activité cérébrale

Les auteurs ont créé un cadre qu’ils appellent MEGaNorm pour combler cette lacune. Ils ont regroupé des enregistrements MEG en état de repos provenant de 1 846 personnes en bonne santé âgées de 6 à 88 ans, collectés sur six sites avec trois types d’appareils différents, ainsi que 160 personnes atteintes de la maladie de Parkinson. À partir de chaque enregistrement, ils ont nettoyé les artéfacts tels que les clignements et les battements cardiaques, puis calculé quelle part du signal se situait dans quatre bandes rythmiques familières : les ondes lentes thêta, les ondes alpha et bêta de fréquence moyenne, et les ondes gamma plus rapides, entre 3 et 40 cycles par seconde. De façon cruciale, ils ont d’abord soustrait un « sifflement » de fond large bande toujours présent dans les signaux cérébraux, de sorte que les mesures restantes reflètent les véritables pics rythmiques plutôt que le bruit général ou des variations d’énergie liées à l’âge.

Capturer les différences normales, pas seulement les moyennes

Plutôt que de se concentrer uniquement sur des valeurs moyennes, l’équipe a utilisé une approche bayésienne hiérarchique pour estimer des courbes complètes décrivant comment chaque rythme varie typiquement avec l’âge, et quelle est l’amplitude de cette variation. Leurs modèles permettaient à l’écart et à la forme des données d’évoluer avec l’âge, et ils ont explicitement pris en compte les différences entre sites d’enregistrement et entre hommes et femmes. Cela a produit des courbes centiles — analogues aux 5e, 50e ou 95e percentiles d’une courbe de croissance — pour chaque rythme sur l’ensemble de la vie. Ils ont ensuite transformé ces résultats en deux types d’outils visuels. Les graphiques au niveau populationnel (P-NOCs) montrent, par tranches d’âge de cinq ans, la contribution habituelle de chaque rythme au profil global d’activité cérébrale. Les graphiques au niveau individuel (I-NOCs) permettent à un clinicien ou un chercheur de prendre les mesures d’une personne et de voir où elles se situent par rapport aux normes pour le même âge, le même sexe et le même appareil.

Comment les rythmes cérébraux évoluent avec l’âge

Les courbes de croissance montrent que les rythmes cérébraux suivent des trajectoires de vie distinctes plutôt que d’évoluer tous dans le même sens. La puissance thêta dessine une courbe en U : relativement élevée pendant l’enfance, elle baisse vers l’âge moyen, puis remonte à l’âge avancé. La puissance alpha, souvent associée à un état de veille détendu, montre l’inverse : elle augmente pendant l’adolescence, atteint un pic au début de l’âge adulte, puis décline progressivement. La puissance bêta tend à augmenter jusqu’à environ 50 ans, puis se stabilise, tandis que le gamma lent reste modeste mais relativement stable. Vers l’âge moyen, il y a un changement notable dans l’équilibre entre les rythmes : avant environ 50 ans, la baisse de l’alpha est partiellement compensée par la hausse du bêta ; ensuite, le bêta plafonne et la montée du thêta prend le relais au fur et à mesure que l’alpha continue de diminuer. Ces profils soulignent que le vieillissement sain implique une redistribution entre les rythmes, et non une simple lenteur ou affaiblissement uniforme.

Repérer des différences cachées dans la maladie de Parkinson

Pour tester la valeur clinique de leurs courbes, les chercheurs ont appliqué MEGaNorm au groupe de patients parkinsoniens. Ils ont traité tous les patients comme inconnus, ont transmis leurs données par la même chaîne de traitement et ont mesuré à quel point les rythmes de chaque personne s’écartaient des normes appariées selon l’âge, le sexe et le site. Les écarts les plus larges et les plus fiables sont apparus dans les bandes thêta et bêta : de nombreux patients montraient un thêta anormalement élevé, un bêta anormalement faible, ou les deux, et ces déviations permettaient de mieux les distinguer des témoins sains que les changements alpha ou gamma. Fait important, les patients ne formaient pas un « profil Parkinson » unique. Ils se répartissaient le long d’un continuum allant de profils haut-thêta/faible-bêta à bas-thêta/haut-bêta, certains individus restant parfaitement dans la plage normale. Cette diversité serait estompée ou perdue dans des comparaisons classiques basées sur la moyenne de groupe.

Vers des repères de santé cérébrale plus personnalisés

En termes concrets, ce travail transforme des mesures brutes du « bruit de fond » cérébral en graphiques intuitifs qui indiquent, par exemple, « pour une personne comme vous, ce niveau d’activité bêta est supérieur à 95 % de vos pairs ». Parce que le cadre est conçu pour être mis à jour au fur et à mesure que de nouvelles données arrivent, et peut être adapté localement sans partager les enregistrements sensibles, il offre une base pratique pour des évaluations de la santé cérébrale plus personnalisées. Bien que des tests supplémentaires sur d’autres populations et d’autres troubles soient nécessaires, MEGaNorm montre comment nous pourrions un jour suivre les changements fonctionnels du cerveau au fil du temps, à l’image du suivi de la tension artérielle ou du cholestérol, repérant des signes précoces de maladie et adaptant le traitement selon le profil rythmique unique de chaque individu.

Citation: Zamanzadeh, M., Verduyn, Y., de Boer, A. et al. Normative modeling of MEG brain oscillations across the human lifespan. Commun Biol 9, 604 (2026). https://doi.org/10.1038/s42003-026-09825-2

Mots-clés: oscillations cérébrales, magnetoencéphalographie, développement au cours de la vie, maladie de Parkinson, psychiatrie de précision