Maladie d'Alzheimer, Maladie à corps de Lewy, Trouble cognitif léger, Électroencéphalographie, Magnétoencéphalographie, Machine learning

La maladie d'Alzheimer (MA) et la maladie à corps de Lewy (MCL) sont les principales causes de troubles cognitifs d'origine neurodégénérative. Il est essentiel de développer des biomarqueurs précis et accessibles pour améliorer le diagnostic précoce et l'évaluation du pronostic cognitif. L'électrophysiologie non-invasive est une approche prometteuse pour l'étude de la MCL et de la MA, car cette technique permet de mesurer en temps réel l'activité électrique cérébrale et la dynamique neuronale. L'objectif de cette thèse était de développer des biomarqueurs électrophysiologiques non-invasifs innovants à visée diagnostique et le pronostique dans la MCL et la MA, en utilisant l'électroencéphalographie (EEG) et la magnétoencéphalographie (MEG). Dans l'Étude 1, nous avons exploré le potentiel de la MEG pour prédire le déclin cognitif du MCI (trouble neurocognitif léger) vers un trouble neurocognitif majeur dû à la MA dans la base BioFIND. En effet, tous les patients présentant un MCI n'évoluent pas nécessairement vers un trouble neurocognitif majeur. La détection précoce de la MA au stade prodromal est essentielle afin d'optimiser le traitement. Nous avons effectué une analyse spectrale des enregistrements MEG de 117 patients avec un MCI, dont 64 ont évolué vers une MA, tandis que 53 sont restés stables. Des modèles de régression logistique ont estimé l'impact des variables cliniques, MEG et IRM sur le risque de progression vers la MA, puis nous avons combiné les modalités et variables dans un modèle de classification haute dimension. Nous avons montré une réduction significative de la puissance spectrale 16-38Hz en pariéto-occipital dans le groupe ayant progressé vers la MA. Dans les modèles de régression logistique, la diminution de la puissance spectrale 16-38Hz et la réduction du ratio volume hippocampique/substance grise totale (IRM) étaient indépendamment associées à un risque accru de progression vers la MA. Le modèle de classification a confirmé la complémentarité entre la covariance en MEG (AUC=0,74, SD=0,13) et les volumes corticaux mesurés par IRM (AUC=0,74, SD=0,15), avec une amélioration des performances lorsque les variables étaient combinées (AUC=0,81, SD=0,12). Ces résultats mettent en évidence le potentiel de la puissance spectrale et de la covariance comme biomarqueurs non-invasifs robustes pour prédire la progression vers la MA, en complément des scores cognitifs et de l'IRM. Dans l'Étude 2, nous avons utilisé la méthodologie précédemment développée pour évaluer si des signatures EEG pouvaient différencier la MCL de la MA à partir de données EEG haute-densité du consortium European-DLB. L'expression clinique polymorphe de la MCL rend son diagnostic difficile, de même que le chevauchement de certains symptômes avec la MA. Cependant, il n'existe pas à ce jour de biomarqueur diagnostique spécifique validé dans la MCL, malgré des biomarqueurs prometteurs en développement (EEG, IRM, biologie). Nos résultats montrent une augmentation de la puissance spectrale 1-8Hz en pariéto-occipital dans le groupe MCL, corrélée aux hallucinations visuelles et aux troubles du sommeil. De plus, les patients avec une MCL présentaient une réduction de la corrélation de l'enveloppe de puissance 12-62Hz dans les régions centro-pariéto-occipitales. La combinaison de ces deux métriques spectrales permettait d'obtenir une performance diagnostique élevée (AUC=0,90), soulignant le rôle de ces patterns EEG comme biomarqueurs prometteurs pour différencier la MCL de la MA. Ces études établissent un cadre méthodologique robuste pour intégrer la MEG et l'EEG comme biomarqueurs non-invasifs à visée diagnostique et pronostique dans les maladies neurodégénératives. Cette thèse constitue une fondation solide pour poursuivre l'exploration des biomarqueurs EEG afin d'améliorer le diagnostic de la MCL et d'autres pathologies neurocognitives.