Sujet de Thèse
Titre :
Diagnostic et pronostic de la maladie d'Alzheimer par la stimulation périodique rapide en électroencéphalographie
Dates :
2021/10/04 - 2024/10/03
Etudiant :
Encadrant(s) : 
Description :
La Maladie d'Alzheimer (MA) est première cause d'altération cognitive majeure d'origine neurodégénérative. Elle
se caractérise par une perte progressive de la mémoire épisodique et d'autres fonctions cognitives (langage,
gestes, fonctions exécutives ...) ayant des conséquences dramatiques pour la vie des patients de leurs proches.
Tant le diagnostic précoce que le pronostic d'évolution de la MA sont essentiels. Les mesures reposent
actuellement sur des marqueurs biologiques parfois coûteux, à faible valeur pronostique, et qui peuvent
précéder l'apparition des signes cliniques de plusieurs dizaines d'années. Quant au diagnostic de MA reposant sur
les signes cliniques, il reste compliqué parce que les mécanismes susceptibles de provoquer des troubles cognitifs
en dehors d'une maladie neurodégénérative sont nombreux.

Dans ce contexte, l'objectif de la thèse de doctorat sera de développer et optimiser des mesures implicites de la
mémoire, principalement visuelle, avec la technique de stimulation périodique rapide couplée à
l'électroencéphalogramme (EEG). Les objectifs seront de :

1) Identifier et optimiser (sensibilité, fiabilité maximale, définition d'un nombre réduit de canaux pour des
mesures rapides) des nouveaux biomarqueurs EEG de la MA, évalués sur des groupes de patients déjà
diagnostiqués. Les biomarqueurs EEG FPVS seront mis en relation avec les marqueurs biologiques sanguins et du
liquide cérébro-spinal [LCS], et les scores neuropsychologiques.
2) Identifier des « signatures spectrales » de la MA (combinaisons d'amplitudes, permettant de la différencier
des autres pathologies y compris les autres démences).
3) Evaluer la valeur pronostique des biomarqueurs EEG sur une base individuelle
4) Construire un nouveau modèle de pronostic de la MA à l'aide d'une analyse par machine learning sur des
larges bases de données neuroscientifiques
5) Développer un système intégré de stimulation, enregistrement et analyse fréquentielle compact portatif
(basé sur un système Neuronaute développé par la firme Bioserenity)
Mots clés :
Maladie d'Alzheimer, EEG, stimulation périodique rapide, diagnostic, lobe temporal, reconnaissance
Département(s) : 
Biologie, Signaux et Systèmes en Cancérologie et Neurosciences