Grâce à l’imagerie par résonance magnétique fonctionnelle (IRMf), les neuroscientifiques ont pu identifier plusieurs régions du cerveau impliquées dans le traitement du langage. Cependant, déterminer les fonctions spécifiques des neurones dans ces régions a été un défi, car l’IRMf, qui mesure les variations du flux sanguin, n’a pas une résolution assez fine pour révéler les activités de petites populations de neurones.
Utilisant désormais une technique plus précise consistant à enregistrer l’activité électrique directement depuis le cerveau, les neuroscientifiques du MIT ont identifié différents groupes de neurones qui semblent traiter différentes quantités de contexte linguistique. Ces « fenêtres temporelles » varient d’un seul mot à environ six mots.
Selon les chercheurs, ces fenêtres temporelles pourraient refléter différentes fonctions pour chaque population neuronale. Les populations avec des fenêtres plus courtes pourraient analyser la signification de mots individuels, tandis que celles avec des fenêtres plus longues pourraient interpréter des significations plus complexes créées par la combinaison de plusieurs mots.
« C’est la première fois que nous observons une hétérogénéité évidente au sein du réseau linguistique », explique Evelina Fedorenko, professeure agrégée de neurosciences au MIT. « Dans des dizaines d’expériences IRMf, ces zones du cerveau semblent toutes faire la même chose, mais il s’agit d’un vaste réseau distribué, il doit donc y avoir une certaine structure. C’est la première démonstration claire de l’existence d’une structure, mais les différentes populations neuronales sont spatialement entrelacées, nous ne pouvons donc pas voir ces distinctions avec l’IRMf. »
Fedorenko, également membre du McGovern Institute for Brain Research du MIT, est l’auteur principal de l’étude publiée aujourd’hui dans Nature Human Behaviour. Tamar Regev, postdoctorant au MIT, et Colton Casto, étudiant diplômé de l’Université Harvard, sont les principaux auteurs de l’article.
Fenêtres temporelles
L’IRMf, qui a permis aux scientifiques d’en apprendre beaucoup sur le rôle des différentes parties du cerveau, fonctionne en mesurant les variations du flux sanguin dans le cerveau. Ces mesures servent d’indicateur de l’activité neuronale pendant une tâche particulière. Cependant, chaque « voxel », ou unité tridimensionnelle, d’une image IRMf représente des centaines de milliers, voire des millions de neurones et résume l’activité sur environ deux secondes, ce qui ne permet pas de révéler des détails précis sur l’activité neuronale.
Pour obtenir des informations plus détaillées sur la fonction neuronale, on peut enregistrer l’activité électrique à l’aide d’électrodes implantées dans le cerveau. Ces données sont difficiles à obtenir car cette procédure est réalisée uniquement chez des patients subissant une intervention pour une maladie neurologique, comme une épilepsie sévère.
« Cela peut prendre quelques années pour obtenir suffisamment de données pour une tâche, car ces patients sont relativement rares et, chez un patient donné, les électrodes sont implantées dans des emplacements idiosyncratiques en fonction des besoins cliniques. Il faut donc un certain temps pour rassembler un ensemble de données avec une couverture suffisante d’une partie cible du cortex. Mais ces données, bien sûr, sont le meilleur type de données que nous puissions obtenir du cerveau humain : vous savez exactement où vous vous trouvez dans l’espace et vous disposez d’informations temporelles très fines », explique Fedorenko.
Dans une étude de 2016, Fedorenko a rapporté avoir utilisé cette approche pour étudier les régions de traitement du langage de six personnes. L’activité électrique a été enregistrée pendant que les participants lisaient quatre types différents de stimuli linguistiques : des phrases complètes, des listes de mots, des listes de non-mots et des phrases « jabberwocky » – des phrases ayant une structure grammaticale mais composées de mots absurdes.
Ces données ont montré que dans certaines populations neuronales des régions de traitement du langage, l’activité se développait progressivement sur une période de plusieurs mots lorsque les participants lisaient des phrases. Cependant, cela ne se produisait pas lorsqu’ils lisaient des listes de mots, des listes de non-mots ou des phrases jabberwocky.
Dans la nouvelle étude, Regev et Casto ont réanalysé ces données en examinant plus en détail les profils de réponse temporelle. Leur ensemble de données d’origine comprenait des enregistrements de l’activité électrique de 177 électrodes sensibles au langage chez les six patients. Des estimations prudentes suggèrent que chaque électrode représente l’activité moyenne d’environ 200 000 neurones. Ils ont également obtenu de nouvelles données d’un deuxième groupe de 16 patients, comprenant des enregistrements de 362 autres électrodes sensibles au langage.
En analysant ces données, les chercheurs ont découvert que dans certaines populations neuronales, l’activité fluctuait de haut en bas à chaque mot. Dans d’autres, l’activité s’accumulait sur plusieurs mots avant de retomber, et d’autres encore montraient une accumulation constante d’activité neuronale sur de plus longues périodes de mots.
En comparant leurs données avec les prédictions faites par un modèle informatique conçu pour traiter des stimuli avec différentes fenêtres temporelles, les chercheurs ont découvert que les populations neuronales des zones de traitement du langage pouvaient être divisées en trois groupes. Ces groupes représentent des fenêtres temporelles d’un, quatre ou six mots.
« Il semble vraiment que ces populations neuronales intègrent des informations sur différentes échelles de temps tout au long de la phrase », explique Regev.
Traitement des mots et du sens
Ces différences dans la taille des fenêtres temporelles auraient été impossibles à observer à l’aide de l’IRMf, affirment les chercheurs.
« À la résolution de l’IRMf, nous ne constatons pas beaucoup d’hétérogénéité au sein des régions sensibles au langage. Si vous localisez chez des participants individuels les voxels de leur cerveau qui réagissent le plus au langage, vous constatez que leurs réponses aux phrases, aux listes de mots, aux phrases jabberwocky et aux listes de non-mots sont très similaires », explique Casto.
Les chercheurs ont également pu déterminer les emplacements anatomiques où ces groupes ont été trouvés. Les populations neuronales avec la fenêtre temporelle la plus courte ont été trouvées principalement dans le lobe temporal postérieur, bien que certaines aient également été trouvées dans les lobes temporaux frontaux ou antérieurs. Les populations neuronales des deux autres groupes, avec des fenêtres temporelles plus longues, étaient réparties plus uniformément dans les lobes temporaux et frontaux.
Le laboratoire de Fedorenko envisage désormais d’étudier si ces échelles de temps correspondent à des fonctions différentes. Une possibilité est que les populations avec les fenêtres temporelles les plus courtes traitent la signification d’un seul mot, tandis que celles avec des fenêtres temporelles plus longues interprètent les significations représentées par plusieurs mots.
« Nous savons déjà que dans le réseau linguistique, il existe une sensibilité à la manière dont les mots s’assemblent et à la signification des mots individuels », explique Regev. « Cela pourrait donc potentiellement correspondre à ce que nous trouvons, où l’échelle de temps la plus longue est sensible à des éléments tels que la syntaxe ou les relations entre les mots, et peut-être que l’échelle de temps la plus courte est plus sensible aux caractéristiques de mots uniques ou de parties d’entre eux. »
La recherche a été financée par le programme de leadership Zuckerman-CHE STEM, le Poitras Center for Psychiatric Disorders Research, le Kempner Institute for the Study of Natural and Artificial Intelligence de l’Université Harvard, les National Institutes of Health des États-Unis, une bourse de recherche et de formation sur l’épilepsie, le McDonnell Center for Systems Neuroscience, la Fondazione Neurone, le McGovern Institute, le Département des sciences du cerveau et des sciences cognitives du MIT et le Simons Center for the Social Brain.
