Thèse Modèles de Fondation de l'Activité Électrophysiologique pour la Connectivité Cérébrale Humaine et la Cartographie de l'Épilepsie H/F

Doctorat_Gouv

Établissement : Aix Marseille Université
École doctorale : Recherches Biomédicales
Laboratoire de recherche : INS - Institut de Neurosciences des Systèmes
Direction de la thèse : Olivier DAVID ORCID 0000000307760216
Début de la thèse : 2026-10-01
Date limite de candidature : 2026-04-26T23:59:59

1. Introduction
L'épilepsie affecte plus de 50 millions de personnes, dont 30 % résistent aux médicaments, nécessitant des explorations stéréoélectroencéphalographiques (SEEG) préchirurgicales. Une cartographie précise de la connectivité cérébrale et la localisation des zones épileptogènes, liées à la sémiologie des crises, sont cruciales pour la chirurgie et les traitements personnalisés. L'analyse SEEG traditionnelle, lente et subjective, peut être révolutionnée par les modèles de fondation (FMs), permettant une analyse automatisée et interprétable [1].
Depuis plus d'une décennie, notre équipe a développé le projet F-TRACT (f-tract.eu), qui fournit la plus grande base de données multicentrique mondiale d'enregistrements SEEG et de réponses à des stimulations électriques directes, permettant le développement de modèles fondés sur les données [2], [3]. En parallèle, nous avons lancé le projet B2B, qui construit une base de données SEEG orientée vers la sémiologie, complétant F-TRACT par des données fonctionnelles cérébrales [4]. Ce projet de thèse vise à développer des modèles de fondation SEEG formés sur les données de stimulation de F-TRACT et à les appliquer à la cartographie de l'épilepsie et à l'analyse sémiologique, comblant ainsi le fossé entre les signaux SEEG bruts et la prise de décision clinique.

2. Objectifs
- Développer des FMs SEEG : Former des modèles auto-supervisés (sur les données de stimulation de F-TRACT pour apprendre des représentations SEEG robustes.
- Neuroanatomie : Utiliser les FMs pour inférer la connectivité cérébrale et développer un atlas cérébral.
- Cartographie de l'épilepsie : Adapter les FMs pour une localisation automatisée des zones épileptiques.
- Analyse sémiologique : Lier activité neuronale et symptômes cliniques (moteurs, cognitifs) à partir des FMs.

3. Méthodologie
3.1 Données
- F-TRACT : SEEG (stimulations, crises, repos), données neuroanatomiques (1 400 patients, 20 hôpitaux, base entièrement nettoyée).
- B2B : Crises avec sémiologie annotée (vidéo-SEEG), données neuroanatomiques (400 patients, 3 hôpitaux, base en construction).
3.2 Modélisation
- Pré-entraînement : Modélisation masquée ou apprentissage contrastif sur F-TRACT.
- Connectivité cérébrale : Cartographie des résultats via parcellisation neuroanatomique.
- Épileptologie : Prédire les perturbations de connectivité et leur lien avec la propagation des crises ; alignement SEEG-sémiologie par apprentissage faiblement supervisé.
3.3 Évaluation
Comparaison avec l'atlas F-TRACT [2] et des cartes d'épileptogénicité [5], basée sur des statistiques et résultats chirurgicaux.

4. Contributions
- Premiers FMs SEEG formés sur stimulations, transférables entre études.
- Outils cliniques : Pipelines automatisés pour cartographie et analyse sémiologique.
- Open-source : Modèles et code publiés pour accélérer la recherche.

5. Calendrier
Année 1 : Pré-entraînement des FMs sur F-TRACT.
Année 2 : Atlas de connectivité basé sur les FMs. Adaptation des FMs pour la cartographie de l'épilepsie.
Année 3 : Validation à grande échelle et décodage sémiologique de certains cas.

6. Impact
- Scientifique : avancée en SEEG-IA pour la neuroanatomie et l'épileptologie.
- Sociétal : Meilleure qualité de vie des patients via la médecine de précision.

7. Faisabilité
-Données : Gérées en interne, expertise en curation.
-Expertise : INS, leader en neurosciences computationnelles.
-Ressources : Cluster INS ; partenaires cliniques pour validation.

Le projet de thèse s'inscrit à l'intersection de deux grands projets d'envergure centrée sur la chirurgie de l'épilepsie et la neuroanatomie fonctionnelle:
- F-TRACT financé principalement par la commission européenne depuis 2014 a permis de mettre au point une base de données unique sur les stimulations cérébrales directes du cortex
- B2B financé par l'ANR en 2025 va permettre de mettre au point une base de données se concentrant sur les signes cliniques au cours des crises et des stimulations, qui à ce jour n'existe pas au niveau de précision visé.
Ces deux bases de données multicentriques sont une opportunité exceptionnelle de pouvoir explorer les nouvelles approches d'intelligence artificielle dans le contexte de la chirurgie de l'épilepsie.

- Développer des FMs SEEG : Former des modèles auto-supervisés (sur les données de stimulation de F-TRACT pour apprendre des représentations SEEG robustes.
- Neuroanatomie : Utiliser les FMs pour inférer la connectivité cérébrale et développer un atlas cérébral.
- Cartographie de l'épilepsie : Adapter les FMs pour une localisation automatisée des zones épileptiques.
- Analyse sémiologique : Lier activité neuronale et symptômes cliniques (moteurs, cognitifs) à partir des FMs.

1 Données
- F-TRACT : SEEG (stimulations, crises, repos), données neuroanatomiques (1 400 patients, 20 hôpitaux, base entièrement nettoyée).
- B2B : Crises avec sémiologie annotée (vidéo-SEEG), données neuroanatomiques (400 patients, 3 hôpitaux, base en construction).

2 Modélisation
- Pré-entraînement : Modélisation masquée ou apprentissage contrastif sur F-TRACT.
- Connectivité cérébrale : Cartographie des résultats via parcellisation neuroanatomique.
- Épileptologie : Prédire les perturbations de connectivité et leur lien avec la propagation des crises ; alignement SEEG-sémiologie par apprentissage faiblement supervisé.

3 Évaluation
Comparaison avec l'atlas F-TRACT [2] et des cartes d'épileptogénicité [5], basée sur des statistiques et résultats chirurgicaux.