Groupe Neurologie computationnelle

Le groupe Neurologie computationnelle du Laboratoire de recherche en neuroimagerie (LREN) développe des approches computationnelles et théoriquement informées pour modéliser et prédire la dynamique du cerveau et de la santé cérébrale tout au long de la vie. L’objectif est de dépasser une vision statique ou centrée sur des biomarqueurs isolés pour étudier les trajectoires individuelles de viabilité et de récupération, en santé comme en maladie.

​Le groupe combine imagerie quantitative avancée, modélisation biophysique multi-échelle et méthodes d’intelligence artificielle (notamment du machine learning «physics-informed») pour construire des «jumeaux numériques» du cerveau, spécifiques à chaque patient-e. Ces modèles permettent de simuler non seulement des états cérébraux, mais aussi leur évolution dans le temps, par exemple le vieillissement cérébral, la récupération après une lésion (traumatisme crânien) ou la progression de maladies neurodégénératives, en tenant compte de l’organisation corticale, de la connectivité des noyaux profonds et de la plasticité cérébrale.

Les jumeaux numériques servent d’environnements de simulation pour tester des scénarios «virtuels», évaluer la réponse à des perturbations et identifier des marqueurs mécanistiques dynamiques plutôt que de simples signatures statiques. Le groupe s'appuie notamment sur des méthodes avancées de modélisation statistique et de réduction de dimension. Ses travaux s’inscrivent dans les New Approach Methodologies (NAMs), avec des modèles human-relevant, non animaux, appuyés sur des données longitudinales provenant de grandes cohortes populationnelles (BrainLaus/CoLaus) et de cohortes cliniques spécialisées. Le groupe développe et partage des outils open-source (par exemple des modèles dynamiques sur maillages cérébraux et des pipelines d’analyse pour la neuroimagerie et l’intelligence artificielle) et contribue à la mise en place d’une médecine orientée trajectoires, intégrant cerveau, corps et facteurs systémiques.