Constellation, le dépôt institutionnel de l'Université du Québec à Chicoutimi

Résumé

Introduction : La perception de la douleur est une expérience subjective complexe, reposant sur des bases neurophysiologiques et neuropsychologiques. Les sujets humains peuvent décrire la douleur et estimer où se situe son niveau sur une échelle numérique descriptive. Cependant, cette description est subjective et tend à être peu fiable et non reproductible. Il y a des situations pour lesquelles les personnes ne peuvent pas parler et ne sont donc pas en mesure d’exprimer un niveau de douleur. Par exemple, les personnes en déficit cognitif, les personnes âgées, les personnes vivant avec de la douleur depuis plusieurs années, etc. Une caractérisation objective de la douleur permettant d’identifier et de quantifier celle-ci serait donc une avancée majeure pour la prise en charge des populations qui vivent au quotidien avec la douleur de façon chronique. La douleur est un processus qui évolue au sein du système nerveux central ; notamment l’implication de plusieurs régions du cerveau fait consensus au sein de la communauté des neuroscientistes. Ces régions impliquées ont pour nom la ‘matrice de la douleur’. C’est pourquoi les méthodes permettant l’exploration du cerveau sont les plus prometteuses pour identifier et quantifier la douleur. Parmi les outils de neuroimageries disponibles sur le marché pour l’étude de l’organisation et de la fonction du cerveau, il y a l'électroencéphalographie (EEG). C’est un outil que j’ai largement utilisé durant mes travaux pour sa portabilité (sans fils et portatif), et qui est non-invasive (électrodes de surface). Cette thèse présente la méthodologie utilisée tout le long de mes travaux alliant l’ingénierie à la médecine expérimentale pour déterminer un biomarqueur EEG ayant du potentiel pour l’identification et la quantification de la douleur. Méthode : Une meilleure façon d’aborder l’identification et la quantification de la douleur est de mieux comprendre les mécanismes d’activation cérébrale en amont, c’est-à-dire avant même l’apparition de la douleur. La première étude a été réalisée afin de déterminer un patron neurophysiologique associé au risque de développement de douleurs musculosquelettiques induites par des contraintes biomécaniques. Cette étude est originale dans la mesure où elle a permis d’identifier un indicateur de risque de développement de la douleur à partir de l’activité du cerveau chez les personnes en bonne santé. Dans l’étude 2, le coefficient de variation de l’enveloppe supérieure (CVES) des signaux EEG, collectés sur la région motrice chez deux groupes de participants dans des conditions expérimentales sans douleur (contrôle), avec douleur chronique de type fibromyalgie et douleur expérimentale induite par application de la crème de capsaïcine (1%) a été proposé. Cette deuxième méthodologie trouve son originalité dans sa proposition pour l’identification de la douleur basée sur une analyse ingénieuse des signaux EEG. Dans l’étude 3, on a utilisé la variation du stimulus douloureux, c.-à-d. la variation du niveau de douleur thermique expérimentale, afin de proposer une avenue prometteuse d’identification et de quantification du niveau de douleur ressenti. Finalement, l’étude 4 explore une autre approche de traitement du signal EEG basée sur les coefficients de Chebyshev de première espèce pour la discrimination de la douleur chronique et expérimentale. Résultats : Les résultats obtenus dans l’étude 1 supportent l’implication de la région motrice pour la détection d’un patron neurophysiologique personnel, précurseur de la survenue de la douleur musculosquelettique lors d’un mouvement répétitif manuel. Il s’agit en particulier d’une augmentation de l’inhibition corticale témoin de l’augmentation de puissance de la bande beta liée à la tâche, accompagnée d’une fatigue musculaire dans le temps. Les résultats obtenus dans les études 2 et 3 ont mis en évidence le traitement morphologique du signal EEG, comme une méthode potentiellement plus adaptée pour l’analyse des changements de l’activité cérébrale en présence de la douleur. Plus spécifiquement, les résultats de l’étude 2 ont montré que certaines caractéristiques morphologiques pertinentes du signal EEG sont liées à la présence de la douleur ; autrement dit l’identification de la douleur. À la suite de cette étude d’identification de la douleur, l’étude 3 montre la quantification de la douleur, i.e., la capacité à suivre les variations du niveau de douleur dans le temps. Enfin, les résultats de l’étude 4 démontrent l’efficacité des coefficients de Chebyshev pour la discrimination entre la douleur chronique de type fibromyalgie et la douleur expérimentale dans la bande gamma au repos, avec une précision de 93,9 %. Conclusion : Les résultats de la présente thèse ont permis de mettre en évidence le rôle primordial du traitement morphologique du signal EEG pour l’identification et la quantification de la douleur. L’approche morphologique du traitement du signal EEG est prometteuse pour la caractérisation des affections neurologiques. Parmi les aspects attrayants de l’analyse morphologique des signaux neurophysiologiques (EEG, EMG, ECG, EOG, etc.), on peut citer (1) l’aptitude à résoudre les problèmes liés aux aspects géométriques du signal, ce qui permet de tenir compte des propriétés intrinsèques du système neuronal à l’origine de la génération des signaux EEG telles que la non-linéarité, la non-stationnarité et de la variabilité intra – inter-sujets; (2) la simplicité de mise en oeuvre des algorithmes, capables de fonctionner en temps réel; et (3) la portée de la méthode, qui permet d’offrir une solution pratique aux diagnostics des affections liées au fonctionnement de l’influx nerveux i.e., le signal électrique permettant la transmission de messages à travers le système nerveux central (central et moelle épinière) et périphérique (système musculosquelettique).

Introduction: Pain perception is a complex subjective experience with neurophysiological and neuropsychological bases. Human subjects can describe pain and estimate its level on a descriptive numerical scale. However, this description is subjective and tends to be unreliable and non-reproducible. There are situations in which people cannot speak and are therefore unable to express a pain level. For example, people with cognitive deficits, the elderly, people who have been living with pain for several years, etc. To this end, an objective characterization of pain, making it possible to identify and quantify it, would be a major advance for the management of populations that live with chronic pain, daily. Pain is a process that evolves within the central nervous system; in particular, the involvement of several regions of the brain is the subject of consensus within the neuroscience community. This set of involved regions is called the “pain matrix”. This is why methods allowing the exploration of the brain are the most promising to identify and quantify pain. Among the neuroimaging tools available on the market to study the organization and function of the brain, there is electroencephalography (EEG). This is a tool that I have used extensively during my work for its portability (wireless and portable), and which is non-invasive (surface electrodes). This thesis presents the methodology used throughout my work, combining engineering with experimental medicine, to determine an EEG biomarker with potential for pain identification and quantification. Method: A better way to approach the identification and quantification of pain is to better understand the mechanisms of brain activation upstream, i.e., before the onset of pain. The first study was conducted to determine a neurophysiological pattern associated with the risk of developing musculoskeletal pain induced by biomechanical constraints. This study is original in that it identified an indicator of risk of pain development, based on brain activity in healthy individuals. In study 2, the coefficient of variation of the upper envelope (CVUE) of EEG signals, collected on the motor region in two groups of participants in experimental conditions without pain (control), with chronic pain of fibromyalgia type and experimental pain induced by application of capsaicin cream (1%) was proposed. This second methodology finds its originality in its proposal for the identification of pain, based on an ingenious analysis of electroencephalographic (EEG) signals. In Study 3, the variation of the painful stimulus, i.e., the variation of the experimental thermal pain level, was used to propose a promising avenue for the identification and quantification of the level of pain experienced. Finally, Study 4 explores an alternative EEG signal processing approach, based on first-species Chebyshev coefficients for the discrimination of chronic and experimental pain. Results: The results obtained in Study 1 support the involvement of the motor region in the detection of a personal neurophysiological pattern, a precursor of the occurrence of musculoskeletal pain during a manual repetitive movement. It is an increase in cortical inhibition witnessing the increase in power of the beta band linked to the task, accompanied by muscle fatigue, over time. The results obtained in studies 2 and 3 highlighted the morphological processing of the EEG signal as a potentially more suitable method for the analysis of changes in brain activity in the presence of pain. Specifically, the results of Study 2 showed that certain relevant morphological features of the EEG signal are related to the presence of pain, in other words, pain identification. Following this pain identification study, Study 3 shows pain quantification, i.e., the ability to track changes in pain level, over time. Finally, the results of Study 4 demonstrate the effectiveness of the Chebyshev coefficients in discriminating between chronic fibromyalgia-like pain and experimental pain in the resting gamma band, with an accuracy of 93.9%. Conclusion: The results of the present thesis have highlighted the primary role of morphological processing of the EEG signal for the identification and quantification of pain. The morphological approach to EEG signal processing holds promise for the characterization of neurological conditions. Among the attractive aspects of morphological analysis of neurophysiological signals (EEG, EMG, ECG, EOG, etc.) are (1) the ability to solve problems related to the geometric aspects of the signal, which allows to take into account the intrinsic properties of the neuronal system responsible for generating EEG signals such as the non-linearity, the non-stationarity and the intra - inter-subject variability; (2) the simplicity of implementation of the algorithms, capable of operating in real time; and (3) the scope of the method, which allows to offer a practical solution to the diagnosis of conditions related to the functioning of the nerve impulse i.e., the electrical signal that enables the transmission of messages through the central nervous system (central and spinal cord) and peripheral nervous system (musculoskeletal system).