Soutenance de thèse de Francesca PIZZO

Les épilepsies « focales » sont des maladies affectant spécifiquement certains réseaux cérébraux et la compréhension de leur organisation anatomo-fonctionnelle est fondamentale pour assurer la meilleure option thérapeutique pour le patient. Cette thèse, composée de trois études, vise à approfondir l'investigation de ces réseaux chez les patients atteints d'épilepsie pharmacorésistante étudiée par des enregistrements intracrâniens (stéréoélectronécéphalographie - SEEG) dans le cadre de l'évaluation préchirurgicale de l'épilepsie. A cette fin, nous avons appliqué des méthodes d'analyse de signaux sur des enregistrements invasifs et simultanés invasifs/ non invasifs, en se basant sur des biomarqueurs neurophysiologiques de l'épileptogénicité (pointes, oscillations haute fréquence, index d'épileptogénicité). Les deux premières études de cette thèse, effectuées sur des enregistrements SEEG, visent à clarifier la relation entre le neocortex et les autres régions de substance grise non néocorticales. Dans le premier travail, nous avons étudié la relation entre le néocortex et l'hétérotopie nodulaire, une malformation du développement cortical. Nous avons décrit comment la définition de différents réseaux épileptiques à partir de l'analyse de signaux (« indice d'épileptogénicité ») a permis de classer les différents types de crises dans ce groupe hétérogène de patients. Il est intéressant de noter que dans la majorité des cas, le néocortex ou le néocortex avec la lésion hétérotopique, est la structure leader du réseau épileptique et finalement la lésion malformative est très rarement la région la plus épileptogène. Dans le second travail, nous avons étudié, dans différents types d'épilepsies, la relation entre le néocortex et d'autres noyaux sous-corticaux, en particulier le thalamus et le noyau caudé. Nous avons démontré une participation des structures sous-corticales au réseau épileptique chez la majorité des patients, et chez certains patients, le thalamus et le noyau caudé présentaient un degré élevé d'épileptogénicité. De plus, le degré d'épileptogénicité du thalamus est en corrélation directe avec l'extension du réseau épileptique et est associé à un mauvais résultat chirurgical. La troisième étude a été effectuée sur des enregistrements intracérébraux et de surface simultanés, SEEG -magnétoencéphalographie (MEG), dans le but de révéler des réseaux épileptiques provenant de structures cérébrales profondes à partir de la surface. En connaissant le moment de l'activité épileptique (pointe) dans les structures cérébrales profondes enregistrées par la SEEG simultané, nous avons pu, par le biais d'une analyse en composantes indépendantes (ICA) sur la MEG, démêler les réseaux complexes à la surface. Ainsi, des composantes de la MEG étaient en corrélation avec uniquement les structures profondes comme l'amygdale, l'hippocampe et le thalamus. Nous avons démontré qu'avec une analyse appropriée du signal, les réseaux épileptiques des structures cérébrales profondes peuvent être récupérés par des enregistrements de surface. Ces résultats confirment que l'analyse quantifiée du signal est un outil puissant pour la compréhension des réseaux épileptiques complexes étudiés par les enregistrements intracérébraux et la MEG.

Epilepsy is a network disease and understanding network organization underlining this pathology is fundamental to assure the best therapeutic option for the patient. This thesis, composed of three studies, aims to provide insights in the investigation of pathological brain networks in patients affected by pharmacoresistant epilepsy. These patients were studied by intracerebral recordings (stereoelectroncephalography - SEEG) during presurgical evaluation of epilepsy. To this purpose, we applied signal analysis methods to invasive and simultaneous invasive/non-invasive recordings, using neurophysiological biomarkers of epileptogenicity (spikes, high frequency oscillations, epileptogenicity index). The first two studies of this thesis, performed on SEEG recordings, aimed at clarifying the relationship between neocortical areas and subcortical grey matters regions. In the first study we investigated the relationship between neocortex and nodular heterotopia, a malformation of cortical development. We described how the definition of different epileptogenic networks based on signal analysis methodologies (epileptogenicity index) helped in the classification of different seizures’ type in this heterogeneous group of patients. Interestingly, we found that in the majority of cases the neocortex or the neocortex together with the lesion are the leader structures in the epileptogenic network. In contrast the lesion alone is rarely the “core” of the network. In the second study we investigated, in different types of epilepsies, the relationship between neocortex and other subcortical nuclei, specifically the thalamus and the caudate nucleus in SEEG recorded seizures. We demonstrated the involvement of subcortical structures in the majority of patients. In some patients thalamus and caudate nucleus showed an high degree of epileptogenicity as calculated by the epileptogenicity index. Moreover, the degree of epileptogenicity of the thalamus directly correlated with the epileptogenic network extension and was associated with bad surgical outcome. The third study was performed on simultaneous intracranial (SEEG) and surface (MEG) recordings, with the aim of revealing with surface recordings epileptic networks of deep brain structures. By knowing the moment of occurrence of the epileptic activity (spikes) in the deep brain structures recorded by the simultaneous SEEG, we were able, thanks to independent component analysis on MEG, to disentangle the complex networks on the surface in different components. Some components on MEG correlated uniquely with deep structures as seen in intracranial recordings (amygdala, hippocampus and thalamus). We demonstrated that, with an appropriate signal analysis, epileptogenic networks involving deep brain structures can be retrieved by surface recordings. Taken together these results confirm that quantified signal analysis is a powerful tool for understanding and definition of complex epileptogenic networks as studied by intracranial recordings and MEG.