Une technique de classification par Support Vector Machine (SVM) prédit les différents patterns de dominance hémisphérique pour le langage et met en évidence l’existence de patterns très rares chez l’individu sain.
Cette étude est la première à mettre en évidence l’existence de ces patterns rares dans un groupe d’adultes volontaires. L’utilisation de cette méthode de classification par SVM va permettre de ré-appréhender la question toujours très débattue de la variabilité de l’organisation intra-hémisphérique de la spécialisation hémisphérique chez l’individu sain. Cela ouvre également la voie à des investigations dans le cadre du mapping pré-chirurgical des régions cérébrales essentielles au langage avant la résection de tumeurs chez les patients.
Dans une première phase, le classifier SVM a appris à reconnaitre les patterns d’activation hémisphérique dominant et non-dominant pour le langage sur un groupe de 250 témoins identifiés dans nos travaux précédents comme étant « typiques » pour le langage, c’est-à-dire avec un hémisphère gauche spécialisé (ou dominant) pour la production du langage (Mazoyer et al. 2014 PlosOne).
Dans une deuxième phase, le classifier SVM a été utilisé pour classer automatiquement les patterns d’activation de chaque hémisphère d’un groupe de 47 nouveaux individus, identifiés comme « non-typiques » pour le langage. Cette méthode a permis de mettre en évidence 4 patterns cérébraux de dominance pour le langage chez ces individus. Dans la majorité des individus (51 %), le pattern prédit est un de type « dominant gauche » (avec un hémisphère gauche classé comme dominant et un hémisphère droit classé comme non-dominant) ; puis dans 23% des cas, un pattern « dominant droit » (avec un hémisphère droit classé comme dominant et un hémisphère gauche classé comme non-dominant). Dans ce groupe « dominant droit », les individus présentent une organisation fonctionnelle pour le langage en miroir de celle des « dominant gauche ». Enfin, pour 19% des individus est prédit une « co-dominance » (avec deux hémisphères classés comme dominant) et pour les 6% restant est prédit une « co-non-dominance » (les deux hémisphères sont classés comme non-dominant).
La référence complète
Laure Zago, Pierre-Yves Hervé, Robin Genuer, Alexandre Laurent, Bernard Mazoyer, Nathalie Tzourio-Mazoyer, Marc Joliot (2017) Predicting hemispheric dominance for language production in healthy individuals using support vector machine. Human Brain Mapping DOI:10.1002/hbm.23770