Le trouble neurologique fonctionnel (TNF) n’est pas reconnaissable sur une IRM clinique comme le serait, par exemple, une tumeur ou les séquelles d’un AVC. Cela peut amener à penser à tort qu’il n’existe aucune différence mesurable dans la structure du cerveau des personnes atteintes d’un TNF. Or, ces différences structurelles font l’objet d’études scientifiques depuis plusieurs années.

Il n’y a pas de cerveau « TNF »

Il n’existe pas un cerveau « TNF » et un cerveau « non-TNF ». On ne peut pas réduire une personne, ni son cerveau, à une présence ou à une absence, que ce soit d’un TNF ou d’autre chose. Un cerveau appartient à une personne qui vit, respire et, disons, fait régulièrement du sport, dort bien ou mal, a été exposée à un stress chronique, prend certains médicaments, a appris à jouer du piano – bref, à une personne qui présente une combinaison unique d’états, d’expériences et d’habitudes. Alors, pour étudier le TNF, on peut constituer un groupe de personnes avec un TNF et un groupe de personnes sans TNF (dit « groupe témoin ») qui lui ressemble sur certaines caractéristiques que l’on souhaite contrôler – par exemple, en veillant à ce qu’il n’y ait pas une grande différence d’âge entre les deux groupes. Ensuite, on formule soigneusement une question dont la réponse, quelle qu’elle soit, pourra être utile. Par exemple :

En comparant, dans nos deux groupes « TNF » et « non-TNF », le volume ou l’épaisseur d’une région du cerveau, la différence moyenne est-elle suffisamment importante pour conclure qu’elle est peu susceptible d’être due au hasard et pourrait donc refléter une différence associée au TNF ?

Autrement dit :

Existe-t-il une région cérébrale dont la structure diffère suffisamment, en moyenne, entre les deux groupes pour que cette différence soit intéressante ?

Comme c’est souvent le cas en recherche scientifique, nous n’avons pas de réponse unique, universelle, et suffisamment fiable à cette question. Si nous devions résumer ce que l’on peut dire aujourd’hui en trois lettres seulement, ce serait :

Non.

Il n’y a pas, selon les connaissances actuelles, de région du cerveau ni même de groupe de régions dont la structure diffère de manière suffisamment systématique entre les personnes atteintes d’un TNF et celles qui n’en souffrent pas pour en faire un outil diagnostique.

Pour autant, une absence de preuve n’étant pas une preuve d’absence, nous avons le choix : arrêter de chercher, continuer à chercher, ou bien, nous pencher sur la question que nous posons et sur ce que la manière de la poser peut nous apprendre.

Loin des yeux…

Prenons un exemple de la vie quotidienne. Pour avoir la certitude absolue et irréfutable si le fruit qui se trouve devant nous est une pomme ou une orange, on devrait sans doute faire analyser sa composition chimique. Bien évidemment, cela n’aurait guère d’utilité, puisque, dans la très grande majorité des cas, un regard suffit pour trancher. Hélas, un regard, même très attentif, des meilleurs neurologues du monde, ne pourrait tout simplement pas nous dire si une IRM appartient à une personne souffrant d’un TNF ou non. Même en regardant toutes les régions cérébrales une par une, et même avec l’aide du plus puissant des ordinateurs, cela ne suffirait pas.

Dès lors, on peut poser la question suivante : sommes-nous vraiment condamnés à chercher « la » région TNF?

Des goûts et des couleurs

Revenons à nos pommes et oranges. Imaginons que nous nous trouvions devant un fruit mystère. Soit c’est une pomme, soit une orange. Malheureusement, on ne le voit pas. Nous devons donc trouver d’autres moyens pour mener notre investigation.

Combien pèse-t-il ? Les pommes sont en moyenne plus lourdes, cela pourrait être un indice. Hélas, il y a de petites pommes et de grandes oranges.

De quelle couleur est-il ? Les pommes sont plutôt rouges, alors que les oranges… je passe.

Mais est-ce vraiment si facile ? Rappelez-vous, on ne voit pas le fruit. On peut demander sa couleur, mais voici le type de réponse que cette question engendre (les nuances sont tirées des images des pommes et oranges que j’ai trouvées sur internet) :

Finalement, pas si simple. Pour la tranquillité d’esprit, les voilà maintenant ordonnées, en haut, les nuances des pommes, en bas, celles des oranges.

Au niveau de groupe, la différence de couleur devient plus nette, mais pour un fruit donné elle ne nous apprend pas grand chose.

Et l’acidité, alors ? En moyenne, les oranges sont plus acides que les pommes. Mais quid des Granny Smith?

On pourrait continuer avec la texture, la saison où on en trouve, le prix au kilo, la localisation géographique de son arbre fruitier, la facilité à en extraire le jus… Aucun de ces critères, pris isolément, ne suffira pour trancher.

Heureusement, rien ne nous oblige à nous fier à un seul critère. En tenant compte de plusieurs caractéristiques en parallèle, notre certitude augmente considérablement. Essayez par vous-même : comment qualifieriez-vous les quatre fruits mystère dans le tableau ci-dessous, si je vous dis qu’il s’agit de deux pommes et de deux oranges ?

La réponse dans la prochaine newsletter ! Un indice supplémentaire d’ici là : il s’agit plus précisément d’une pomme Gala, d’une pomme Granny Smith, d’une clémentine, et d’une orange à jus.

Hé oui ! Comme je le disais, il n’y a pas de « cerveau TNF », ni de « pommes » et « oranges » en absolu. Toutefois, je vous le promets : en tenant compte du poids, de la vivacité de la couleur, de l’acidité, de la jutosité et de la « croquanteur » dans leur ensemble, vous avez toutes les chances de réussir la classification.

Regarder autrement

Le procédé que nous avons appliqué dans notre petit « jus » de piste s’appelle, en statistiques, une analyse multivariée. Regarder un critère à la fois serait alors une analyse univariée. Les deux approches sont utiles, mais on choisirait l’une ou l’autre en fonction de la question que nous posons.

Et jus-tement (juste au cas où ce n’était pas clair que j’adore les « blagues de papa »), Dr Christiana Westlin et ses collègues, notamment au sein du Functional Neurological Disorder Research Group du Massachusetts General Hospital et de la Harvard Medical School à Boston, ont utilisé ce procédé pour essayer de classifier les IRM de personnes avec et sans TNF^[1]. À l’image de nos critères « poids », « couleur », « acidité », etc., ils ont tenu compte simultanément de… 134 caractéristiques ! (Je mets le point d’exclamation pour l’effet dramatique, mais cela est plutôt courant en recherche). Les 134 caractéristiques comprenaient 68 mesures d’épaisseur corticale et 66 mesures de volume sous-cortical normalisé, notamment pour différentes structures sous-corticales, des sous-régions de l’hippocampe et des noyaux de l’amygdale. Rassurez-vous, l’équipe a en réalité « entraîné » un ordinateur à analyser les différentes combinaisons des valeurs dans les « fruits » – les IRM – individuels, sinon nous y serions encore dans quelques années.

Comment ont-ils fait pour l’entraîner ? Eh bien, ils lui ont fourni les 134 caractéristiques et des exemples des IRM de chaque groupe, puis ils ont testé sa capacité à classer des IRM qu’il n’avait pas vues auparavant (cette phase « test » est essentielle, sinon, l’algorithme pourrait simplement avoir appris les exemples par cœur).

Si j’en ai fait le sujet de ce premier article, c’est, bien sûr, que la réponse est intéressante.

Il a effectivement été possible de se servir d’indices présents dans les IRM pour les classifier. La précision de la classification, sans être spectaculaire, a été supérieure à ce que l’on aurait pu observer par hasard. Pour l’ensemble des personnes avec un TNF comparées aux « témoins sains », la classification des IRM était réussie dans 66 % des cas, et en considérant uniquement les personnes présentant un TNF dit « moteur », le chiffre s’élève à 72 %. En revanche, il n’a pas été possible de distinguer les patients présentant spécifiquement des crises fonctionnelles des personnes sans TNF avec une précision supérieure au hasard.

Une « signature TNF » ? Pas si vite

Certes, il n’y a pas de « Lésion » avec le grand L. Ce que la Dre Westlin et ses collègues ont trouvé ne permet pas non plus d’établir une « signature TNF » que l’on pourrait utiliser pour diagnostiquer un patient. Alors désolée, nous n’allons donc pas faire imprimer une liste de 134 mesures à distribuer aux neurologues du monde entier.

L’intérêt de l’étude est ailleurs. Il s’agit en effet d’une preuve de concept, qui fournit des pistes tangibles. Parmi les 134 caractéristiques, certaines contribuaient davantage que d’autres aux classifications. Ce qui est intéressant ici n’est donc pas d’établir une liste de régions particulières qui seraient associées au TNF, mais justement de pouvoir combiner un grand nombre de petites différences anatomiques, dont aucune n’est nécessairement suffisante à elle seule pour distinguer les groupes.

Pour nuancer un peu davantage les implications de cette étude, il faut savoir également que la Dre Westlin et ses collègues ont effectué une analyse supplémentaire dont les résultats pourraient, à première vue, paraître décourageants. La classification des patients avec un TNF réussissait dans seulement 60 % des cas quand le groupe « non-TNF » était constitué de personnes présentant un trouble psychiatrique mais sans TNF. En revanche, il n’était pas possible de distinguer les patients présentant des crises fonctionnelles de ces témoins avec une précision supérieure au hasard. Ce résultat supplémentaire nous apprend que certaines des différences qui permettaient de distinguer les personnes avec un TNF des « témoins sains » pourraient ne pas être spécifiques au TNF. Par ailleurs, les caractéristiques les plus importantes pour la classification changeaient selon le groupe auquel le TNF était comparé.

Et justement, il manque également une comparaison avec des témoins neurologiques (personnes souffrant d’un trouble neurologique, comme l’épilepsie, mais sans TNF). À ce stade, il faudrait notamment vérifier si les différences identifiées dans cette étude se retrouvent également chez des personnes présentant d’autres maladies neurologiques. Par ailleurs, le groupe de personnes présentant des crises fonctionnelles était relativement petit, ce qui a pu limiter la capacité de l’étude à détecter une classification dans ce sous-type. Comme le soulignent les auteurs, ce sont donc autant de pistes pour les études futures.

Bien sûr, ce type d’étude a un coût. Mais il serait intéressant de le mettre en regard du coût de l’errance diagnostique : plusieurs années d’attente, de nombreux examens et parfois, d’une manière presque ironique, des IRM répétées. Combien coûterait une telle étude, comparé au coût de ces années d’errance ?

Pas génial, pas terrible ?

Le titre de cet article fait référence à la série Chernobyl. Dans la série, « not great, not terrible » est la conclusion tirée d’une mesure qui, prise telle quelle, semble plutôt rassurante. Alors que l’outil mesure bel et bien ce pour quoi il a été conçu, le niveau de précision dont il dispose n’est pas adapté à la question. De même, une IRM clinique est parfaitement conçue pour repérer des anomalies structurelles cérébrales de taille suffisamment importante, localisées et visibles chez une personne. En revanche, elle n’est pas conçue pour repérer de petites différences anatomiques et leur distribution à travers le cerveau. Une IRM d’une personne atteinte d’un TNF peut donc être « pas géniale, pas terrible » dans le sens où elle peut ne montrer aucune lésion identifiable à l’échelle où l’examen est habituellement interprété, tout en contenant des informations beaucoup plus fines sur la structure du cerveau, mais que l’on ne peut mettre en évidence qu’avec d’autres méthodes d’analyse.

Dans l’étude de la Dre Westlin, cette information n’était donc pas cachée dans une région mystérieuse du cerveau. Elle était distribuée entre de nombreuses caractéristiques anatomiques. Prises isolément, ces différences peuvent être trop subtiles pour permettre de distinguer les groupes. Considérées ensemble, elles permettent en revanche, pour certains groupes du moins, de mieux les distinguer que ne le ferait le hasard.

Certes, l’étude ne montre ni qu’une caractéristique particulière serait propre au TNF, ni que toutes les personnes atteintes d’un TNF présenteraient les mêmes différences structurelles. Tout de même, elle remet en cause une idée reçue. Puisque une IRM clinique qui ne montre pas de lésion identifiable ne signifie pas que la structure du cerveau ne présente aucune différence mesurable, il ne serait donc pas correct d’interpréter le mot « Fonctionnel » dans « Trouble Neurologique Fonctionnel » comme « dépourvu de toute différence structurelle mesurable ».

Mais loin de moi l’idée de donner, à fortiori en m’adressant aux personnes atteintes d’un TNF et à leurs proches, une définition par exclusion. « Fonctionnel » n’égale pas « pas structurel », mais cela ne nous dit pas encore ce que « fonctionnel » veut dire. Alors, qu’est-ce que « fonctionnel » veut dire ? Rendez-vous dans la prochaine newsletter !

^[1] Westlin, C., Guthrie, A. J., Paredes-Echeverri, S., Maggio, J., Finkelstein, S., Godena, E., … & Perez, D. L. (2025). Machine learning classification of functional neurological disorder using structural brain MRI features. Journal of Neurology, Neurosurgery & Psychiatry, 96(3), 249-257.

Dr Snežana TODOROVIĆ est une jeune chercheuse en neurosciences. Après son master de recherche en sciences cognitives à L’École Normale Supérieure de Paris, elle a fait son doctorat à l’Université Aix-Marseille. Dans son travail de tous les jours, elle analyse des données IRM pour identifier des altérations cérébrales subtiles, mais qui, cumulées,
nous apprennent beaucoup sur comment le cerveau fonctionne. Depuis qu’elle a été diagnostiquée avec un TNF en 2024, elle y consacre de plus en plus ses recherches, et milite pour que l’expérience vécue des patients ait sa place dans les soins et dans la recherche.