EPFL crée LogSync, puce pour détecter les états cérébraux

Des chercheurs de l’EPFL ont développé LogSync, une puce neurale implantable de faible consommation capable de lire des signaux cérébraux pour identifier des états cognitifs et émotionnels et déclencher une stimulation en temps réel. La puce mesure environ 4 x 2 millimètres. Elle vise à améliorer la stimulation cérébrale profonde, utilisée pour des troubles du mouvement comme la maladie de Parkinson et étudiée pour certaines maladies psychiatriques graves, dont la dépression majeure, le stress post-traumatique et les troubles obsessionnels compulsifs. La plupart des systèmes actuels fonctionnent en boucle ouverte: la stimulation suit des réglages prédéfinis au lieu de s’adapter en continu à l’activité cérébrale. Même parmi les systèmes dits adaptatifs, beaucoup n’analysent qu’une seule région du cerveau. Or les travaux de Mahsa Shoaran, responsable de l’Integrated Neurotechnologies Lab à l’EPFL, partent de l’idée que les troubles psychiatriques découlent davantage de perturbations de la communication entre régions cérébrales que du dysfonctionnement d’une zone isolée. LogSync enregistre l’activité cérébrale et extrait des biomarqueurs au niveau des réseaux neuronaux, décrivant l’intensité des oscillations cérébrales et la synchronisation des signaux entre différentes régions. Un algorithme d’apprentissage automatique analyse ensuite ces indicateurs pour distinguer des états cognitifs ou émotionnels et générer des impulsions de stimulation lorsqu’un état pertinent est détecté. Cette approche permet des interventions plus ciblées et potentiellement plus efficaces. Dans une étude publiée dans l’IEEE Journal of Solid-State Circuits, l’équipe a évalué la puce avec des enregistrements cérébraux humains obtenus lors d’expériences psychiatriques précédentes. Les données montraient d’une part une variation de l’engagement cognitif pendant une tâche mentale, d’autre part une activation émotionnelle liée au visionnage de vidéos. À partir de ces signaux cérébraux seuls, l’algorithme a distingué les deux types d’états. Dans d’autres expériences menées chez le rat à l’Université du Minnesota, le système a suivi les oscillations cérébrales en temps réel et a déclenché des stimulations à des phases prédéfinies de l’activité neuronale. Le défi principal était de réaliser ces fonctions avec l’énergie très limitée d’un implant. L’équipe a conçu conjointement le matériel et les algorithmes pour intégrer le traitement et le décodage des signaux neuronaux sur une seule puce, tout en maintenant la consommation sous 200 microwatts, très en dessous de celle de nombreux systèmes d’interface neurale. La puce utilise aussi des calculs logarithmiques pour simplifier les opérations complexes nécessaires à l’analyse des réseaux cérébraux et à l’extraction en temps réel des biomarqueurs. Bien que LogSync ait d’abord été validé pour des applications psychiatriques, sa capacité à extraire des biomarqueurs de réseau pour déclencher une stimulation à un moment précis pourrait être utilisée dans d’autres domaines des neurotechnologies. Elle concerne aussi la stimulation cérébrale profonde adaptative pour les troubles du mouvement, les systèmes de stimulation non invasive en boucle fermée et les interfaces émergentes par ultrasons focalisés. En parallèle, le laboratoire développe des méthodes d’apprentissage automatique capables d’apprendre directement à partir des enregistrements neuronaux plutôt que de reposer uniquement sur des biomarqueurs prédéfinis. Un travail présenté à ICML 2026 s’appuie sur l’apprentissage auto-supervisé pour analyser l’activité cérébrale à travers plusieurs régions, canaux et intervalles de temps. Ces avancées rapprochent les interfaces neuronales intelligentes d’applications cliniques, notamment via Infera Neuro, une jeune pousse issue de l’EPFL cofondée par Mahsa Shoaran.