253. NEUROSCIENCES
Les personnes intelligentes pensent-elles vraiment plus ? L’Intelligence et prise de décision
Résumé : Les chercheurs ont fait une découverte surprenante sur l'intelligence et la vitesse de prise de décision. Leurs résultats indiquent que ceux qui ont un QI élevé sont plus rapides lorsqu'ils résolvent des tâches simples, mais prennent plus de temps pour résoudre des problèmes complexes par rapport à ceux qui ont un QI inférieur. À l'aide de simulations cérébrales personnalisées de 650 sujets, ils ont observé que les cerveaux avec une synchronisation réduite entre les zones ont tendance à "sauter aux conclusions", alors que les cerveaux des individus les mieux notés prennent plus de temps mais font moins d'erreurs. Ces découvertes pourraient avoir un impact significatif sur notre compréhension de la fonction cérébrale et pourraient être applicables au traitement des maladies neurodégénératives.
Faits marquants:
1. Les chercheurs ont découvert que les personnes ayant un QI élevé sont plus rapides lorsqu'elles résolvent des tâches simples, mais plus lentes lorsqu'elles traitent de problèmes complexes.
2. La recherche était basée sur des simulations cérébrales personnalisées de 650 participants du Human Connectome Project.
3. Les résultats suggèrent qu'un équilibre excitation-inhibition dans les neurones influence les capacités de prise de décision et de résolution de problèmes.
Source: BIH
Les gens intelligents pensent-ils plus vite ?
Des chercheurs du BIH et de la Charité—Universitätsmedizin Berlin, en collaboration avec un collègue de Barcelone, ont fait la découverte surprenante que les participants ayant des scores d'intelligence plus élevés n'étaient plus rapides que lorsqu'ils s'attaquaient à des tâches simples, alors qu'ils mettaient plus de temps à résoudre des problèmes difficiles que les sujets ayant des scores de QI inférieurs.
Dans des simulations cérébrales personnalisées des 650 participants, les chercheurs ont pu déterminer que les cerveaux avec une synchronisation réduite entre les zones cérébrales "sautent littéralement aux conclusions" lors de la prise de décisions, plutôt que d'attendre que les régions cérébrales en amont puissent terminer les étapes de traitement nécessaires pour résoudre le problème.
En fait, les modèles cérébraux des participants aux scores les plus élevés avaient également besoin de plus de temps pour résoudre des tâches difficiles, mais faisaient moins d'erreurs.
Les scientifiques ont maintenant publié leurs découvertes dans la revue Nature Communications .
Il y a environ 100 milliards de neurones dans le cerveau humain. Chacun d'eux est connecté à environ 1 000 neurones voisins ou distants. Ce réseau insondable est la clé des incroyables capacités du cerveau, mais c'est aussi ce qui rend si difficile la compréhension de son fonctionnement.
Le professeur Petra Ritter, responsable de la section de simulation cérébrale à l'Institut de santé de Berlin à la Charité (BIH) et au Département de neurologie et de neurologie expérimentale de la Charité—Universitätsmedizin Berlin, simule le cerveau humain à l'aide d'ordinateurs.
« Nous voulons comprendre comment fonctionnent les processus de prise de décision du cerveau et pourquoi différentes personnes prennent des décisions différentes », dit-elle en décrivant le projet actuel.
Modèles cérébraux personnalisés
Pour simuler les mécanismes du cerveau humain, Ritter et son équipe utilisent des données numériques provenant de scanners cérébraux comme l'imagerie par résonance magnétique (IRM) ainsi que des modèles mathématiques basés sur des connaissances théoriques sur les processus biologiques.
Il en résulte initialement un modèle de cerveau humain « général ». Les scientifiques affinent ensuite ce modèle en utilisant les données de personnes individuelles, créant ainsi des « modèles cérébraux personnalisés ».
Pour la présente étude, les scientifiques ont travaillé avec les données de 650 participants du Human Connectome Project, une initiative américaine qui étudie les connexions neuronales dans le cerveau humain depuis septembre 2010.
« C'est le bon équilibre excitation-inhibition des neurones qui influence la prise de décision et permet plus ou moins à une personne de résoudre des problèmes », explique Ritter. Son équipe savait comment les participants s'en sortaient lors de tests cognitifs approfondis et quels étaient leurs scores de QI.
Les cerveaux artificiels se comportent comme leurs homologues biologiques
"Nous pouvons reproduire très efficacement l'activité des cerveaux individuels", explique Ritter.
« Nous avons découvert au cours du processus que ces cerveaux in silico se comportent différemment les uns des autres, et de la même manière que leurs homologues biologiques. Nos avatars virtuels correspondent aux performances intellectuelles et aux temps de réaction de leurs analogues biologiques.
Fait intéressant, les cerveaux « plus lents » des humains et des modèles étaient plus synchronisés, c'est-à-dire dans le temps les uns avec les autres. Cette plus grande synchronie a permis aux circuits neuronaux du lobe frontal de retarder les décisions plus longtemps que les cerveaux moins bien coordonnés.
Les modèles ont révélé à quel point la coordination temporelle réduite fait que les informations nécessaires à la prise de décision ne sont ni disponibles en cas de besoin ni stockées dans la mémoire de travail.
La collecte de preuves prend du temps et conduit à de bonnes décisions
Les IRM fonctionnelles à l'état de repos ont montré que les solveurs plus lents avaient une connectivité fonctionnelle moyenne plus élevée, ou synchronie temporelle, entre leurs régions cérébrales.
Dans des simulations cérébrales personnalisées des 650 participants, les chercheurs ont pu déterminer que les cerveaux avec une connectivité fonctionnelle réduite "sautent littéralement aux conclusions" lors de la prise de décisions, plutôt que d'attendre que les régions cérébrales en amont puissent terminer les étapes de traitement nécessaires pour résoudre le problème.
Les participants ont été invités à identifier des règles logiques dans une série de modèles. Ces règles devenaient de plus en plus complexes à chaque tâche et donc plus difficiles à déchiffrer. Au quotidien, une tâche facile consisterait à freiner rapidement à un feu rouge, tandis qu'une tâche difficile nécessiterait de déterminer méthodiquement le meilleur itinéraire sur une feuille de route.
Dans le modèle, une soi-disant compétition gagnant-gagnant se produit entre différents groupes de neurones impliqués dans une décision, les groupes de neurones pour lesquels il existe des preuves plus solides prévalent.
Pourtant, dans le cas de décisions complexes, ces preuves ne sont souvent pas suffisamment claires pour une prise de décision rapide, forçant littéralement les groupes de neurones à sauter aux conclusions.
"La synchronisation, c'est-à-dire la formation de réseaux fonctionnels dans le cerveau, modifie les propriétés de la mémoire de travail et donc la capacité à 'endurer' des périodes prolongées sans décision", explique Michael Schirner, auteur principal de l'étude et scientifique du laboratoire de Ritter. .
"Dans les tâches plus difficiles, vous devez stocker les progrès précédents dans la mémoire de travail pendant que vous explorez d'autres voies de solution, puis les intégrer les unes aux autres. Cette collecte de preuves pour une solution particulière peut parfois prendre plus de temps, mais elle conduit également à de meilleurs résultats.
"Nous avons pu utiliser le modèle pour montrer comment l'équilibre excitation-inhibition au niveau global de l'ensemble du réseau cérébral affecte la prise de décision et la mémoire de travail au niveau plus granulaire des groupes de neurones individuels."
Les résultats sont intéressants pour la planification du traitement
Ritter est heureux que les résultats observés dans les "avatars cérébraux" informatisés correspondent aux résultats observés chez de "vrais" sujets sains. Après tout, son principal intérêt est d'aider les patients atteints de maladies neurodégénératives comme la démence et la maladie de Parkinson.
« La technologie de simulation utilisée dans cette étude a fait des progrès significatifs et peut être utilisée pour améliorer la planification personnalisée in silico des interventions chirurgicales et médicamenteuses ainsi que la stimulation cérébrale thérapeutique.
"Par exemple, un médecin peut déjà utiliser une simulation informatique pour évaluer quelle intervention ou quel médicament pourrait fonctionner le mieux pour un patient particulier et aurait le moins d'effets secondaires."
À propos de cette actualité de la recherche sur la cognition et le QI
Auteur : Stefanie Seltmann
Source : BIH
Contact : Stefanie Seltmann – BIH
Image : L'image est créditée à Neuroscience News
Recherche originale : libre accès.
" Apprendre comment la structure du réseau façonne la prise de décision pour l'informatique bio-inspirée " par Michael Schirner et al. Communication Nature
Abstrait
Apprendre comment la structure du réseau façonne la prise de décision pour l'informatique bio-inspirée
Pour mieux comprendre comment la structure du réseau façonne le comportement intelligent, nous avons développé un algorithme d'apprentissage que nous avons utilisé pour créer des modèles de réseau cérébral personnalisés pour 650 participants au projet Human Connectome.
Nous avons constaté que les participants ayant des scores d'intelligence plus élevés prenaient plus de temps pour résoudre des problèmes difficiles et que les résolveurs plus lents avaient une connectivité fonctionnelle moyenne plus élevée.
Avec des simulations, nous avons identifié un lien mécaniste entre la connectivité fonctionnelle, l'intelligence, la vitesse de traitement et la synchronisation du cerveau pour la précision des échanges avec la vitesse en fonction de l'équilibre excitation-inhibition.
Une synchronisation réduite a conduit les circuits de prise de décision à sauter rapidement aux conclusions, tandis qu'une synchronisation plus élevée a permis une meilleure intégration des preuves et une mémoire de travail plus robuste. Des tests rigoureux ont été appliqués pour assurer la reproductibilité et la généralité des résultats obtenus.
Ici, nous identifions les liens entre la structure et la fonction cérébrales qui permettent d'apprendre la topologie du connectome à partir d'enregistrements non invasifs et de la cartographier aux différences interindividuelles de comportement, suggérant une large utilité pour la recherche et les applications cliniques.
Juillet 2023