L'EEG ne voit pas la frontière entre rémission et santé express
On essaie parfois de voir la dépression dans les ondes électriques du cerveau. La logique est simple : si la maladie a des stades — aigu, de maintien, de guérison — alors les signaux devraient changer progressivement, comme le volume quand on tourne un bouton. Des scientifiques ont pris des enregistrements EEG de 74 personnes : 24 en phase aiguë, 23 en phase de maintien, 27 en bonne santé. Et ils ont vérifié si les indicateurs classiques des ondes diminuent ou augmentent vraiment par paliers de la maladie à la normale.
Il s'est avéré que presque aucun indicateur ne se comporte aussi docilement. Le cerveau de chaque personne fait du bruit à sa manière, et ce bruit masque la tendance générale. Le même chiffre peut se retrouver chez une personne saine et chez un patient en rémission. Les moyennes de groupe brouillent le tableau au lieu de le clarifier.
Cela signifie qu'il faut chercher le biomarqueur de la dépression autrement. Ne pas comparer des groupes entiers, mais suivre une même personne dans le temps — comme un patient concret, pas un portrait moyen. Ou construire des algorithmes qui apprennent à partir des particularités individuelles, et non des moyennes générales.
Le bouton de volume s'est avéré cassé — mais peut-être que chaque appareil a sa propre échelle.
Résumé original
tel que rédigé par les auteurs, en anglais arXiv:2603.03864
While EEG features differentiate Major Depressive Disorder (MDD) from healthy controls (HC), their clinical utility as biomarkers depends on a monotonic trajectory across the disease spectrum, from the acute (AC) phase to the maintenance (MA) phase and finally to the healthy baseline. However, the progression of the MA phase remains poorly understood in traditional marker analysis. Analyzing EEG data from 74 individuals (24 AC, 23 MA, and 27 HC), this study provides a comprehensive evaluation of classic ERP and resting-state indices across AC, MA, and HC groups. Our results demonstrate that almost no conventional metrics strictly satisfy the criterion of monotonic progression, likely due to profound inter-individual heterogeneity. These findings highlight the inherent limitations of group-level feature extraction and provide critical insights for developing future paradigms and algorithms to identify neurobiological markers with genuine clinical utility.
Chez les personnes en bonne santé, l'EEG peut varier davantage après une tasse de café ou un manque de sommeil que chez les patients entre les phases de la maladie.