La segmentation automatique a banalisé la mesure de la structure interne de l'hippocampe : un scan standard fournit les volumes d'une dizaine de sous-champs, voire plus, et les études sur le vieillissement, la mémoire et les maladies indiquent désormais quelle zone précise est liée à tel résultat. Mais ces travaux se contredisent : les méta-analyses divergent même sur le signe de l'effet, et certaines études désignent des structures différentes sans lien visible avec la taille d'échantillon ou le protocole. L'explication courante de ces contradictions est le manque de puissance statistique, mais les débats sur la reproductibilité ne portent que sur la question de savoir si l'association se reproduit, sans se demander si sa localisation anatomique peut seulement être retrouvée. Ce travail fait bande à part : à côté, dans l'archive, on trouve des études sur le diagnostic par réaction tissulaire, la mesure d'organoïdes en croissance, la division cellulaire avec conservation de la mémoire, les organes vivants en boîte de Petri, l'accoutumance de mini-cerveaux, la compression de la parole, les atlas cellulaires et la stimulation précise, mais aucune ne vérifiait si un design réel avec sous-champs de l'hippocampe peut nommer la bonne zone en présence d'un effet véritable.
Les chercheurs ont utilisé les données de 638 participants de la cohorte Cam-CAN (âge 18,6 à 89,0 ans, moyenne 55,2). Les volumes de 36 sous-champs de l'hippocampe (18 par hémisphère) ont été obtenus avec FreeSurfer 8.2.0 et l'atlas probabiliste d'Iglesias ; les volumes ont été logarithmisés, débarrassés de l'influence du volume intracrânien, de l'âge (spline), du sexe et de l'éducation, puis standardisés. Un facteur global (moyenne sur toutes les zones) et des contrastes locaux, orthogonaux à ce facteur, ont été extraits. Le modèle principal est un horseshoe régularisé, avec une espérance a priori de quatre prédicteurs significatifs. Pour tester la récupérabilité, des effets artificiels de localisation et d'amplitude connues (2 % ou 5 % de variance expliquée) ont été injectés dans les données réelles, ainsi que dans une copie « blanche » du même design, où les corrélations entre zones sont supprimées par blanchiment ZCA. À chaque répétition, les deux versions recevaient les mêmes sous-échantillons, colonnes, prédicteurs vrais, signes et vecteur de bruit ; seul l'échelle des coefficients différait. Trois estimateurs ont été comparés : la régression ridge, le chemin lasso et le horseshoe régularisé. La grille comprenait 4 tailles d'échantillon (100, 200, 400, 638), 2 amplitudes d'effet et 80 répétitions appariées par cellule ; la granularité de la parcellisation (6, 12, 18, 36 zones) et le schéma d'injection des effets ont en outre été variés.
Dans les données observées, aucun des 36 coefficients locaux ne se distinguait de zéro : aucun intervalle à 89 % n'excluait zéro, et la moyenne a posteriori du nombre effectif de coefficients non nuls s'établissait à 1,89 pour une espérance a priori de 4. Le facteur global avait un coefficient de +0,067 (intervalle à 89 % [0,004 ; 0,130]) et expliquait 0,6 % de la variance du résultat. Le bloc local n'ajoutait que 0,005 au R² bayésien, et la différence de densité logarithmique attendue ne dépassait pas 4 unités pour aucun modèle. La stabilité entre les deux moitiés de la cohorte était extrêmement faible : corrélation moyenne des vecteurs de coefficients de +0,12, chevauchement des top-6 de 0,08, alors que des exécutions répétées sur les mêmes données donnaient une concordance parfaite (chevauchement de 1,00). Dans l'expérience à effets injectés, la récupération du jeu complet de trois zones avec un effet de 5 % atteignait 20,8 % pour n=100 et 69,2 % pour n=638 avec le design réel, contre 30,0 % et 85,0 % pour le design blanchi. Avec un effet de 2 %, les valeurs correspondantes étaient : 15,4 % et 38,3 % contre 15,4 % et 53,3 %. L'ajustement de la courbe de saturation donnait un plafond de récupération de 0,944 (réel) et 1,05 (blanchi) pour un effet de 5 % ; pour un effet de 2 %, les plafonds étaient de 0,544 et 0,738. La taille d'échantillon nécessaire pour atteindre le critère de 0,8 avec un effet de 5 % : 1752 à 2803 participants pour le design réel et 893 à 1151 pour le design blanchi, autrement dit la corrélation multiplie par 1,5 à 3,1 la taille d'échantillon requise. Avec un effet de 2 %, aucun design n'atteignait le critère, quelle que soit la taille d'échantillon. Le passage à une parcellisation grossière de 6 zones ne donnait qu'une récupération de 0,750 (réel) et 0,783 (blanchi) pour un effet de 2 %. Le choix de l'estimateur s'est révélé plus important que la corrélation : pour n=638 et un effet de 5 %, la récupération atteignait 24,6 % pour la ridge, 69,2 % pour le horseshoe et 76,7 % pour le lasso. 58,6 % des paires de zones étaient interchangeables (différence de R² en leave-one-out inférieure à 0,002).
Ce travail apporte au domaine de l'hippocampe ce qui manquait aux travaux voisins sur les atlas cellulaires et les organoïdes : une évaluation empirique directe de la capacité d'un design réel avec sous-champs à nommer la bonne zone en présence d'un effet véritable. Contrairement aux études qui se contentent de signaler des associations ou de mesurer la fiabilité de la segmentation, il construit pour la première fois une expérience contrefactuelle avec des données « blanchies » appariées, permettant de séparer la contribution de la structure corrélationnelle de celle de la taille d'échantillon. Ce n'est pas une étude d'associations de plus, mais une surface de calibration sur laquelle on peut évaluer à l'avance le réalisme d'une étude planifiée. Le principal enseignement pour la science : les conclusions habituelles sur la localisation d'un effet dans un sous-champ précis n'ont souvent aucun fondement statistique, et la pratique consistant à désigner un « vainqueur » parmi des zones fortement corrélées doit céder la place à un compte rendu en classes équivalentes.
Le sujet pourrait évoluer vers la création d'outils ouverts de calibration préalable des designs : le chercheur pourra indiquer sa parcellisation, l'amplitude d'effet attendue et la taille d'échantillon disponible pour obtenir une estimation réaliste de la probabilité de localiser correctement l'effet. On peut imaginer l'apparition de normes de reporting exigeant de mentionner une classe d'équivalence plutôt qu'une zone isolée, ainsi que des recommandations sur le choix de l'estimateur, puisque les écarts entre méthodes se sont révélés plus grands que l'effet de la corrélation. L'approche des « effets injectés » gagnerait à être étendue à d'autres régions du cerveau et à d'autres modalités où la multicolinéarité est également forte.
Les résultats auront un effet direct sur la planification et l'interprétation des études en neurosciences cognitives, en neuropsychologie et en psychiatrie qui utilisent les volumes des sous-champs de l'hippocampe. Ils comptent aussi pour les études génétiques, où la correction sur le volume hippocampique total est déjà de pratique courante, et pour le développement de biomarqueurs cliniques fondés sur l'anatomie fine.
Les prochaines étapes incluent le recalcul des courbes de calibration pour d'autres outils de segmentation (par exemple ASHS) et pour d'autres cohortes, afin d'évaluer la transférabilité des résultats. Il faut aussi vérifier si les conclusions tiennent avec d'autres résultats cognitifs et dans des designs longitudinaux.
Ce travail touche directement au problème fondamental de la non-reproductibilité en neuroimagerie : il montre que les contradictions de la littérature sur les sous-champs de l'hippocampe peuvent s'expliquer non seulement par une faible puissance, mais aussi par la non-identifiabilité intrinsèque de la localisation aux tailles d'effet habituelles. Cela remet en question l'interprétation de nombreux résultats publiés et exige une révision des standards de preuve dans les études structure-comportement.
Le conditionnement de la matrice du design atteignait 1727, et le facteur d'inflation de la variance médian valait 7,3, ce qui signifie que l'information sur de nombreuses zones est presque entièrement dupliquée par leurs voisines. Par ailleurs, 32 des 36 corrélations bivariées avec le facteur cognitif étaient positives, autrement dit un coefficient négatif dans le modèle multivarié aurait dû s'interpréter comme une suppression, et non comme une relation inverse.
Non publié sur arXiv. Voici sa page, le PDF et la formalisation : vous pouvez vérifier vous-même, pas seulement lire notre analyse.