Analyse automatique du sommeil de la souris par intelligence artificielle

Chez la Souris, les enregistrements de sommeil de longue durée effectués sur de grandes cohortes d’animaux sont courants. Il est donc nécessaire de développer des outils permettant de diminuer le temps de scorage manuel des états de vigilance. Notre étude, qui s’inscrit dans le cadre du GDR Sommeil, a pour objectif de valider une méthode d’analyse automatique du sommeil par intelligence artificielle chez la Souris. Un modèle de réseau de neurones profond a été entraîné sur les tracés électrocorticographiques et électromyographiques de 20 souris C57Bl/6 dont les états d’éveil, de NREM et de REM ont été scorés par époques de 4 s pendant 24 h. Le modèle estime pour chaque époque la probabilité de chaque état, la plus haute étant retenue pour visualiser l’hypnogramme du tracé, tandis que l’ensemble des probabilités peut être visualisé sous la forme d’une hypnodensité. Le modèle a été testé sur les tracés de 5 souris supplémentaires. Le modèle classifie avec succès plus de 90 % des époques d’éveil, NREM et REM. Des modifications sont actuellement apportées afin d’améliorer encore la fiabilité du modèle. Cette étude confirme la pertinence de l’usage des méthodes d’intelligence artificielle pour l’analyse automatique du sommeil chez la Souris. Ces méthodes pourraient à terme remplacer le scorage manuel, notamment pour l’évaluation de tracés longs sur des époques courtes produisant une résolution élevée. À moyen terme, l’objectif est de pouvoir utiliser ce modèle sur des tracés obtenus chez différents génotypes de souris, d’autres souches voire d’autres espèces de rongeurs.