Des scientifiques de l'Université de Rochester ont développé une méthode révolutionnaire pour améliorer l'apprentissage humain grâce à la manipulation non invasive des modèles d'activité cérébrale. Cette approche innovante, dirigée par la professeure adjointe Coraline Iordan, vise à améliorer le traitement des troubles psychiatriques et développementaux tels que la dépression et l'autisme.
Dans une étude publiée dans les Proceedings of the National Academy of Sciences le 10 décembre 2024, Iordan et ses collègues de Yale et Princeton ont démontré qu'il est possible d'inscrire de nouveaux modèles d'activité cérébrale favorisant un apprentissage plus rapide des catégories visuelles. Traditionnellement, l'apprentissage se produit par l'expérience et l'instruction, mais cette équipe a réussi à utiliser la manipulation externe et le retour d'information neural pour 'sculpter' l'activité cérébrale.
Les chercheurs ont utilisé des techniques d'imagerie neurofonctionnelle en temps réel et de neurofeedback, permettant aux participants de modifier la représentation cérébrale d'objets visuels. Allongés dans une machine IRMf, les sujets ont visualisé des formes abstraites et ont appris à contrôler leur représentation mentale de ces formes uniquement par la pensée. L'étude a révélé que les participants pouvaient apprendre de nouvelles catégories visuelles sans conscience explicite, soulignant le potentiel du traitement implicite dans l'apprentissage.
Iordan a expliqué : 'Au lieu de vous enseigner quelque chose et de mesurer comment votre cerveau change, nous avons écrit une nouvelle catégorie dans votre cerveau qui serait apparue si vous l'aviez apprise vous-même.' Cette méthode facilite non seulement l'apprentissage, mais pourrait également avoir des implications significatives pour les traitements cliniques, aidant potentiellement les patients atteints de troubles neuropsychiatriques à atteindre des modèles cérébraux plus proches de ceux des individus neurotypiques.
L'équipe de recherche prévoit que cette technique pourrait informer le développement futur d'interfaces cerveau-ordinateur et d'interventions cliniques, marquant un pas important dans notre compréhension de la fonction cérébrale et de l'apprentissage.