2.3.2. Les analyses statistiques

Les analyses statistiques sont effectuées le plus souvent en trois étapes clés (Friston, 2003) : la spécification du modèle statistique, l’estimation des paramètres du modèle, et la définition et l’estimation des contrastes.

Premièrement, créer un modèle statistique revient à définir les fonctions mathématiques qui modélisent au mieux le signal acquis par l’imageur au cours du temps, en minimisant l’erreur résiduelle, c'est-à-dire en minimisant la proportion de signal enregistré non décrit par le modèle. En TEP, le signal est toujours modélisé comme un bloc de la longueur de l’acquisition. Afin de mieux calquer le signal physiologique, ce bloc est généralement modélisé de façon à prendre en compte la forme de la réponse hémodynamique. En IRMf, le signal peut être modalisé en blocs plus ou moins courts. Historiquement, les premières études d’IRMf définissent des blocs de la taille de la minute, considérant alors le signal de ce bloc comme étant une seule et même condition expérimentale (‘block-design fMRI’). De nos jours, l’acquisition d’un volume de cerveau étant de plus en plus rapide, le bloc peut corrélativement être de plus en plus court, jusqu’à atteindre la taille d’un seul événement cognitif. Il est question alors de modélisation événementielle, et la technique est intitulée IRMf événementielle (‘event-related fMRI’). Cette modélisation événementielle permet une plasticité bien plus grande et donc de créer des protocoles expérimentaux jusqu’alors inimaginables, avec une succession rapide des conditions expérimentales au cours du temps.

Deuxièmement, l’étape d’estimation des paramètres du modèle a pour rôle d’établir la correspondance entre le modèle spécifié et les données acquises pendant tout l’examen. Troisièmement, les contrastes statistiques permettent de comparer les variations de signal entre des conditions expérimentales ou des groupes de populations, de façon à quantifier sur des critères probabilistes les différences observées expérimentalement. Ainsi, l’estimation des contrastes permet de tester l’hypothèse nulle selon laquelle deux conditions ou deux populations présentent des patterns d’activations identiques.

Les analyses statistiques peuvent être soit appliquées à l’ensemble du cerveau, soit limitées à certaines régions cérébrales. Dans le premier cas, l’expérimentateur ne possède aucune idée préconçue quant aux aires qui sont susceptibles d’être activées, et recourt à une approche exploratoire. Dans le second cas, l’expérimentateur possède des hypothèses a priori quant aux résultats, et limite ses analyses à des régions d’intérêt (‘Region of interest’ ROI) définies par des critères anatomiques (e.g., hippocampe, amygdale) ou centrées sur les coordonnées stéréotaxiques d’une activation observée dans une autre étude.

Tandis que l’étude est limitée à un groupe de 12-15 sujets, il est possible de procéder à des inférences statistiques valides pour l’ensemble de la population en utilisant les analyses à effets aléatoires (Random-effects analysis) (Penny et al., 2003). Les données fonctionnelles sont alors analysées en deux étapes qui permettent de prendre en compte successivement les variances intra-individuelles et inter-individuelles.