Le cerveau: Système dynamique non-linéaire

POINT DE VU DU DR. VAL BROWN*

"En 1970, j'ai eu une vision de ce que pourrait être l’entraînement cérébral par neurofeedback dans le futur : un moyen simple, puissant et sûr d'auto-optimisation, si facile et intuitif que tout le monde pourrait l'utiliser. NeurOptimal® version 3 est cette vision élégante et elle est là maintenant".

Pourquoi est-ce que je commence avec ça ? Parce que cette vision a animé tout mon travail ainsi que celui que ma femme Dr Susan Brown, et moi-même avons réalisé pour co-développer NeurOptimal®. Ce travail a maintenant été déterminé par la FDA comme impliquant un produit de bien-être général et cela signifie que tout le monde peut l'utiliser : aucune formation spéciale, aucune connaissance, aucune expertise, aucune certification de licence requise ou nécessaire. Cette orientation a été l'une des contributions les plus distinctes que j'ai apportées et elle a suscité une énorme animosité de la part de nombreuses autres personnes dans le domaine du neurofeedback. Qu'est-ce qui a motivé le développement du "Neurofeedback Dynamique®" et qu'est-ce qui le rend si différent de toutes les autres approches du neurofeedback ? Mes contributions spécifiques ont été associées aux travaux du Dr Susan Brown sur le système en évolution.

En 1970, je venais de terminer la lecture du Projet de Freud pour une psychologie scientifique (également connu sous le nom de Psychologie pour les neurologues) et j'ai réalisé que la transformation de l'énergie était le cœur du travail. Le problème était que la métaphore de Freud était mécanique, à savoir la machine à vapeur. J'ai donc pensé que, si nous substituions les transformations énergétiques de la mécanique quantique, il serait possible de mettre en œuvre une technologie qui pourrait aider à soutenir la transformation personnelle en utilisant des ordinateurs pour effectuer les calculs nécessaires. En extrapolant rapidement la quantité de ressources informatiques nécessaires pour cela, j'ai compris qu'il faudrait probablement attendre l'an 2000 pour que cela soit économiquement réalisable. J'ai donc mis le projet de côté.

En 1972, j'ai eu la chance d'entendre Karl Pribram parler du travail qu'il effectuait avec Merton Gill pour interpréter le Projet de psychologie scientifique en termes plus modernes, conformément au Modèle holonomique de la conscience, de la mémoire et de la perception qu'il venait de publier. J'ai posé plusieurs questions sur les mathématiques spécifiques qu'il a utilisées pour ce travail et j'ai alors su que ma vision originale était possible... avec le temps. Une fois de plus, la vision de neurofeedback que j'avais a été remise en suspend. En 2000, j'ai fait une présentation à la conférence FutureHealth sur le travail que Sue et moi faisions pour développer notre propre système de neurofeedback. Karl était là, m'a approché pendant une pause et m'a dit que ce que je faisais "...résumait les 25 dernières années de son travail." Je l'ai remercié et lui ai dit : "Vous ne vous souvenez probablement pas de moi, mais je vous ai entendu à Georgetown..." Il m'a regardé de plus près et m'a demandé : "Étiez-vous ce jeune homme aux cheveux longs au fond de la pièce qui me posait des questions sur les mathématiques ?" J'ai répondu oui, et c'est ainsi qu'a commencé une relation très importante qui nous a rapidement amenés, Karl et moi, à faire des présentations communes lors de conférences sur le modèle holonomique du cerveau et sur la façon d'aborder le neurofeedback en gardant cela à l'esprit comme je le faisais.

Les mathématiques impliquées étaient des modifications spécifiques aux techniques d'analyse conjointe temps-fréquence utilisées par leur développeur, Denis Gabor, pour développer l'holographie : une réalisation qui lui a valu un prix Nobel en 1972 . Lorsque j'ai introduit le terme "analyse conjointe temps-fréquence" (JTFA) dans le domaine du neurofeedback en 1998, beaucoup ont fait des commentaires : "Je n'ai jamais entendu parler de cela". J'ai trouvé cela étonnant parce que, quoi que vous fassiez d'autre en neurofeedback, si vous vous préoccupez de la façon dont l'énergie circule dans le temps pendant une session, vous faites de la JTFA. La seule question qui se pose est de savoir dans quelle mesure les méthodes que vous utilisez pour étudier la fréquence et le temps sont précises, sophistiquées et utiles, et comment elles sont liées au sein du neurofeedback. Pourquoi la bonne technique JTFA était-elle importante ? Il y a deux raisons : 1. elle permet de faire un débruitage adaptatif en ligne des composantes EEG non humaines du signal enregistré sur le cuir chevelu et 2. ce sont les mêmes mathématiques que le Système Nerveux Central (SNC) lui-même utilise pour percevoir, se souvenir et naviguer dans le monde, comme l'avait démontré Pribram dans le modèle holonomique qu'il a développé.
Comment la bonne JTFA peut-elle débruiter l'EEG, en éliminant autant que possible les artefacts comme le bruit de ligne, l'EMG, le mouvement physique, etc. Parce que ces artefacts ont des structures d'événements temps-fréquence différentes de celles de l'EEG. Le Bruit de Ligne, par exemple, est essentiellement une sinusoïde simple et bruyante, donc il est répétitif, prévisible et maintient toujours la même fréquence de base. L'EEG humain ne fait jamais cela, sauf en cas de crise d’épilepsie. Le ciblage basé sur la JTFA (similaire à ce qui est utilisé dans le RADAR Doppler, etc.) recherche des événements temps-fréquence spécifiques, et cela rend l'utilisation correcte de la JTFA sophistiquée et idéale pour fournir un neurofeedback, en particulier au milieu d'artefacts EEG non humains. Les mathématiques sont élégantes, claires et précises, mais elles nécessitent d'énormes quantités de puissance de calcul et c'était là le défi : à savoir, comment apporter une puissance de calcul suffisante à un système qui pourrait être rentable ? C'était une question de loi de Moore et en 1998, nous étions sur le point de disposer d'ordinateurs personnels économiques destinés au grand public qui pourraient commencer à prendre en charge cette forme spécifique de la FOIA(loi d'accès à l'information).

La question qui se posait alors était la suivante : comment automatiser ce processus de manière à ce qu'aucun opérateur humain ne soit nécessaire, c'est-à-dire que tout le monde puisse utiliser le système à tout moment, avec tout le monde, y compris soi-même ? Il fallait mettre au point un algorithme capable d'accorder automatiquement le ciblage basé sur la JTFA à l'émergence du signal dynamique spécifique au cours de chaque session, et cet algorithme devait être capable d'individualiser cet accord émergent pour chaque personne distincte qui l'utilise à chaque moment distinct de chaque session. Il fallait donc renoncer à toute forme d'approche normative basée sur des données.

Une fois de plus, une partie de mon histoire personnelle devient pertinente. J'ai eu la chance de commencer à explorer les mathématiques émergentes des systèmes dynamiques non linéaires (SDN) alors que j'étais au lycée et cela a fourni la base de l'algorithme décrit ci-dessus qui est finalement devenu AutoNav. Cet algorithme sophistiqué et unique a permis à l'ordinateur de régler les textures spécifiques de chaque moment de chaque session de neurofeedback en fonction de la façon dont ce client particulier a réagi au moment précédent dans cette session spécifique. La méthode n'est pas basée sur des moyennes, des médianes, des écarts types, des approches standard de la variance, etc. mais sur des techniques spécifiques de SDN affinées pour répondre aux exigences uniques du neurofeedback. Lorsque la méthode AutoNav a été mise en œuvre en combinaison avec notre approche de ciblage unique et exclusive basée sur la JTFA, nous disposions d'une méthode complète et adaptative de neurofeedback qui pouvait répondre de manière optimale à chaque personne qui l'utilisait : aucune évaluation préalable n'était nécessaire, aucune modification du protocole, du ciblage ou du site du capteur n'était nécessaire !

Une autre contribution est l'utilisation d'interruptions dans les flux audiovisuels en cours au lieu de stimuli discrets de rétroaction positive, communément appelés "récompenses". NeurOptimal® envoie plutôt une interruption à son lecteur multimédia et le flux audiovisuel en cours comporte une très brève pause qui peut ressembler à de l'électricité statique, ou aux clics et sauts que nous avions l'habitude d'entendre lors de la lecture de disques vinyles. Cela permet à chaque client d'utiliser la ressource audiovisuelle de son choix, même si la plupart utilisent les médias que nous fournissons avec le système. Plutôt que d'être ennuyeux ou désagréables de quelque manière que ce soit, les interruptions ne sont pas traitées consciemment ; elles fonctionnent plutôt comme les bandes rugueuses sur les autoroutes. Ils vous donnent simplement des informations : si vous voulez quitter la route, continuez à rouler, si vous voulez rester sur la route, faites demi-tour vers votre voie. Pas besoin de compter le nombre de bosses pour savoir si vous le faites bien ! De même, il n'y a pas de nombre préféré d'interruptions à avoir, en fait il n'y a pas de tâches spécifiques à faire, ni d'objectifs à viser lors de l'utilisation de NeurOptimal®. Au lieu de cela, nous donnons des informations au SNC par le biais des interruptions et ce SNC choisit lui-même ce qu'il doit faire, en utilisant ses propres processus intrinsèques de rétroaction négative pour maintenir sa résilience et sa flexibilité. Pratiquement toutes les autres formes de neurofeedback sont basées sur une forme de feedback positif et cela comporte le risque inhérent de dépassement. Au début, nous avions l'habitude d'utiliser des protocoles de rétroaction différents et singuliers pour favoriser certains états : l'un vous détendait tandis qu'un autre augmentait votre activation. À l'époque, vous saviez que vous deviez changer de protocole parce que vous pouviez facilement dépasser l'activation prévue et que vous deviez la faire redescendre par la relaxation. NeurOptimal® ne connaît pas un tel phénomène : son algorithme AutoNav accorde en douceur le réseau complet et adaptatif de nos dix paires d'enveloppes temps-fréquence (ou cibles) bilatéralement symétriques.
Une autre contribution consistait à abandonner l’idée figée d’états et à se pencher plutôt sur la manière dont la SNC navigue dans son monde. Au départ, j'ai fait cela en enregistrant des enregistrements de base de 30 secondes : les 15 premières secondes, le client avait les yeux ouverts et regardait un écran d'ordinateur, et les 15 dernières secondes, les yeux étaient fermés. Je regardais comment la SNC naviguait dans cette transformation et lorsque j'ai présenté cette idée lors de conférences, la remarque était : "Nous connaissons déjà la différence entre un EEG avec les yeux ouverts et un EEG avec les yeux fermés". J'ai répondu que j'étudiais le flux ou la transition elle-même, et non des "états" présumés séparés. J'ai été étonné qu'il soit difficile pour les autres d'entendre cette différence. Lâcher prise sur les "états" et les entraînements basés sur les états est parfaitement logique lorsque l'on réalise que le SNC est un système dynamique non linéaire et que ceux-ci ne sont jamais dans un seul "état" ; au contraire, il y a toujours de multiples processus qui se chevauchent et s'interpénètrent et qui surgissent puis disparaissent dans une danse syncopée de navigation à travers le monde. Comment peut-il y avoir un "état" unique si l'on n'épingle pas le papillon au mur pour voir comment il vole ?

Dans l'ensemble, je pense que ces contributions sont uniques et dignes d'intérêt. Je n'ai pas fait référence à d'autres contributeurs ou à leurs contributions car je sais que d'autres ici le feront.

- Par Valdeane W. Brown, Ph.D

*Chapitre évalué par des pairs et publié dans le livre "Neurofeedback : The First Fifty years". Edited by James Evans Mary Dellinger Harold Russell

SOURCE: www.neuroptimal.com
Traduction: V. Heuzé-Neurozen® neurofeedback Strasbourg