La stéréoelectroencéphalographie révèle des signatures neuronales de l'intégration multisensorielle dans le sillon temporal supérieur humain lors de la perception audiovisuelle de la parole

La perception de la parole humaine est intrinsèquement multisensorielle, reposant sur l'intégration des indices auditifs de la voix du locuteur avec les stimuli visuels de ses mouvements faciaux. Des études antérieures utilisant l'imagerie par résonance magnétique fonctionnelle (IRMf) basée sur le niveau d'oxygénation sanguine (BOLD) ont impliqué le gyrus temporal supérieur (GTS) dans le traitement auditif de la parole et le sillon temporal supérieur (STS) dans l'intégration des signaux de parole auditifs et visuels. Cependant, l'IRMf, en tant que mesure hémodynamique indirecte, manque de la résolution temporelle nécessaire pour capturer les calculs neuronaux rapides fondamentaux à la perception de la parole.\n\nPour surmonter ces limitations, la présente étude a utilisé la stéréoelectroencéphalographie (sEEG) pour enregistrer directement l'activité neuronale des régions GTS et STS chez 42 patients épileptiques (25 femmes, 17 hommes). Les participants devaient identifier des mots simples présentés sous trois formats sensoriels : uniquement auditif, uniquement visuel et audiovisuel. Ces conditions ont été testées avec et sans bruit auditif ajouté afin d'évaluer les bénéfices perceptifs des indices visuels de la parole. Il est notable que l'observation du visage du locuteur améliorait systématiquement la capacité des participants à percevoir la parole, en particulier dans des environnements bruyants.\n\nLes enregistrements neuronaux ont révélé un sous-ensemble d'électrodes, principalement situées dans la partie médio-postérieure du GTS et du STS, qui répondaient aux signaux de parole auditifs et visuels. Les réponses à la parole auditive ont été détectées à une latence moyenne de 71 millisecondes, tandis que les réponses à la parole visuelle survenaient légèrement plus tard, à 109 millisecondes. De manière cruciale, l'amélioration multisensorielle était la plus prononcée dans la partie supérieure du STS. Comparé à la parole uniquement auditive, le STS présentait une latence de réponse 40 % plus rapide et une augmentation de 18 % de l'amplitude de réponse lors du traitement de la parole audiovisuelle. En revanche, le GTS ne montrait pas de différences significatives en termes de vitesse ou d'amplitude de réponse dans les conditions multisensorielles.\n\nUne découverte inattendue était que le STS montrait des latences de réponse significativement plus rapides pour la parole audiovisuelle que le GTS (50 ms contre 64 ms). Cela suggère un modèle de traitement parallèle où le GTS soutient principalement la perception de la parole uniquement auditive, tandis que le STS joue un rôle principal dans l'intégration des informations multisensorielles de la parole. Ces dynamiques neuronales soulignent le STS comme un centre critique pour le traitement audiovisuel de la parole, complétant les résultats antérieurs d'IRMf par des preuves électrophysiologiques directes.\n\nEnsemble, ces résultats apportent un soutien convaincant au sillon temporal supérieur en tant que substrat neuronal spécialisé dans l'intégration multisensorielle lors de la perception de la parole. L'application de la sEEG a permis un suivi temporel précis des réponses neuronales, révélant des voies de traitement distinctes et rapides dans le cortex temporal humain. Cette recherche fait progresser non seulement notre compréhension des mécanismes neuronaux sous-jacents à la perception de la parole, mais souligne également l'importance de l'intégration multisensorielle dans les scénarios de communication réels. Ces connaissances ont des implications potentielles pour les interventions cliniques chez les populations ayant une perception de la parole altérée et pour le développement de dispositifs neuroprothétiques conçus pour augmenter les capacités de communication.