L’épilepsie se définit comme la répétition de crises, de symptomatologie variée, mais dont le caractère spontané et imprévisible rend compte du handicap chronique chez les patients. Près d’un tiers des patients est résistant aux médicaments antiépileptiques, c’est-à-dire que les crises d’épilepsie persistent malgré l’utilisation d’au moins deux molécules adaptées. L’étude des mécanismes sous-tendant la transition entre un état intercritique (littéralement « entre deux crises ») et la crise – l’ictogenèse – a longtemps suggéré l’existence de modifications précritiques. L’état précritique correspond à la période précédant la crise et constitue ainsi la pierre angulaire des méthodes de prédiction des crises. Individualiser des biomarqueurs précritiques sensibles et spécifiques pourrait permettre d’envisager des stratégies thérapeutiques afin de stopper la « route vers la crise ». Mon travail de thèse a eu pour objectif de caractériser des états précritiques à l’aide : i) de symptômes cliniques subjectifs ; ii) de mesures standardisées de l’activité cardiaque et de connectivité fonctionnelle intracérébrale ; iii) d’enregistrements d’activités neuronales in vivo et d’activités épileptiques in vitro chez des patients atteints d’épilepsie. Mon approche de l’état précritique s’est ainsi décomposée en plusieurs niveaux : 1) L’évaluation de symptômes prodromaux mesurés à l’aide d’auto-questionnaires quotidiens chez des patients hospitalisés : plusieurs algorithmes d’apprentissage automatique, basés sur des séparateurs à vastes marges, ont mis en évidence de bonnes performances de prédiction de l’état précritique. Une étude clinique à l’aide de l’application mobile Epiday – développée sur la base de mes travaux de thèse – permettra d’analyser cette approche de façon prospective et en condition de vie réelle. 2) L’analyse de la variabilité de la fréquence cardiaque – en tant que reflet de l’équilibre sympathique/parasympathique – au cours d’un protocole de repos standardisé quotidien, qui a permis une bonne distinction des états inter et précritiques à l’aide d’un classifieur. L’analyse pseudoprospective a montré des prévisions probabilistes du risque de crise(s) globalement correctes mais une sensibilité moyenne, nécessitant une amélioration dans l’optique d’une application clinique. 3)L’étude de la connectivité fonctionnelle à l’aide d’enregistrements EEG intracérébraux, également durant des protocoles de repos quotidiens : l’algorithme de classification basé sur la synchronie de phase a montré les meilleures performances de distinction entre les états inter et précritiques dans la bande thêta. Ces résultats étaient significativement supérieurs à ceux du classifieur basé sur les anomalies épileptiques intercritiques. Les prévisions probabilistes quotidiennes du risque de crise(s) étaient par ailleurs prometteuses. Transposer les données de connectivité dans un espace géométrique hyperbolique a montré des résultats similaires. 4) L’enregistrement in vivo de l’activité neuronale à l’aide de microélectrodes intracérébrales : j’ai pu, de façon préliminaire, identifier un grand nombre de neurones et suivre leur activité durant les heures précédant les crises. Je compte poursuivre mon travail de thèse en recherchant des modifications précritiques du comportement individuel et interindividuel de ces neurones. 5) L’enregistrement in vitro sur tranches de tissu cérébral épileptique post-opératoire m’a permis d’enregistrer, de façon préliminaire, des anomalies intercritiques et précritiques, que j’ai pu corréler avec des données acquises in vivo. Mon travail de thèse a fourni de nouvelles données, suggérant l’existence de modifications dynamiques précritiques, en tirant bénéfice d’algorithmes d’apprentissage automatique et de la mise en place d’une évaluation quotidienne dans un état de repos standardisé. Mes travaux ouvrent la voie pour une analyse des modifications des activités neuronales enregistrées in vivo lors d’EEG intracérébraux.