La recherche sur les rêves est tourmentée par sa dépendance du rapport verbal subjectif du rêveur. Nous ne pouvons pas vérifier de manière indépendante si une personne a rêvé. Tout ce que nous avons, c'est son rapport qu'il a en fait fait un rêve. Si nous voyons les caractéristiques de l'activité cérébrale du sommeil paradoxal sur une machine EEG, alors notre confiance que cette personne est en train de rêver est augmentée mais jamais absolument certaine. Quand les gens sont réveillés de REM, ils ne rapportent pas toujours un rêve. Néanmoins, la plupart des gens, la plupart du temps, rapportent un rêve lorsqu'ils sont réveillés du sommeil paradoxal.
Même si nous accordons qu'une personne éprouve probablement un rêve quand elle entre dans le sommeil paradoxal, nous n'avons aucune idée de ce dont il rêve. Pour savoir de quoi rêvent les gens, nous devons leur demander. Encore une fois, nous dépendons totalement du rapport subjectif si nous voulons étudier le contenu de rêve.
Ce serait bien si nous n'avions pas à demander à la personne de quoi son rêve était. Si à la place nous connaissions le code neuronal de base avec lequel le cerveau traite le contenu cognitif, nous pourrions simplement consulter le code affiché dans les modèles d'activité cérébrale, puis dériver le contenu du rêve. Bien sûr, nous sommes loin de déchiffrer le code neuronal que le cerveau humain utilise pour représenter le contenu cognitif MAIS une publication récente nous a rapprochés de ce but.
Horikawa et al. (Science, Vol 340, 4 avril 2013) ont recruté 3 volontaires pour étudier leur activité cérébrale (mesurée par IRMf et EEG) pendant l'état de transition du sommeil (S1) lorsque de nombreuses personnes souffrent d'hallucinations hypnagogiques. Lorsque les volontaires sont passés à l'état S1, ils ont été réveillés et ont verbalement rapporté leur expérience visuelle pendant le sommeil. Les modèles d'activité IRMf ont été utilisés comme entrée dans un programme de simulation par ordinateur qui traitait les motifs d'IRMf comme un code pour les mots représentant des objets visuels. Ces codes d'objets visuels ont été étiquetés avec des mots dérivés de la description verbale du sujet de son expérience visuelle pendant le sommeil. Par exemple, si la personne a signalé avoir vu une maison rouge alors que l'IRMf affichait un motif X dans le cortex visuel, la machine a appris que le motif X ou un motif similaire à X indiquait toujours «maison rouge».
Une fois que la machine a appris un grand nombre de ces associations modèle-objet, elle pouvait prédire ce que le sujet voyait pendant le sommeil en se basant uniquement sur les modèles d'IRMf. Les chercheurs n'ont pas eu à demander au sujet de rapporter son expérience visuelle. La machine pourrait le faire (au moins 60% du temps) si les modèles d'IRMf actuels correspondaient à ceux de son répertoire d'appariements d'images-objets appris.
Tout d'abord, lorsque les volontaires de Horikawa ont confirmé que la machine était largement correcte dans ses prédictions de ce qu'ils voyaient dans leur sommeil, cela impliquait que nous serions finalement en mesure d'examiner les enregistrements de neuro-imagerie des états de sommeil. et être capable de dire à quoi les gens rêvent.
Si, un jour, nous regardons des milliers de ces enregistrements de neuroimagerie d'un grand groupe de sujets, puis rassemblons un résumé de ce dont rêvent ces gens, nous pouvons ensuite collecter les rapports de rêves associés de ces personnes et comparer les rapports aux enregistrements de neuroimagerie . Si cette comparaison correspond bien (au-delà de ce que vous attendez basé sur le hasard) alors nous pouvons plus facilement faire confiance aux rapports verbaux des gens concernant leur contenu de rêve. Nous pouvons être de plus en plus confiants que les rapports des gens concernant leurs rêves sont généralement non trompeurs, véridiques ou vrais.
Deuxièmement, à mesure que notre connaissance de l'impact des rêves sur le comportement éveillé augmente, nous serons en mesure de traiter plus efficacement les personnes souffrant de troubles douloureux des rêves (comme les cauchemars répétitifs). Si, par exemple, le monstre X apparaît toujours avec un motif IRMf Y et que le médicament z élimine le motif Y de l'IRMf ET que le patient signale un soulagement après le traitement, nous pouvons déduire que cette image de rêve et son schéma cérébral étaient en cause.
Troisièmement, à mesure que la science du rêve commence à identifier certaines images récurrentes du contenu des rêves comme de puissants prédicteurs des modèles comportementaux d'éveil, l'analyse mécanique de ces images de rêve peut être utilisée pour prédire les modèles comportementaux d'éveil.
Quatrièmement, il sera fascinant de comparer les signatures cérébrales pour des images de rêve récurrentes avec leurs homologues éveillés. Est-ce que voir une maison rouge dans un rêve nécessite la même signature neurale que de voir une maison rouge pendant la vie éveillée? Les résultats de Horikawa suggèrent que la réponse est Oui, mais cela pourrait ne pas être le cas lorsque nous nous éloignons du catalogue d'images visuelles simples étudiées dans les sujets de Horikawa.
Cinquièmement, le contenu intéressant des rêves concerne le plus souvent les émotions. Les émotions sont associées à des signatures neuronales. La machine peut-elle apprendre à prédire le contenu émotionnel des rêves sur la base de signatures neuronales?
