Abstract Electroencephalography (EEG) has been thoroughly studied for decades in psychiatry research. Yet its integration into clinical practice as a diagnostic/prognostic tool remains unachieved. We hypothesize that a key reason is the underlying patient’s heterogeneity, overlooked in psychiatric EEG research relying on a case-control approach. We combine HD-EEG with normative modeling to quantify this heterogeneity using two well-established and extensively investigated EEG characteristics -spectral power and functional connectivity-across a cohort of 1674 patients with attention-deficit/hyperactivity disorder, autism spectrum disorder, learning disorder, or anxiety, and 560 matched controls. Normative models showed that deviations from population norms among patients were highly heterogeneous and frequency-dependent. Deviation spatial overlap across patients did not exceed 40% and 24% for spectral and connectivity, respectively. Considering individual deviations in patients has significantly enhanced comparative analysis, and the identification of patient-specific markers has demonstrated a correlation with clinical assessments, representing a crucial step towards attaining precision psychiatry through EEG.

By interfering with the normal sequence of mechanisms serving the brain maturation, premature birth and related stress can alter perinatal experiences, with potential long-term consequences on a child's neurodevelopment. The early characterization of brain functioning and maturational changes is thus of critical interest in premature infants who are at high risk of atypical outcomes and could benefit from early diagnosis and dedicated interventions. Using high-density electroencephalography (HD-EEG), we recorded resting-state brain activity in extreme and very preterm infants at the equivalent age of pregnancy term (n=43), and longitudinally 2-months later (n=33), compared with full-term born infants (n=14). We characterized the maturation of brain activity by using microstate analysis (a method to quantify the spatiotemporal dynamics of the spontaneous transient network activity) while controlling for vigilance states. The comparison of premature and full-term infants first showed slower dynamics as well as altered spatio-temporal properties of resting-state activity in preterm infants. Maturation of functional networks between term-equivalent age and 2 months later in preterms was translated by the emergence of richer dynamics, manifested in part by faster temporal activity (shorter duration of microstates) as well as an evolution in the spatial organization of the dominant microstates. The inter-individual differences in the temporal dynamics of brain activity at term-equivalent age were further impacted by gestational age at birth and sex (with slower microstate dynamics in infants with lower birth age and in boys) but not by other considered risk factors. This study highlights the potential of the microstate approach to reveal maturational properties of the emerging resting-state network activity in premature infants.

The corpus callosum -- the main pathway for long-distance inter-hemispheric integration in the human brain -- has been frequently reported to be smaller among autistic patients compared with non-autistic controls. We conducted a meta-analysis of the literature which suggested a statistically significant difference. However, the studies included were heavily underpowered: on average only 20% power to detect differences of 0.3 standard deviations, which makes it difficult to establish the reality of such a difference. We therefore studied the size of the corpus callosum among 694 subjects (328 patients, 366 controls) from the Abide cohort. Despite having achieved 99% power to detect statistically significant differences of 0.3 standard deviations, we did not observe any. To better understand the neuroanatomical diversity of the corpus callosum, and the possible reasons for the previous findings, we analysed the relationship between its size, the size of the brain, intracranial volume and intelligence scores. The corpus callosum appeared to scale non-linearly with brain size, with large brains having a proportionally smaller corpus callosum. Additionally, intelligence scores correlated with brain volume among controls but the correlation was significantly weaker among patients. We used simulations to determine to which extent these two effects could lead to artefactual differences in corpus callosum size within populations. We observed that, were there a difference in brain volume between cases and controls, normalising corpus callosum size by brain volume would not eliminate the brain volume effect, but adding brain volume as a covariate in a linear model would. Finally, we observed that because of the weaker correlation of intelligence scores and brain volume among patients, matching populations by intelligence scores could result in a bias towards including more patients with large brain volumes, inducing an artificial difference. Overall, our results highlight the necessity for open data sharing efforts such as Abide to provide a more solid ground for the discovery of neuroimaging biomarkers, within the context of the wide human neuroanatomical diversity.