Quando tentiamo di capire la natura, essa ci appare aleatoria finché non viene istituito un punto di vista, un codice, per interpretarla. Selezioniamo in parte il contenuto di ciò che stiamo analizzando, una libera scelta, eliminando le informazioni non pertinenti, il rumore di fondo che limita la precisione del nostro messaggio.
A tutti sarà capitato di viaggiare in auto costeggiando un frutteto o un boschetto artificiale. Gli alberi sembrano disposti in modo causale, ma, raggiunta un’angolazione particolare, è possibile vedere la regolarità delle file nelle quali gli agricoltori hanno deciso di piantarli. Quando tentiamo di capire la natura, essa ci appare aleatoria finché non viene istituito un punto di vista, un codice, per interpretarla. Selezioniamo in parte il contenuto di ciò che stiamo analizzando, una libera scelta, eliminando le informazioni non pertinenti, il rumore di fondo che limita la precisione del nostro messaggio. Un codice non è però assoluto, ci possono essere parecchi messaggi nella medesima materia e un cambiamento della modalità di lettura può rilevare messaggi importanti, contenuti in qualcosa, prima considerato semplicemente rumore, e viceversa. Le neuroscienze si sono spesso scontrate con questa problematica, in particolare nella definizione del connettoma, ovvero la descrizione strutturale comprensiva del nostro sistema nervoso (Sporns, Tononi, & Kötter, 2005).
Network cerebrali: prospettive d’analisi
Cosa usare come “nodi” di questa rete? Che relazione c’è fra di loro? Sono domande difficili a cui rispondere. Ad esempio, costruire un network a livello dei collegamenti fra miliardi di singoli neuroni non è una prospettiva realistica e potrebbe comunque non essere necessario. Salendo, invece, a livello di intere aree cerebrali, un compito possibile per le moderne tecniche di imaging, si perderà la capacità di delineare gli agenti della rete in modo preciso. Non esiste infatti un unico schema universalmente accettato della parcellizzazione del cervello.
Negli ultimi anni, si è iniziato a considerare il pattern di connessioni neurali anatomiche sempre più come l’insieme dei “confini” che riducono il numero dei possibili stati cerebrali assumibili, entro i quali le dinamiche del sistema nervoso rimangono fluide e sensibili alle perturbazioni (Sporns, 2011). Mappe funzionali e strutturali del cervello sono intrinsecamente legate e parzialmente sovrapponibili, entrambe presentano una forma altamente clusterizzata, caratterizzata da brevi distanze che ne collegano le varie parti, un’organizzazione multiscala, dinamiche non lineari e la capacità di auto-organizzarsi. Da queste proprietà deriva la naturale propensione a promuovere la segregazione, quindi la clusterizzazione locale, e l’integrazione, ovvero l’efficienza globale del sistema. Nonostante ciò, esistono forti connessioni funzionali fra regioni non direttamente legate da vie anatomiche. Ciò ha disincentivato l’utilizzo teorico di reti spazialmente fisse in favore di una concezione degli agenti e delle loro connessioni come variabili, in funzione del tempo (Calhoun, Miller, Pearlson, & Adalı, 2014).
Sistema neurale: variabilità e fluidità delle sue connessioni
Un recente studio ha fatto un ulteriore passo in questa direzione, proponendo una misura che permette di considerare la rete dinamica dei livelli di correlazioni fra i vari sottosistemi che formano il nostro cervello, chiamata per l’appunto cronnettoma spaziale (Iraji, et al., 2019). I ricercatori americani hanno prima calcolato l’attività temporale di ogni sottosistema cerebrale, svolgendo una independent component analysis, un algoritmo in grado di dividere un segnale multivariato nei fattori che lo costituiscono. Hanno poi calcolato la relazione temporale di ogni sottosistema cerebrale così trovato con quello di ogni voxel, i pixel tridimensionali che costituiscono le unità dei dati di neuroimaging.
Ciò ha permesso di incapsulare le variazioni spazio-temporali del sistema in diversi momenti, porzionando i dati in una sequenza di blocchi consecutivi, un approccio chiamato finestra scorrevole. Attraverso questo processo è stata costruita una matrice di transizione spazio-temporale, in grado di rappresentare distintamente gli stati neurali in modo fluido, mostrando la frazione di tempo nel quale diverse aree cerebrali partecipano in un determinato sottosistema. Ciò ha permesso di individuare, per la prima volta, importanti caratteristiche non identificabili dalle analisi classiche. Ad esempio, l’attività del cervelletto è risultata associata positivamente con i network frontoparietali e negativamente con i network visivi, uditivi e somatomotori. Inoltre, questo metodo si è rivelato sensibile alle differenze fra controlli e soggetti affetti da schizofrenia, quali una maggiore variabilità generale e una minore intensità delle correlazioni fra i vari sottosistemi cerebrali, in particolare per le regioni sensomotorie.
Il futuro sembra portare all’abbandono della classica visione del nostro sistema neurale come la statica interazione di definiti sottosistemi, in favore di una concezione fluida e variabile delle sue componenti e delle loro connessioni. La ricerca di Iraji e collaboratori ha proposto una nuova misura, un nuovo codice, per l’interpretazione dei network cerebrali e della loro evoluzione nel tempo, un risultato che potrebbe avere effetti profondi per le neuroscienze e la psicopatologia.
