Detecting high-frequency brain disorder signals using dynamic mode decomposition from EEG

Immaginate che il vostro cervello sia una città frenetica, che invia costantemente segnali radio per far sì che tutto funzioni correttamente. Per decenni, gli scienziati si sono concentrati principalmente sulle stazioni a "bassa frequenza" di questa città: onde lente e ritmiche che agiscono come il ronzio costante del traffico o il chiacchiericcio di sottofondo di una strada affollata. Queste onde lente sono ottime per individuare grandi problemi, come un blackout o un ingorgo stradale importante (che i medici usano per diagnosticare cose come l'epilessia). Ma cosa succederebbe se i veri segreti per comprendere la salute della città fossero nascosti nelle interferenze ad alta velocità e ad alta frequenza che di solito vengono ignorate? Questo è il mondo dei segnali cerebrali ad alta frequenza. Pensateli come ai messaggi di testo frenetici e rapidissimi o ai colpi improvvisi e acuti del clacson di un'auto. Avvengono così velocemente e cambiano così rapidamente che gli strumenti tradizionali spesso li perdono o li trattano come semplice "rumore". La grande domanda che gli scienziati si pongono è: questi segnali rapidi sono solo rumore casuale o trasportano effettivamente un codice segreto su come il nostro cervello funziona — o non funziona?

Questo articolo, scritto da Jacob Kang e Jong-Hyeon Seo, si addentra esattamente in quel mistero usando un nuovo e intelligente modo di ascoltare. Invece di guardare solo il volume del segnale radio (quanto è forte), hanno utilizzato una tecnica matematica chiamata Decomposizione Modale Dinamica (DMD). Potete pensare alla DMD come a un detective super intelligente che non si limita ad ascoltare il rumore; esso scompone il segnale nei suoi singoli "personaggi" o "modi". Si chiede: "Questo specifico schema ad alta velocità si muove in un modo costante e ritmico, o è solo caos casuale?". I ricercatori hanno applicato questo lavoro da detective ai cervelli di due gruppi: persone con dipendenza da alcol e un gruppo di controllo di individui sani. Volevano vedere se il "chiacchiericcio ad alta frequenza" nei cervelli del gruppo dipendente dall'alcol avesse un ritmo unico e identificabile che il gruppo sano non aveva.

Ecco cosa hanno scoperto: il "rumore" non era affatto solo rumore. Quando hanno filtrato l'interferenza casuale, hanno scoperto che circa il 70% dei segnali cerebrali dei partecipanti mostrava schemi ad alta frequenza coerenti e significativi, in particolare nella parte del cervello che gestisce la visione (il lobo occipitale). Ma ecco il colpo di scena: i cervelli del gruppo dipendente dall'alcol presentavano un "chiacchiericcio" extra anche in altre aree, specificamente nelle regioni centrali del cervello (canali C3 e C4), che di solito sono silenziose durante i compiti visivi. I segnali del gruppo sano erano più equilibrati e distribuiti, mentre i segnali del gruppo dipendente dall'alcol erano raggruppati e intensi in punti specifici.

Per dimostrare che non si trattasse di una coincidenza, i ricercatori hanno fornito questi schemi ad alta frequenza a un modello di apprendimento computazionale (una Macchina a Vettori di Supporto). Il risultato è stato sorprendente: il modello poteva distinguere tra i due gruppi con un'accuratezza superiore al 98%. Ciò suggerisce che i segnali ad alta frequenza nel cervello non sono solo interferenze casuali, ma contengono un "impronta digitale" distinta e strutturata per la dipendenza da alcol. Tuttavia, gli autori sottolineano con cautela che questa elevata accuratezza dipende dal filtraggio preventivo dei segnali veramente casuali e rumorosi. Sostengono che, utilizzando il loro metodo DMD per separare i modelli veloci "reali" dal "finto" rumore casualo, possono osservare dinamiche cerebrali che strumenti più vecchi come le Trasformate di Fourier (che misurano solo l'intensità sonora) o le Trasformate Wavelet (che scambiano il tempo con la chiarezza) potrebbero perdere.

Lo studio evidenzia anche un limite crucialo: i segnali ad alta frequenza sono fragili. Possono essere facilmente sovrastati dai movimenti muscolari (come stringere la mascella) o da attrezzature scadenti. Ecco perché i ricercatori hanno dovuto essere così rigorosi nel filtrare prima i segnali "casuali". Suggeriscono che, sebbene il loro metodo funzioni incredibilmente bene su questo specifico set di dati, ciò è un promemoria del fatto che abbiamo bisogno di modi migliori per ascoltare questi segnali veloci senza interferenze. In definitiva, l'articolo suggerisce che se riusciremo a sintonizzarci correttamente su questi ritmi ad alta frequenza, potremmo sbloccare un nuovo modo per comprendere e diagnosticare condizioni neurologiche, andando oltre le onde lente e costanti su cui ci siamo affidati finora.