Neural Fingerprinting based on Brain Network Dynamics: A Cross-Platform MEG Study

Ogni cervello umano è uno strumento unico, che suona una sinfonia di segnali elettrici che non si ripete mai esattamente nello stesso modo per nessun altro. Mentre gli scienziati studiano da tempo come funzionano i cervelli in media, cercando schemi che si applichino a tutti, un nuovo campo di indagine si concentra su ciò che rende distinto il cervello di ogni persona. Questo concetto, noto come impronta digitale neurale, opera sull'idea semplice ma potente che, se si misura l'attività cerebrale con sufficiente cura, si possa identificare un individuo specifico guardando semplicemente i suoi dati, proprio come un sistema di sicurezza riconosce una persona dalla sua impronta unica. Questa capacità di distinguere una persona dall'altra non è solo una curiosità; offre un potenziale modo per tracciare come il cervello di una persona cambi nel tempo o quando colpisce una malattia, fornendo una linea di base personalizzata per la salute. Per fare ciò, i ricercatori utilizzano spesso una tecnica chiamata magnetoencefalografia, o MEG, che rileva i deboli campi magnetici prodotti dalle correnti elettriche del cervello. Questo metodo è speciale perché cattura l'attività cerebrale con un'incredibile velocità, registrando i cambiamenti mentre avvengono in millisecondi, piuttosto che mostrare una media lenta e sfocata.

Per anni, questa tecnologia si è basata su grandi macchine costose che dovevano essere mantenute a temperature estremamente fredde per funzionare, utilizzando sensori chiamati SQUID. Tuttavia, una nuova generazione di sensori, chiamati magnetometri a pompa ottica, o OPM, è emersa recentemente. Questi nuovi dispositivi sono piccoli, leggeri e non richiedono un raffreddamento estremo, permettendo loro di stare più vicini al cuoio capelluto e potenzialmente catturare segnali più chiari. Man mano che questa tecnologia matura, gli scienziati devono sapere se può svolgere lo stesso delicato lavoro delle vecchie macchine. Questi nuovi sensori più flessibili possono catturare le stesse firme cerebrali uniche? Inoltre, la maggior parte degli studi precedenti ha esaminato l'attività cerebrale mediandola nel tempo, creando un'immagine statica. Ma il cervello è dinamico, in costante mutamento tra diversi modelli di attività. Una domanda critica rimane: l'identità unica di una persona risiede nei segnali lenti e mediati nel tempo, o è nascosta nei rapidi e fugaci cambiamenti della dinamica delle reti neurali?

In uno studio recente, i ricercatori hanno cercato di rispondere a queste domande confrontando i dati sia dei sensori tradizionali freddi che dei nuovi sensori a temperatura ambiente. Hanno reclutato quindici adulti sani e hanno scansionato ciascuno di loro quattro volte in un singolo giorno. Due di queste sessioni hanno utilizzato la vecchia tecnologia SQUID e due hanno utilizzato la nuova tecnologia OPM. Durante le scansioni, i partecipanti hanno eseguito un compito che consisteva nel prestare attenzione a schemi tattili sulle dita, permettendo ai ricercatori di osservare come i loro cervelli rispondessero alla stimolazione. Il team voleva vedere se riuscivano a identificare correttamente ogni persona confrontando le proprie scansioni tra loro, e se potevano ancora identificarla confrontando una scansione di un tipo di macchina con una scansione dell'altro tipo. Hanno testato due modi diversi di analizzare i dati: uno che mediava i segnali nel tempo per creare un profilo statico, e un altro che utilizzava un sofisticato modello computazionale per tracciare come il cervello passava tra diversi stati attivi, catturando la rapida dinamica delle reti neurali.

I risultati hanno confermato che la firma unica di ciascun cervello può essere trovata utilizzando entrambi i tipi di macchine. Quando i ricercatori hanno esaminato i dati statici e mediati, sono riusciti a identificare con successo ogni partecipante, sia confrontando due scansioni della stessa macchina, sia confrontando una scansione della nuova macchina con una della vecchia. Questa scoperta si allinea con il lavoro precedente, provando che le impronte digitali elettriche di base del cervello sono abbastanza stabili da sopravvivere al passaggio alle nuove tecnologie. Tuttavia, lo studio è andato molto più a fondo esaminando i modelli dinamici e mutevoli dell'attività cerebrale. Utilizzando un modello pre-addestrato che aveva appreso i modelli comuni degli stati cerebrali da migliaia di altre registrazioni, il team ha analizzato come questi stati apparissero nei loro nuovi dati. Hanno scoperto che il modello funzionava bene per entrambi i vecchi e i nuovi sensori, mappando con successo i cambiamenti di stato cerebrale in tempo reale.

Quando hanno usato questi modelli dinamici per cercare di identificare gli individui, i risultati sono stati misti ma rivelatori. I ricercatori hanno scoperto che potevano identificare le persone con un'alta precisione guardando la specifica tempistica di quando gli stati cerebrali si attivavano e si disattivavano, e analizzando il contenuto di frequenza di tali stati. Queste caratteristiche, che descrivono il ritmo e la specifica composizione spettrale dell'attività cerebrale, rimanevano costanti per ogni persona attraverso sia le vecchie che le nuove macchine. Ciò suggerisce che l'identità centrale di una persona è codificata nella tempistica relativa e nella struttura di queste reti dinamiche. Tuttavia, quando i ricercatori hanno cercato di identificare le persone utilizzando semplici numeri riassuntivi, come quanto tempo durasse uno stato cerebrale o quanto spesso cambiasse un altro stato, i risultati sono cambiati. Sebbene potessero ancora identificare le persone confrontando le scansioni della stessa macchina, non ci sono riusciti confrontando le scansioni tra le due diverse macchine.

Questo fallimento nell'identificazione tra macchine per quanto riguarda le statistiche riassuntive evidenzia una distinzione cruciale. I numeri assoluti, come la percentuale esatta di tempo trascorso in uno stato, sono sensibili alle differenze fisiche tra i due tipi di sensori. I nuovi sensori si trovano più vicini al cervello e hanno caratteristiche di rumore differenti, il che sposta questi valori assoluti in un modo che maschera l'identità dell'individuo. Al contrario, i modelli relativi di come il cervello risponde a uno stimolo — la forma della curva nel tempo — rimangono stabili e unici per la persona. Lo studio conclude che, sebbene la nuova tecnologia OPM sia pienamente capace di catturare le uniche impronte digitali neurali degli individui, il modo in cui analizziamo tali dati è fondamentale. Per identificare con successo una persona attraverso diverse piattaforme di scansione, dobbiamo guardare alla struttura relativa della dinamica cerebrale piuttosto che solo alle quantità grezze e assolute. Questo lavoro rappresenta un passo vitale, dimostrando che la nuova generazione di scanner cerebrali può unirsi a quella vecchia nel mappare il paesaggio unico della mente umana, a patto di utilizzare gli strumenti giusti per leggere i segnali.