Machine-learning classification of documented pedophilic sexual interest from eye-tracking patterns

Per decenni, la valutazione dell'interesse sessuale verso i bambini si è basata pesantemente su ciò che le persone dicono. Clinici ed esperti forensi dipendono da interviste, anamnesi auto-riferite e dalla volontà degli individui di ammettere pensieri o azioni che sanno essere socialmente inaccettabili o legalmente pericolose. Eppure, la natura stessa dell'argomento — la vergogna, la paura delle conseguenze e il desiderio di proteggersi — porta spesso a risposte incomplete o disoneste. Ciò crea un significativo divario nella comprensione, particolarmente in contesti legali e terapeutici dove la posta in gioco è altissima. Per colmare questo divario, i ricercatori cercano da tempo modi indiretti per misurare l'attrazione, cercando segnali fisiologici o comportamentali che possano aggirare il controllo conscio. Una di queste strade è l'eye tracking, una tecnologia che registra esattamente dove una persona guarda e per quanto tempo. L'idea di fondo è semplice: dove vanno gli occhi, spesso segue la mente, e questi schemi potrebbero rivelare preferenze che una persona cerca di nascondere.

Un nuovo studio dalla Germania porta questo concetto un passo oltre, combinando i dati dell'eye tracking con un'analisi computerizzata avanzata. I ricercatori si sono posti l'obiettivo di vedere se potessero distinguere tra uomini con un interesse sessuale documentato per i bambini prepuberi e quelli senza tale interesse, utilizzando solo il modo in cui i loro occhi si muovevano attraverso uno schermo. Non hanno chiesto ai partecipanti di descrivere i propri sentimenti o di valutare delle immagini. Invece, hanno osservato come gli occhi dei partecipanti reagivano alle immagini di adulti e bambini mentre i partecipanti svolgevano compiti specifici. L'obiettivo era vedere se una macchina potesse imparare a individuare le sottili, automatiche differenze di sguardo che separano questi due gruppi, offrendo uno strumento potenziale per supportare il giudizio clinico in situazioni ad alto rischio.

Lo studio ha coinvolto 124 uomini adulti reclutati in cinque diverse località in Germania. Il gruppo è stato diviso in due categorie principali: 34 uomini con una diagnosi documentata di pedofilia, molti dei quali pazienti forensi con una storia di reati contro i bambini, e 90 uomini che non presentavano tale diagnosi. Questo gruppo di controllo includeva volontari sani, nonché alcuni individui che avevano commesso altri tipi di crimini ma non reati sessuali contro i bambini. Per testare i loro occhi, i partecipanti si sono seduti davanti a uno schermo e hanno completato tre diversi compiti. Nel primo compito, sono stati mostrati due immagini affiancate — una di un adulto e una di un bambino dello stesso genere — e sono stati asked di decidere quale trovassero più attraente. Nel secondo compito, dovevano risolvere enigmi mentali che coinvolgevano la rotazione di forme 3D, ma mentre lo facevano, immagini di adulti o bambini apparivano sullo schermo come distrazioni. Il terzo compito consisteva semplicemente nel valutare quanto varie immagini fossero eccitanti o piacevoli. Durante questi esercizi, una telecamera ad alta velocità registrava ogni movimento dei loro occhi, annotando esattamente dove guardavano, quanto a lungo sostavano e quanto velocemente cambiava il loro sguardo.

I ricercatori hanno poi inserito questa enorme quantità di dati visivi in un sistema di machine learning. Questo programma informatico era progettato per trovare schemi complessi che gli osservatori umani potrebbero perdere. Esaminava migliaia di piccoli dettagli, come quanto tempo una persona fissava la testa o l'addome di un bambino rispetto a quello di un adulto, quanto velocemente gli occhi si spostavano su un'immagine di distrazione e come l'attenzione si spostava tra un enigma e un'immagine. Il sistema è stato addestrato per distinguere tra i due gruppi basandosi esclusivamente su questi movimenti oculari. I risultati sono stati sorprendenti. Quando il computer ha analizzato insieme i dati del compito di orientamento iniziale e del compito di distrazione, ha identificato correttamente se un uomo avesse un interesse pedofilo documentato o meno con un alto grado di precisione. Nello specifico, il modello ha classificato correttamente circa l'88 percento dei casi complessivi. Era particolarmente efficace nell'identificare correttamente gli uomini che non avevano tale interesse, etichettandoli correttamente come negativi in quasi tutti i casi quando testato su un gruppo separato di volontari sani.

Ciò che ha reso possibili questi risultati non è stato solo l'osservazione di un singolo comportamento, ma la combinazione di molti piccoli segnali. Lo studio ha rilevato che gli uomini con un interesse pedofilo tendevano a guardare le immagini dei bambini con maggiore frequenza e per periodi più lunghi rispetto agli altri uomini, anche quando cercavano di concentrarsi su un compito diverso. Mostravano anche un diverso schema di attenzione quando i bambini apparivano come distrazioni, guardandoli spesso prima e per più tempo rispetto al gruppo di controllo, suggerendo una minore capacità di ignorare gli stimoli sessualmente rilevanti. Al contrario, gli uomini senza questo interesse preferivano costantemente guardare le immagini di adulti e erano più bravi a ignorare le immagini dei bambini per concentrarsi sui loro enigmi. Interessante notare che il computer non aveva bisogno di utilizzare tutti i dati raccolti. Anche quando i ricercatori hanno ridotto il modello a un piccolo numero delle caratteristiche di movimento oculare più importanti, l'accuratezza rimaneva molto alta. Ciò suggerisce che il segnale sia robusto e non dipendente da un complesso intreccio di variabili.

Lo studio ha anche esaminato se questi schemi oculari cambiassero a seconda del background dei partecipanti. I ricercatori hanno osservato uomini che avevano commesso reati contro i bambini rispetto a quelli che non li avevano commessi, uomini che erano attualmente in prigione rispetto a quelli che erano liberi, e uomini che ammettevano di avere questi pensieri rispetto a quelli che li negavano. Il modello di machine learning ha funzionato in modo coerente in quasi tutti questi diversi sottogruppi. È stato in grado di rilevare gli stessi schemi di movimento oculare indipendentemente dal fatto che l'uomo fosse un paziente forense o un volontario sano, o se ammettesse apertamente i suoi interessi o cercasse di negarli. Questa coerenza è significativa perché suggerisce che il metodo dell'eye tracking catturi un aspetto fondamentale dell'interesse sessuale che persiste anche quando una persona cerca di nasconderlo. Le uniche eccezioni sono state in gruppi molto piccoli con specifiche storie di reati, dove il campione era troppo esiguo per trarre conclusioni certe.

Tuttavia, i ricercatori sono cauti nel definire cosa sia e cosa non sia questa tecnologia. Sottolineano che non si tratta di uno strumento diagnostico che possa sostituire un colloquio clinico o un giudizio legale. Lo studio è stato una prova di concetto, dimostrando che i dati dell'eye tracking possono essere utilizzati per classificare gli individui in un contesto di ricerca con alta precisiono. Gli autori evidenziano che i falsi positivi — ovvero etichettare erroneamente una persona innocente come dotata di interesse pedofilo — potrebbero avere gravi conseguenze, pertanto il metodo richiede ulteriori test in gruppi più ampi e diversificati prima di poter essere mai utilizzato in decisioni cliniche o legali reali. Notano inoltre che lo studio non ha dimostrato che i movimenti oculari causino comportamenti criminali, ma solo che sono correlati a una diagnosi documentata. Anche l'impatto emotivo dei compiti è stato monitorato e, sebbene i punteggi del computer fossero collegati a cambiamenti nei sentimenti come rabbia o tristezza, lo studio non ha trovato che gli stati emotivi dei partecipanti prima del test predissero i risultati.

In definitiva, questo lavoro offre uno sguardo verso un futuro in cui la valutazione dell'interesse sessuale potrebbe fare meno affidamento su ciò che le persone dicono e più su ciò che i loro occhi fanno. Combinando semplici compiti visivi con una potente analisi computerizzata, i ricercatori hanno dimostrato che è possibile rilevare schemi distinti di attenzione che differenziano gli uomini con un interesse sessuale per i bambini da quelli che non lo hanno. Sebbene la tecnologia non sia ancora pronta per le aule di tribunale o per la clinica, i risultati suggeriscono che gli occhi possano detenere la chiave per comprendere un aspetto nascosto del comportamento umano che è da tempo difficile da misurare. Lo studio conclude che, con ulteriore validazione, questi metodi potrebbero diventare parte di una nuova generazione di strumenti più difficili da ingannare, più precisi nelle loro valutazioni e potenzialmente trasformativi per il modo in cui la società affronta la prevenzione e il trattamento.