Uncovering EEG Patterns Consistently Associated with Cybersickness Discomfort Using Deep Learning Interpretability Maps

Immagina di essere seduto con un visore di realtà virtuale, guardando un tour di un museo simulato o delle linee che ruotano su uno schermo. Per alcuni, questa esperienza è entusiasmante; per altri, scatena un'ondata di nausea, vertigini e un senso generale di malessere noto come cybersickness (cinetosi da realtà virtuale). Questo disagio rappresenta una barriera importante per l'uso diffuso della realtà virtuale, limitando quanto a lungo le persone possano rimanere immerse e impedendo a molti di utilizzare la tecnologia stessa. Attualmente, l'unico modo per sapere se qualcuno si sente male è chiederglielo, solitamente dopo l'esperienza. Ma a quel punto, spesso è troppo tardi per intervenire. Gli scienziati sospettano da tempo che il cervello emetta segnali sottili prima ancora che una persona si renda conto di stare male, ma questi segnali sono sepolti in una tempesta caotica di attività elettrica. La sfida è stata trovare i modelli specifici in quel rumore che possano prevedere in modo affidabile l'insorgenza del disagio, senza dover porre all'utente nemmeno una domanda.

Un team di ricercatori ha cercato di risolvere questo enigma ascoltando direttamente il linguaggio elettrico del cervello. Hanno registrato l'attività cerebrale di persone che indossavano visori per la realtà virtuale mentre i partecipanti ascoltavano anche una serie di bip. Questa configurazione ha permesso ai ricercatori di catturare la reazione del cervello ai suoni mentre il mondo visivo ruotava intorno a loro. Si sono concentrati su un tipo specifico di segnale cerebrale chiamato potenziale evento-correlato, che è una breve risposta elettrica temporizzata che avviene ogni volta che il cervello elabora un suono. Osservando queste minuscole reazioni di frazioni di secondo, il team sperava di trovare un'impronta digitale del disagio che apparisse in modo costante tra diverse persone e diversi ambienti virtuali. Per farlo, hanno costruito un sofisticato sistema informatico capace di apprendere dai dati cerebrali e di spiegare, cosa più importante, esattamente quali parti di quei dati ha utilizzato per prendere le proprie decisioni.

I ricercatori hanno testato il loro sistema su due gruppi separati di persone che avevano partecipato a diversi studi di realtà virtuale. Un gruppo ha vissuto un tour di un museo virtuale, mentre un altro ha osservato linee rotanti progettate per creare una sensazione di auto-movimento. Nonostante le differenze tra i mondi virtuali, l'attrezzatura utilizzata e le persone coinvolte, i modelli informatici hanno trovato un modello sorprendentemente coerente. Quando i modelli identificavano con successo che una persona provava disagio, facevano affidamento costantemente su segnali provenienti da tre aree specifiche del cuoio capelluto: il lato sinisto della fronte, il centro della testa e il lato destro verso la parte posteriore. Questi segnali non erano semplice rumore casuale; apparivano entro una finestra temporale molto specifica, circa tra gli 80 e i 260 millisecondi dopo che il cervello aveva udito un suono. Si tratta di una durata incredibilmente breve, che avviene prima che una persona possa registrare consapevolmente di sentirsi male.

Ciò che ha reso questi risultati particolarmente robusti è che i ricercatori non si sono affidati a un singolo tipo di modello informatico. Hanno addestrato tre diversi tipi di reti di deep learning, ognuna con il proprio modo di elaborare le informazioni, ed hanno eseguito gli esperimenti oltre cento volte con lievi variazioni. In quasi tutti i casi, i modelli indicavano lo stesso piccolo gruppo di elettrodi sul cuoio capelluto come i segnali più importanti. Per le persone che non provavano alcun disagio, i modelli osservavano punti diversi, principalmente il centro e la parte posteriore della testa. Ma per coloro che si sentivano male, le aree anteriore-sinistra e posteriore-destra diventavano il focus primario. Questa coerenza si è mantenuta anche quando i ricercatori hanno cambiato il modo in cui i dati erano organizzati o quali suoni specifici i partecipanti avevano sentito. Il fatto che due dataset completamente separati, raccolti in paesi diversi con visori di realtà virtuale differenti, abbiano prodotto lo stesso risultato suggerisce che questi schemi cerebrali siano una parte fondamentale del modo in cui il corpo umano reagisce alla nausea da movimento virtuale.

Lo studio ha anche rivelato che la tempistica di questi segnali è critica. L'attività cerebrale che segnalava il disagio avveniva molto presto nell'elaborazione del suono, molto prima che si formassero pensieri successivi e più complessi sull'ambiente virtuale. Ciò suggerisce che la sensazione di malessere possa essere elaborata dal cervello come un evento sensoriale di base, simile a come potremmo riconoscere istantaneamente un rumore forte, piuttosto che come una reazione emotiva complessa che richiede tempo per svilupparsi. Identificando queste posizioni precoci e specifiche sul cuoio capelluto, i ricercatori hanno fornito un obiettivo chiaro per la tecnologia futura. Invece di aspettare che un utente si senta nauseoso e lo riferisca, i sistemi potrebbero potenzialmente monitorare questi segnali cerebrali specifici in tempo reale. Se il sistema rileva il modello associato al disagio, potrebbe regolare automaticamente l'esperienza virtuale per alleviare i sintomi dell'utente, ad esempio rallentando il movimento o cambiando il campo visivo, prima ancora che l'utente sappia di stare per stare male.

Sebbene i risultati siano promettenti, i ricercatori tengono presente che questo è un punto di partenza piuttosto che una soluzione finita. Il cervello è un organo complesso e i segnali elettrici registrati dal cuoio capelluto sono un insieme di attività provenienti da molte aree diverse, il che rende difficile individuare l'esatta fonte del segnale nel profondo del cranio. Inoltre, lo studio si è concentrato specificamente sulla sensazione di disagio generale, che è solo un aspetto del più ampio quadro della cybersickness. I modelli sono stati inoltre addestrati su gruppi di persone relativamente piccoli e, sebbene i modelli si siano mantenuti costanti nei due dataset, sono necessarie ulteriori ricerche per confermare che questi risultati si applichino a tutti. Tuttavia, il lavoro rappresenta un passo avanti significativo. Sposta il campo dalla semplice rilevazione del fatto che qualcuno stia male alla comprensione dei momenti specifici e misurabili nel cervello in cui inizia questo malessere, aprendo la porta a un futuro in cui la realtà virtuale possa essere confortevole per tutti, non solo per i pochi che ne sono naturalmente resistenti.