The ballon model revisited

Il cervello umano è una foresta densa di attività elettrica, che si accende in schemi complessi ogni volta che pensiamo, proviamo emozioni o ci muoviamo. Per osservare questa attività senza aprire il cranio, gli scienziati utilizzano una tecnica chiamata risonanza magnetica funzionale, o fMRI. Questo metodo non rileva direttamente le scintille elettriche dei neuroni. Invece, osserva il sangue. Quando un gruppo specifico di cellule cerebrali diventa attivo, esse richiedono più ossigeno. Il corpo risponde inviando rapidamente sangue fresco e ricco di ossigeno in quell'area. Questa ondata cambia le proprietà magnetiche del sangue, creando un segnale che lo scanner può catturare. Tracciando questi cambiamenti, i ricercatori possono mappare quali parti del cervello sono in funzione in un dato momento.

Tuttavia, la relazione tra un pensiero e il conseguente flusso sanguigno non è istantanea. Esiste un ritardo, e la forma della curva del flusso sanguigno cambia a seconda del tipo di tessuto e della salute dei vasi sanguigni. Gli scienziati usano da tempo una descrizione matematica chiamata funzione di risposta emodinamica per prevedere questa curva. È uno strumento standard, ma viene spesso trattato come una forma fissa piuttosto che come una finestra sulla meccanica fisica del cervello. Per decenni, un modello specifico noto come modello del palloncino è stato utilizzato per spiegare come i vasi sanguigni si espandano e si contraggano per creare questi segnali. Sebbene utile, questo modello si è basato su regole empiriche — osservazioni di ciò che accade invece di una derivazione del perché accade — e ha faticato a spiegare certe caratteristiche del segnale, come un breve calo di attività che talvolta si verifica proprio all'inizio di un compito.

Un team di ricercatori della Vanderbilt University e della Arizona State University ha rivisitato questo modello del palloncino per eliminare le assunzioni e ricostruirlo da zero utilizzando la fisica reale dei vasi sanguigni. Volevano sapere se le regole standard usate per descrivere il flusso sanguigno cerebrale fossero davvero fondamentali o se fossero solo scorciatoie convenienti. Riesaminando le proprietà meccaniche delle vene e il modo in cui si tendono sotto pressione, il team ha derivato una nuova e completa descrizione matematica della risposta del flusso sanguigno. Il loro lavoro rivela che le regole standard sono in realtà conseguenze di una singola proprietà fisica: la rigidità delle vene. Inoltre, hanno scoperto che permettendo al consumo di ossigeno di agire indipendentemente dal flusso sanguigno nelle loro equazioni, potevano riprodurre matematicamente l'elusivo calo iniziale che altri modelli non riuscivano a spiegare.

I ricercatori hanno iniziato esaminando la meccanica centrale del "palloncino". Nel modello originale, i vasi sanguigni venosi nel cervello venivano trattati come un palloncino che si gonfia quando il sangue fluisce in entrata e si sgonfia quando il sangue fluisce in uscita. Il modello assumeva una relazione fissa tra quanto il palloncino si espande e quanto velocemente il sangue scorre attraverso di esso. Il nuovo studio ha sfidato questo approccio chiedendosi cosa guidi effettivamente tale relazione. Si sono resi conto che l'espansione di una vena è governata dalla sua rigidità meccanica e dalla pressione al suo interno. Applicando le leggi fondamentali della fluidodinamica e l'elasticità delle pareti dei vasi, hanno dimostrato che la famosa legge di potenza utilizzata per descrivere il flusso e il volume sanguigno non è una regola separata, ma un risultato diretto di quanto siano rigide le vene. Se le vene sono più rigide, il flusso sanguigno cambia diversamente rispetto a se fossero più flessibili. Questa intuizione ha permesso loro di sostituire un numero empirico fisso con una variabile che rappresenta la reale rigidità fisica del tessuto.

Una grande svolta in questo lavoro è stata l'indirizzamento del "calo iniziale". In alcune scansioni cerebrali, il segnale scende brevemente prima di salire, suggerendo che l'ossigeno venga consumato più velocemente di quanto venga consegnato proprio all'inizio di un compito. Il modello del palloncino originale non poteva produrre questo calo a meno che il flusso sanguigno stesso non fosse ritardato. Il nuovo team ha capito che il modello originale legava erroneamente il consumo di ossigeno direttamente al flusso sanguigno, il che significava che il cervello non poteva consumare più ossigeno finché non arrivava più sangue. Disaccoppiando questi due processi nelle loro equazioni — permettendo al cervello di aumentare l'uso di ossigeno immediatamente dopo un evento neurale, anche prima che i vasi sanguigni abbiano il tempo di allargarsi — sono stati in grado di generare un calo che corrispondeva alle osservazioni del mondo reale. Questo calo non è solo un artefatto vascolare; nel loro modello, è una firma diretta della domanda metabolica che precede la fornitura di sangue.

Il team ha poi risolto il loro nuovo set di equazioni per creare una soluzione in forma chiusa, il che significa che hanno trovato una formula diretta che descrive l'intera risposta del flusso sanguigno senza dover eseguire simulazioni al computer complesse e passo dopo passo per ogni nuovo scenario. Questa formula scompone la risposta cerebrale in parti distinte e comprensibili. Il calo iniziale è causato dal consumo di ossigeno da parte del cervello prima dell'arrivo del sangue. Il picco principale del segnale è guidato dall'ondata di sangue fresco che lava via il sangue deossigenato. La lenta discesa dopo il picco, nota come undershoot, è causata dal fatto che le vene impiegano più tempo a tornare alle loro dimensioni originali di quanto il flusso sanguigno impieghi per tornare alla normalità. Questo ritardo è dovuto alla natura viscoelastica dei vasi, che si comportano in modo simile a un elastico rigido che torna lentamente in posizione dopo essere stato teso.

Per testare la loro teoria, i ricercatori hanno adattato il loro nuovo modello matematico alla curva standard utilizzata nella maggior parte dei software di fMRI. Hanno scoperto che il loro modello poteva riprodurre la curva standard con un'accuratezza estremamente elevata, utilizzando solo numeri fisiologicamente plausibili. Quando hanno regolato il modello per includere un ritardo tra l'evento neurale e la risposta del flusso sanguigno, la forma della curva è cambiata in modi specifici. Il calo iniziale è diventato più profondo e si è spostato nel tempo, e il picco principale è stato ritardato. Ciò suggerisce che la tempistica del calo è una misura diretta di quanto tempo occorra ai vasi sanguigni per reagire a un segnale neurale. In tessuti come la materia bianca, dove i vasi sanguigni sono diversi dalla materia grigia della corteccia, questi ritardi e cali sono più pronunciati, il che aiuta a spiegare perché la risposta cerebrale appaia diversa in regioni differenti.

Lo studio ha anche chiarito l'origine dell'undershoot post-stimolo, ovvero il periodo in cui il segnale scende al di sotto della linea di base dopo la fine di un compito. Dibattiti precedenti avevano suggerito che questo potesse essere causato da un aumento temporaneo del consumo di ossigeno dopo la fine del compito. Il nuovo modello mostra che, sebbene una domanda metabolica persistente possa contribuire, il driver principale è il lento rilassamento meccanico delle vene. I vasi rimangono espansi per alcuni secondi dopo che il flusso sanguigno è tornato alla normalità, mantenendo la concentrazione di sangue deossigenato più alta del solito, creando così il calo nel segnale. Questa spiegazione meccanica si allinea con le proprietà fisiche dei vasi e non richiede di assumere comportamenti metabolici insoliti.

Derivando queste relazioni dai primi principi, i ricercatori hanno fornito uno strumento che collega il segnale visibile in una scansione fMRI direttamente alle proprietà fisiche invisibili dei vasi sanguigni cerebrali. Il modello mostra che la forma della risposta non è un template fisso, ma una riflessione dinamica della rigidità del tessuto, della velocità del flusso sanguigno e della tempistica della domanda metabolica. Ciò consente agli scienziati di interpretare le variazioni del segnale non solo come rumore o differenze tra regioni cerebrali, ma come cambiamenti misurabili della fisiologia sottostante. Ad esempio, il modello suggerisce che le differenze nella risposta tra materia grigia e materia bianca siano probabilmente dovute a differenze nella rigidità dei vasi e nei tempi di transito, piuttosto che solo a diversi livelli di attività neurale.

Il lavoro offre anche un modo per comprendere come la risposta del cervello possa cambiare con l'invecchiamento o la malattia. Poiché il modello si basa sulla rigidità delle vene, implica che condizioni che irrigidiscono i vasi sanguigni, come l'invecchiamento o le malattie vascolari, altererebbero la forma della risposta del flusso sanguigno in modi prevedibili. I ricercatori hanno dimostrato che il loro modello poteva adattarsi a dati provenienti da diversi scenari semplicemente regolando il parametro della rigidità, suggerendo che questa singola proprietà fisica potrebbe essere la chiave per comprendere una vasta gamma di variazioni emodinamiche.

In definitiva, questa ricerca non si limita a raffinare una formula matematica; riorienta il nostro modo di vedere il flusso sanguigno cerebrale. Sposta il campo da una descrizione empirica statica a una comprensione meccanica dinamica. Il modello del palloncino non è più solo un'analogia conveniente; è ora una descrizione rigorosa di come pressione, volume e flusso interagiscono nel cervello vivente. Il calo iniziale, il picco e l'undershoot non sono più caratteristiche misteriose di una curva, ma sono chiaramente identificati come le fasi distinte di un processo fisico: la domanda metabolica, l'espansione vascolare e il rilassamento meccanico. Questa chiarezza fornisce una base più solida per interpretare le scansioni cerebrali, portando potenzialmente ad diagnosi più accurate e a una comprensione più profonda di come il cervello gestisce la sua energia e il suo apporto di sangue.