Understanding Face Perception using Minimum Spanning Tree Dynamic Brain Networks

Il cervello umano è una rete vasta e intricata di connessioni, che emette costantemente segnali per dare un senso al mondo. Quando guardiamo qualcosa, i nostri occhi catturano un'immagine, ma è il cervello che deve decidere cosa sia quell'immagine. Questo processo di riconoscimento non è un singolo evento, ma una complessa conversazione tra diverse regioni del cervello, che avviene in un battito di ciglia. Gli scienziati sono da tempo interessati a come il cervello gestisce i volti, che sono tra le cose più importanti che vediamo. A differenza di una sedia o di un albero, un volto porta con sé un profondo significato sociale, e il cervello sembra trattarlo con una speciale urgenza. Per comprendere questo, i ricercatori utilizzano l'elettroencefalografia, o EEG, un metodo che posiziona dei sensori sul cuoio capelluto per ascoltare l'attività elettrica del cervello. Questa tecnologia è come una fotocamera ad alta velocità per la mente, capace di catturare i cambiamenti nelle onde cerebrali che avvengono in pochi millisecondi, molto più velocemente di qualsiasi altro strumento di imaging. Osservando come le diverse parti del cervello sincronizzano la loro attività, gli scienziati possono mappare i percorsi invisibili che il cervello utilizza per risolvere l'enigma del riconoscimento.

In uno studio recente, ricercatori dell'Istituto Indiano di Tecnologia di Delhi si sono posti l'obiettivo di vedere esattamente come la rete del cervello cambi quando guarda un volto rispetto a quando guarda un oggetto ordinario. Hanno reclutato quindici adulti sani, di età compresa tra i venti e i trent'anni, chiedendo loro di sedersi tranquillamente in una stanza buia e insonorizzata. Su uno schermo davanti a loro apparivano immagini di volti e oggetti casualmente, ciascuna delle quali rimaneva visibile per esattamente trecento millisecondi. Ai partecipanti è stato chiesto di concentrarsi su un piccolo punto al centro dello schermo mentre le immagini sfrecciavano via. Mentre guardavano, sessantaquattro sensori registravano le loro onde cerebrali. I ricercatori hanno poi suddiviso questa enorme quantità di dati in minuscole fette di tempo, osservando cosa accadeva ogni cento millisecondi dopo la comparsa di un'immagine. Si sono concentrati su cinque diverse fasce di velocità delle onde cerebrali, note come bande di frequenza, che corrispondono a diversi tipi di attività mentale.

Per dare un senso alla complessa rete di connessioni tra i sensori, il team ha utilizzato un approccio matematico chiamato Albero Ricoprente Minimo (Minimum Spanning Tree). Immaginate una città con molti quartieri collegati da strade. Se voleste costruire un nuovo sistema stradale che colleghi ogni quartiere utilizzando la minima quantità di asfalto possibile, senza creare cicli o deviazioni, stareste costruendo un albero ricoprente minimo. Questo metodo permette agli scienziati di vedere il percorso più efficiente che l'informazione può seguire attraverso il cervello senza la confusione di connessioni extra e superflue. Applicando questo metodo ai dati cerebrali, i ricercatori hanno potuto vedere lo scheletro della rete di comunicazione del cervello mentre elaborava le immagini. Hanno scoperto che, quando il cervello vedeva un volto, la rete appariva molto diversa rispetto a quando vedeva un oggetto. Le connessioni per i volti formavano una forma più simile a una stella, con molte linee che irradiavano da un punto centrale, mentre le connessioni per gli oggetti erano più disperse e meno organizzate.

Questa forma a stella è significativa perché suggerisce un modo altamente efficiente di muovere le informazioni. Nel cervello, una rete a stella significa che molte aree diverse comunicano direttamente con un hub centrale, permettendo una comunicazione molto veloce. Lo studio ha dimostrato che questa struttura efficiente e a stella appariva per i volti in diverse bande di velocità delle onde cerebrali, specificamente nelle bande delta, theta, alfa e beta. Era più evidente nei primi centinaia di millisecondi dopo la comparsa dell'immagine. Ad esempio, nella finestra temporale tra i cento e i duecento millisecondi dopo aver visto un volto, la rete cerebrale mostrava un forte hub centrale, indicando che il cervello stava rapidamente organizzando le sue risorse per elaborare il volto. Al contrario, quando i soggetti guardavano oggetti, la rete era meno centralizzata e muoveva le informazioni più lentamente. I ricercatori hanno misurato proprietà specifiche di queste reti, come la distanza tra i punti più lontani e quanti collegamenti aveva un singolo punto, e hanno scoperto che la rete di elaborazione dei volti mostrava costantemente segni di essere più veloce e più strettamente organizzata.

I risultati suggeriscono che il cervello possieda un sistema specializzato e ad alta velocità dedicato ai volti. Questo sistema non lavora solo in modo leggermente diverso; si riorganizza in un'architettura distinta ed efficiente nel momento stesso in cui un volto viene riconosciuto. Lo studio indica che questo processo coinvolge molte sottoreti che lavorano insieme in modo completamente connesso, permettendo al cervello di elaborare i dettagli complessi di un volto molto più velocemente di quanto faccia con un oggetto inanimato. Sebbene i ricercatori abbiano notato che il loro studio coinvolgeva un numero relativamente piccolo di partecipanti e utilizzava una configurazione standard a sessantaquattro sensori, i risultati forniscono un quadro chiaro di come la rete funzionale del cervello cambi dinamicamente. Hanno osservato che questa organizzazione efficiente non è una caratteristica statica ma cambia nel tempo, evolvendosi man mano che il cervello attraversa le fasi del riconoscimento di un volto. Questo lavoro offre un nuovo modo di guardare al funzionamento del cervello, andando oltre le semplici mappe per comprendere il flusso dinamico delle informazioni. Comprendendo questi schemi sani, gli scienziati sperano di identificare meglio ciò che va storto nei disturbi neurologici in cui la percezione dei volti potrebbe essere compromessa, offrendo un potenziale nuovo strumento per diagnosticare e comprendere le condizioni cerebrali.