La maggior parte dei disturbi della salute mentale si manifesta durante l'adolescenza e sono correlati a una complessa interazione di fattori neurobiologici e ambientali. Invece di considerare questi fattori in modo isolato, una tecnica di rilevazione multipla di recente sviluppo può identificare le interazioni cervello-ambiente.
Questa metodologia migliora notevolmente il rilevamento dei sintomi di salute mentale esistenti e la previsione di quelli futuri rispetto ai metodi attuali. Lo studio, pubblicato in Biological Psychiatry: Cognitive Neuroscience and Neuroimaging, sottolinea l'importanza di considerare il cervello dell'adolescente insieme all'ambiente in cui si sviluppa.
Esiste una crescente necessità di costruire modelli di lettura più complessi, e ricchi di sfumature, di biologia e comportamento umano, in particolare per quanto riguarda lo sviluppo di sintomi di problemi salute mentale. Nonostante l'importanza di questo problema, la maggior parte dei lavori considera ancora il cervello e l'ambiente in modo isolato o come interazioni univariate e lineari.
May I. Conley, MS, MPhil, dottoranda presso la Yale University, dipartimento di Psicologia, autrice principale dello studio, afferma: "Per molto tempo, gli scienziati dello sviluppo hanno dovuto affrontare la sfida di testare teorie che, per molti versi, sono nascoste ma in bella vista.
Dal quartiere alla famiglia, riconosciamo che le esperienze dei giovani nei loro ambienti e la neurobiologia influenzano lo sviluppo emotivo e comportamentale. Tuttavia, non abbiamo avuto metodi che catturassero con precisione la complessità di questa interazione".
Per affrontare questo problema, i ricercatori si sono rivolti al “manifold learning”, una promettente classe di algoritmi per scoprire la struttura latente da dati biomedici ad alta dimensionalità come la risonanza magnetica funzionale (fMRI).
Hanno sviluppato l'algoritmo PHATE esogeno (E-PHATE) per schematizzare le interazioni cervello-ambiente. Utilizzando il dataset Adolescent Brain and Cognitive Development (ABCD), supportato dai National Institutes of Health e altri partner federali, hanno utilizzato i dati dell'attivazione cerebrale dei partecipanti durante l'elaborazione emotiva e cognitiva per prevedere le differenze individuali nella cognizione e nei sintomi emotivi e comportamentali, sia trasversalmente che longitudinalmente.
Una delle scoperte più degne di nota dello studio è stato l'effetto della combinazione di variabili ambientali aggiuntive nella visione esogena di E-PHATE. I ricercatori hanno visto una maggiore correlazione dell'attività cerebrale con i sintomi di salute mentale attraverso la rilevazione di dati del vicinato o degli ambienti familiari in E-PHATE, ma combinando quelle metriche insieme ad altre, il modello ha continuato a migliorare la sua rappresentazione.
Questo era specifico per l'aggiunta di informazioni ambientali, tuttavia, piuttosto che un effetto del numero di variabili (che è stato testato con analisi aggiuntive). Questa scoperta rafforza la necessità di considerare i molteplici ambienti in cui i giovani vivono insieme al modo in cui il loro cervello assorbe le informazioni da quegli ambienti.
Erica L. Busch, MS, MPhil, dottoranda presso la Yale University, Department of Psychology, prima autrice dello studio, continua: "Ero entusiasta di vedere che i principi di schematizzazione dei dati di neuroimaging che avevo sviluppato per questioni scientifiche di base potevano essere rapidamente adattati ad applicazioni cliniche e hanno prodotto risultati così sorprendenti e intuizioni meccanicistiche”.
Ha anche sottolineato quanto possano essere fruttuose le collaborazioni interdisciplinari. I ricercatori hanno interagito con esperti di elementi bio-psico-sociali dei sintomi della salute mentale e, insieme alla loro esperienza computazionale, hanno tutti svolto un ruolo chiave nel definire la questione e gli approcci di questo progetto.
Il lavoro evidenzia le applicazioni cliniche di nuovi approcci di apprendimento automatico e di elaborazione del segnale. In particolare, sottolinea l'importanza e la complessità della relazione tra cervelli e ambienti degli adolescenti in relazione ai sintomi emotivi e comportamentali. Gli studiosi presentano un metodo di uso generale con ampie applicazioni sia in domini clinici che non clinici.
"Decenni di lavoro sullo sviluppo suggeriscono che sia la neurobiologia sia il contesto ambientale plasmano lo sviluppo dei sintomi di salute mentale. Questo studio dimostra l'idoneità di metodi più computazionali, come l'apprendimento manifold, per la schematizzazione di dati complessi sullo sviluppo multimodale, e hanno un grande potenziale per migliorare la ricerca sulla neurobiologia dei sintomi emotivi e comportamentali negli adolescenti".
Lo studio attuale è innovativo lungo tre dimensioni principali: caratterizza i dati neurali e ambientali come misurazioni multivariate.
Considera poi l'interazione tra di essi come non lineare e di dimensione inferiore (vale a dire, esistente lungo una varietà latente, come accade alla maggior parte dei dati del mondo reale). Consente infine la scoperta simultanea, basata su ipotesi e dati, di una rappresentazione significativa di questi segnali.
"È importante che, come campo di ricerca, miglioriamo la nostra capacità di catturare le complesse transazioni tra la persona e il suo ambiente. Tuttavia, per stimare queste transazioni, sono necessari nuovi metodi per gestire più tipi di dati e stimare le loro interazioni all'interno degli individui.
Il metodo prodotto da questa collaborazione interdisciplinare è un esempio di come possiamo comprendere e valutare queste complesse transazioni", concludono gli autori.
