ricerca

Autismo, tra robot e machine learning

di Francesca Cerati

2' di lettura

I robot, a differenza degli esseri umani, sono più rassicuranti, meno travolgenti e meno imprevedibili. Non fanno le facce e non hanno comportamenti difficili da decifrare. Grazie a queste peculiarità umanoidi come Nao e Zeno sono già utilizzati per migliorare l’interazione sociale dei bambini affetti da autismo. Ma è italiano il primo esperimento che attraverso il robottino iCub dell’Istituto italiano di tecnologia ha l’obiettivo di “riconfigurare” i processi sensomotori nei bambini con spettro autistico. Il progetto è nella sua fase iniziale ed è in collaborazione con l’Ospedale Gaslini di Genova.

«Sfruttiamo una sorta di interferenza viso-motoria che prende il nome di contagio viso-motorio e che consiste nel trasferimento di pattern motori da un individuo all’altro, in questo caso dal robot al bambino - spiega Cristina Becchio, ricercatrice all’Iit di Genova dove coordina il gruppo C’Mon Cognition, Motion and Neuroscience e professore ordinario al dipartimento di Psicologia dell’Università di Torino -. Una delle ipotesi è che alla base di questo sistema ci sia l’attivazione dei neuroni specchio, ed evidenze preliminari ci dicono che i bambini con autismo paradossalmente risuonano poco con il movimento umano e molto di più con il movimento robotico. L’idea è modificare gradualmente il movimento del robot nella speranza che si trasferisca per contagio al bambino. Questo potrebbe avere implicazioni non solo sul controllo motorio, ma anche sulla sfera della cognizione sociale. Sappiamo infatti che il modo in cui ci muoviamo influenza il modo in cui percepiamo l’azione altrui, influenza la nostra capacità di prevedere come l’azione altri evolverà e quindi la nostra capacità di interagire con gli altri».

Loading...

Più avanzato e con risultati importanti pubblicati su Nature è il secondo progetto, sempre di Becchio, che combina le più avanzate tecniche di motion capture (cattura del movimento basate su camere a infrarossi), metodi psicofisici e di machine learning, per ottenere algoritmi che identificano e classificano le impercettibili variazioni di movimento, al fine di fornire un marker diagnostico preoce di autismo. «I risultati preliminari indicano che i bambini con autismo mostrano anomalie nella pianificazione prospettica dell’azione -continua Becchio -. Normalmente noi adeguiamo i parametri di movimento in funzione di quello che dovremmo fare dopo. Per esempio, quando passiamo una bottiglia a un’altra persona svolgiamo l’azione in funzione di quello che dovrà fare l’altro in modo da favorirlo. Prima del nostro studio si pensava che questo tipo di pianificazione prospettica sociale altruistica nell’autismo non fosse presente. Invece, abbiamo visto che la pianificazione è presente, solo che differisce da bambino a bambino. Il prossimo step è capire solo sulla base del profilo motorio, se siamo in grado di classificare la patologia».

L’identificazione precoce dell’autismo è infatti fondamentale per avviare interventi che migliorano la prognosi e la qualità della vita, oltre a ridurre i costi sociali. E sempre in tema di sistemi di machine learning è stato possibile anche costruire software in grado di distinguere perfettamente Eeg di soggetti con autismo rispetto ai casi controllo. In futuro l’uso dei tracciati cerebrali rilevati entro il primo anno di vita come metodo di screening precoce per l’autismo potrebbe essere un altro parametro diagnostico precoce importante.

Riproduzione riservata ©

Brand connect

Loading...

Newsletter

Notizie e approfondimenti sugli avvenimenti politici, economici e finanziari.

Iscriviti