Solo testo.pdf - Fondazione Santa Lucia

Neurofisiopatologia clinica
l’ambiente possono influenzare la funzionalità del sistema stesso (Shadmehr R.
and Mussa-Ivaldi F.A. (1994) J of Neurosci 14: 3208-3224).
Ciascun contesto meccanico può essere associato con una rappresentazione
neurale delle sue proprietà, che a sua volta può essere utilizzata nella
definizione dei pattern di segnali di controllo verso l’effettore muscolare, a cui
viene richiesto di generare il movimento accurato per quel dato contesto.
Recentemente molte delle conoscenze nei processi di apprendimento motorio
(motor learning) sono nate da disegni sperimentali basati sull’utilizzo di
dispositivi robotici per creare nuovi ambienti meccanici; tali disegni sperimentali
consistono tipicamente nella applicazione di forze che siano in grado
di perturbare l’arto durante l’esecuzione del movimento richiesto. In questo
contesto sperimentale, dopo una fase in cui i movimenti dell’arto risultano
alterati nella loro traiettoria prevista (perturbati dal campo di forza) tornano
ad essere eseguiti con un livello di precisione eguale a quello in assenza di
perturbazione. Tale forma di adattamento (conosciuta come motor learning)
si pensa che rifletta l’acquisizione di una rappresentazione neurale del nuovo
ambiente meccanico e il suo seguente utilizzo da parte del sistema motorio
per il controllo dell’arto in movimento.
Un notevole numero di studi eseguiti su primati e sull’uomo hanno rilevato
come sia la corteccia motoria primaria (MI) che altre aree corticali come
quelle frontali motorie, parietali motorie e strutture sottocorticali sono coinvolte
nei processi di motor learning. L’alto livello di funzioni che sottende l’acquisizione
di nuove capacità motorie richiede l’integrazione funzionale delle
suddette varie e discrete aree corticali. Un meccanismo rilevante in tale integrazione
su “ larga scala ” può essere riconosciuto nella formazione transitoria
di connessioni funzionali dinamiche, mediate dalla sincronizzazione dell’attività
neuronale in differenti bande di frequenza operativa. Questo tipo di elaborazione
permette l’appropriata selezione e assembramento di circuiti neuronali
che evolvono in un sistema di controllo adattativo.
Una valida e affidabile misura dell’accoppiamento neuronale è rappresentata
dalla coerenza spettrale dei segnali EEGrafici, che riflette le correlazioni
inter-regionali di attività neuronali oscillatorie attraverso le diverse bande di
frequenza operativa. A questo riguardo, diversi studi hanno esplorato come le
diverse regioni corticali cerebrali possono comunicare tra di loro, per fornire
le basi della integrazione di informazioni sensoriali e di coordinazione sensori-motoria
che sono cruciali per il processo di “ motor learning ”. In questo
progetto, verranno studiati i correlati corticali del fenomeno di motor learning
in soggetti che si adattano a nuove dinamiche ambientali secondo un
paradigma sperimentato e in cui il soggetto deve adattare i suoi movimenti di
“ reaching ” a forze esterne che interferiscono con l’esecuzione del movimento
del loro arto superiore (destro).
L’obiettivo è quello di definire la frequenza e topografia dei cambiamenti
in forza e direzione delle connessioni funzionali (connettività) inter-regionali
tra le aree corticali “ pre-motorie ” e motorie esecutive che si ipotizzano accadere
quando la rappresentazione neurale dei movimenti del braccio viene sfidata
in ambiente con nuove caratteristiche dinamiche. Tale obiettivo verrà
perseguito tramite l’impiego di un nuovo modello per la stima della connetti-
2006 529