La mano è fra i principali mezzi di interazione con l'ambiente circostante. Non soltanto costituisce un organo di senso per il corpo, ma soprattutto riveste un ruolo centrale come effettore. La mano ha un'elevata complessità biomeccanica a fronte di una bassa dimensionalità: soltanto un ridotto numero di configurazioni motorie o sinergie consente movimenti caratterizzati da elevata destrezza. Le sinergie motorie rappresentano una strategia di semplificazione che riduce l'elevato numero di gradi di libertà associato ai movimenti dei muscoli della mano. Sebbene studi sugli animali suggeriscano che tali moduli funzionali siano codificati a livello corticale, scarse sono le evidenze sull'uomo. In questo progetto, non soltanto si cercherà di studiare se e come le sinergie motorie associate a specifici movimenti della mano siano codificate a livello corticale, ma anche se sono predette dall'attività spontanea del cervello.
Il progetto si articolerà in tre fasi: progettazione e pianificazione delle acquisizioni, sessioni di raccolta dati, analisi dei dati acquisiti. Sarà condotta un'analisi di dati multimodali, ottenuti con elettroencefalografia (EEG) ad alta densità, elettromiografia (EMG) e sistemi di analisi della cinematica in soggetti impegnati in compiti motori di diversa complessità, al fine di studiare come l'attività del sistema nervoso centrale (SNC) si traduca in stimoli del sistema nervoso periferico (SNP) e nell'effettivo movimento dell'arto. Tecniche di apprendimento automatico saranno impiegate per classificare e stimare segnali EMG e movimenti a partire dai dati EEG dei movimenti di base e delle loro combinazioni in movimenti complessi. Inoltre l'attività a riposo sarà analizzata per verificare se sia in grado di predire i pattern di attivazione cerebrale e la cinematica del movimento. Questo lavoro permetterà di aumentare le conoscenze relative al controllo corticale del movimento fondamentale anche per lo sviluppo di sistemi protesici bionici.
Il progetto possiede un'elevata componente di innovatività scientifica. La ricerca proposta, infatti, contribuirebbe all'approfondimento delle attuali conoscenze relative ad i meccanismi alla base del controllo del SNC sulle sinergie funzionali. In particolare i dati raccolti permetteranno uno studio sistematico per ricercare corrispettivi neuronali delle sinergie ed osservare come la risposta cerebrale si modifichi al variare della complessità o della non-naturalezza dei movimenti. Rispetto a studi analoghi condotti con risonanza magnetica [7,12], l'utilizzo di dati EEG permetterà di acquisire dati con una frequenza maggiore e di eseguire un'analisi più precisa della dinamica dell'attività.
In secondo luogo, l'analisi della connettività durante la fase di rest consentirebbe di studiare se le eventuali sinergie neuronali siano codificate anche nell'attività spontanea e di verificare l'attività a riposo specifica dei soggetti permetta di stimarne i pattern di attivazione durante il movimento. Anche in questo caso, rispetto a studi già condotti in questo senso tramite risonanza magnetica funzionale (fMRI) [13], l'analisi non sarebbe limitata ad una osservazione statica della connettività, ma permetterebbe di seguirne l'evoluzione durante movimenti complessi. Inoltre, l'acquisizione di dati EMG e cinematici permetterebbe di estendere l'analisi, verificando se l'attività durante il rest codifichi anche informazioni sui dati comportamentali.
Nell'ambito della classificazione dei movimenti sulla base dei segnali EEG, il progetto ha le potenzialità per contribuire in maniera rilevante allo stato dell'arte, con applicazioni sia nel campo delle Brain Computer Interface (BCI) [14] che in quello dei sistemi di controllo di sistemi prostetici [15]. Studiare e classificare la codifica cerebrale dei movimenti e delle sinergie potrebbe contribuire nel riconoscere movimenti con una precisione maggiore rispetto alle attuali BCI sensomotorie [16], in cui i movimenti classificati sono limitati in numero e specificità (e.g. il movimento della mano destra viene riconosciuto da quella della sinistra, da quello di entrambe o da una condizione di rest). Il progetto potrebbe inoltre contribuire allo sviluppo di sistemi di controllo per protesi intuitivi e naturali.
Un ulteriore contributo rispetto allo stato dell'arte è rappresentato dall'acquisizione contemporanea di dati EEG ad alta densità, EMG e cinematici di movimenti di diverse complessità. Questo permetterà di condurre le analisi su un dataset in cui il ground truth sarà rappresentato da dati oggettivi (EMG/cinematici) e in cui potranno essere apprezzate le differenze nell'attività cerebrale tra movimenti sinergici e non e tra movimenti di base e la loro composizione. Sarà inoltre possibile fondere assieme i dati EEG/EMG, approccio frequentemente adottato nello sviluppo di sistemi protesici [17,18], per aumentare la performance e la robustezza della stima della cinematica.
[12] Ehrsson HH, Kuhtz-Buschbeck JP, ForssbergH. 2002. Journal of Neuroscience, 22(12):5074-5080
[13] Tavor I, Parker Jones O, Mars RB, Smith SM, Behrens TE, Jbabdi S. 2016. Science 352(6282):216-20
[14] McFarland DJ, Wolpaw JR. 2017. Current opinion in biomedical engineering, 4:194-200
[15] Du F, Li G, Jiang D, Sun Y, Jiang G, Kong J, Liu H, Cheng W, Chang W. 2017. A Review of Prosthetic Hand Control Signal Source. Applied Mathematics & Information Sciences 11(3):759-766
[16] Royer AS, Doud AJ, Rose ML, He B. 2010. IEEE Trans. Neural Syst. Rehabil. Eng.
[17] Murphy DP, Bai O, Gorgey AS, Fox J, Lovegreen WT, Burkhardt BW, Atri R, Marquez JS, Li Q, Fei DY. 2017. Frontiers in neurology, 8:696
[18] Xiangxin L, Oluwarotimi WS, Xu Z, Hui W, Peng F, Guanglin L. 2017. Journal of NeuroEngineering and Rehabilitation, 14:2