Preferisci ascoltare il riassunto audio? Abbiamo scelto una voce realizzata con strumenti avanzati IA per rendere rendere i nostri testi subito accessibili a tutti
Quando una lesione agli occhi o al nervo ottico interrompe il passaggio dei segnali luminosi, le aree del cervello dedicate alla visione restano spesso intatte, ma rimangono al buio. Per chi convive con la cecità o ha un familiare in questa condizione, l’idea di una protesi visiva cerebrale accende comprensibilmente grandi speranze. Immaginare un dispositivo capace di inviare informazioni direttamente alla corteccia visiva, aggirando l’occhio danneggiato, non è più solo fantascienza, ma trasformare questa intuizione in uno strumento utile per la vita di tutti i giorni si è rivelato molto più complesso del previsto. Un nuovo studio esplora come l’intelligenza artificiale possa aiutare a superare uno degli ostacoli più grandi di questa tecnologia: il dialogo imprevedibile tra gli impulsi elettrici e i nostri neuroni.
Fotoillustrazione realizzata con l’ausilio di software IA
Perché stimolare il cervello non basta
I sistemi attuali funzionano inviando piccole correnti elettriche attraverso minuscoli elettrodi appoggiati o inseriti nella corteccia visiva. Lo scopo è far percepire alla persona dei fosfeni, cioè piccoli punti o lampi di luce che, in teoria, potrebbero essere combinati per formare sagome o lettere, un po’ come i pixel di uno schermo.
Ma il cervello umano non è un circuito elettronico passivo. La stessa identica stimolazione elettrica può produrre una sensazione luminosa chiara in un momento e quasi nulla pochi secondi dopo. Questo accade perché la risposta dei neuroni dipende dallo stato cerebrale di quell’istante preciso, che cambia continuamente. Finora la calibrazione di questi impianti richiedeva aggiustamenti manuali lunghi e faticosi per ogni singolo elettrodo, con risultati spesso instabili e difficili da applicare su larga scala.
Come funziona il nuovo approccio adattivo
Per superare questo limite, i ricercatori hanno testato un sistema basato sull’apprendimento profondo (una forma avanzata di intelligenza artificiale) abbinato a un impianto bidirezionale, cioè capace sia di leggere l’attività dei neuroni sia di stimolarli.
Invece di inviare impulsi fissi, il modello informatico ascolta ciò che sta accadendo nella corteccia visiva un istante prima della stimolazione e adatta il segnale elettrico in tempo reale. I dati mostrano che questo metodo permette di guidare la risposta dei neuroni in modo molto più preciso rispetto alle tecniche tradizionali. C’è anche un altro vantaggio importante: il sistema riesce a ottenere percezioni luminose più stabili utilizzando correnti elettriche più basse, un aspetto cruciale per la sicurezza e la tollerabilità dei tessuti cerebrali. Gli autori hanno osservato che è proprio l’attività complessiva del gruppo di neuroni, più che la semplice potenza dello stimolo inviato, a determinare ciò che la persona riferisce di vedere.
Cosa significa davvero per chi non vede
Di fronte a questi progressi è importante mantenere i piedi per terra e distinguere tra un traguardo ingegneristico e una cura pronta per l’uso. Lo studio ha coinvolto un solo partecipante con un impianto temporaneo e non ha restituito la vista nel senso comune del termine. Non parliamo della capacità di riconoscere un volto o muoversi in autonomia in una stanza, ma della possibilità di generare semplici punti luminosi in modo più affidabile e prevedibile.
Per te che leggi, questo lavoro non cambia le opzioni terapeutiche disponibili oggi in ospedale e non offre soluzioni immediate per la gestione quotidiana della disabilità visiva. Rappresenta però un cambio di paradigma fondamentale per il futuro della neurotecnologia. Dimostra che per dialogare con il cervello non possiamo imporre un linguaggio rigido dall’esterno: i dispositivi di domani dovranno adattarsi dinamicamente alla biologia unica e mutevole di ciascun individuo. È un passo tecnico preliminare ma indispensabile per trasformare, un giorno, semplici bagliori di luce in informazioni visive davvero utili.
Fonte scientifica
Paper originale: Deep learning-based control of electrically evoked activity in human visual cortex.
Rivista: Neuron
DOI: 10.1016/j.neuron.2026.07.006
Tutti gli aggiornamenti su salute, alimentazione e benessere.
