Distinctive neural representations of kinematic features of fully visible and point-light displays grasping actions within the action observation network

Diversi studi hanno dimostrato che l'osservazione e l'esecuzione delle azioni reclutano tipicamente la corteccia parietale inferiore e la corteccia premotoria ventrale, oltre alla parte caudale del giro frontale inferiore. Queste aree sono state descritte come i nodi principali del sistema dei neuroni specchio (mirror neuron system - MNS). Il MNS, trasformando le informazioni sensoriali degli atti motori osservati nelle corrispondenti rappresentazioni motorie, consente di comprendere immediatamente le azioni altrui. Un network più ampio, che comprende anche le aree occipito-temporali laterali, le aree premotorie e parietali dorsali e le parti laterali del cervelletto, è stata definita collettivamente action observation network (AON). Sebbene i nodi principali dell’AON codifichino principalmente il goal delle azioni osservate, ricerche precedenti hanno dimostrato che alcune aree di questa rete codificano anche le caratteristiche cinematiche dell'azione, elaborando aspetti del movimento biologico. Per isolare il contributo specifico delle informazioni cinematiche alla decodifica delle azioni osservate, gli studi precedenti hanno utilizzato la tecnica dei point-light displays (PLDs), in cui il movimento biologico viene presentato senza aspetti pittorici. Gli studi descritti in questa tesi mirano a valutare le rappresentazioni neurali delle caratteristiche cinematiche di azioni di afferramento con PLDs durante compiti di osservazione eseguiti da volontari umani sani. Nel primo studio, confrontando azioni di afferramento completamente visibili (fully visible - FV) e PLDs, controllando al contempo gli effetti confondenti dovuti alle caratteristiche visive di basso livello, al movimento e al contesto, si è cercato di verificare se: a) l'osservazione di azioni PLDs fosse in grado di elicitare attivazioni dell'AON paragonabili a quelle prodotte da stimoli FV; b) fosse possibile distinguere, mediante algoritmi di machine learning, le distribuzioni dei pattern neurali delle aree attivate nelle due condizioni sperimentali (FV e PLDs). I risultati hanno mostrato un'attivazione bilaterale dell'AON comparabile durante l'osservazione di FV e PLDs. Le analisi condotte sul segnale BOLD (blood oxygenation level dependent) non hanno mostrato differenze significative nell'intensità del segnale tra PLDs e FV. Questi dati suggeriscono il reclutamento di un meccanismo di codifica dell'azione simile. Utilizzando l'analisi dei pattern multivoxel (multivoxel pattern analysis - MVPA), è stato possibile distinguere, con un'accuratezza significativa, il pattern neurale elicitato dall'osservazione di azioni di afferramento FV da quello evocato dall'osservazione delle azioni di afferramento PLDs nelle aree occipitali, parietali e premotorie dell'AON. Nel complesso, questi dati rivelano che le caratteristiche cinematiche trasmesse tramite stimoli PLDs sono sufficienti a evocare una rappresentazione completa dell'azione e che le caratteristiche cinematiche dell'azione possono essere distinte all'interno dell'AON. Precedenti studi di neuroimmagine che hanno utilizzato i PLDs hanno esplorato le basi neurali dell'osservazione dell'azione concentrandosi sulla distinzione tra movimento biologico e non biologico, in particolare dei movimenti del corpo intero, ma non hanno esaminato la modulazione dell'attività all'interno dell'AON in risposta alle differenze nei parametri cinematici delle azioni biologiche. Nel secondo studio, abbiamo indagato i substrati neurali attivati durante l'osservazione di azioni di afferramento presentate tramite PLDs eseguite in diverse direzioni (destra, sinistra) e con diverse velocità (veloce, lenta). L'obiettivo principale di questo studio è stato quello di valutare quali aree dell'AON sono principalmente coinvolte nella codifica delle differenze di direzione e velocità dell'azione osservata. Combinando approcci univariati e multivariati, siamo stati in grado di rivelare differenze nell'elaborazione di informazioni cinematiche specifiche all'interno dell'AON. I risultati univariati hanno mostrato che la codifica delle differenze di direzione degli stimoli attivava principalmente le aree occipitali posteriori e laterali, nonché le aree occipito-parietali. Le differenze di velocità hanno attivato la corteccia occipito-temporale laterale e le aree parietali superiori e intraparietali. I risultati multivariati hanno dimostrato che è possibile decodificare la velocità e la direzione a livello di network, con diverse aree dell'AON che contribuiscono alla decodifica della direzione o della velocità, o di entrambe. Nel complesso, i risultati dei due tipi di analisi indicano che i nodi parietali posteriori dell'AON sono principalmente coinvolti nella codifica della direzione di afferramento e che un insieme più ampio di aree, comprese le regioni premotorie, sono fondamentali per la codifica della velocità di afferramento. Questi dati potrebbero essere rilevanti per studi futuri volti a indagare i correlati neurali dell'imitazione di azioni basate su stimoli PLDs. Inoltre, queste informazioni potrebbero essere sfruttate per personalizzare i programmi di riabilitazione dell'arto superiore, basati sull'osservazione, concentrandosi sulla cinematica dell'azione. Infine, i modelli di riconoscimento delle azioni della mano basati sul machine learning, potrebbero essere migliorati addestrandoli sulle caratteristiche cinematiche più informative delle azioni osservate.