Tesina di Approfondimento

di Carlo Guarnieri Calò Carducci

Matricola 550590

Onde Cerebrali e Scienza del Biofeedback

Esame di Strumentazione Elettronica Biomedicale
Prof. Mario Savino

Indice
Introduzione
1. EEG ed Onde Cerebrali
1.1 Onde Delta, Theta, Alpha e Beta
1.2 Onde Gamma, Lambda ed Epsilon
1.3 A cosa servono le onde cerebrali ?
1.4 Ritmi Binaurali
2. Biofeedback e Neurofeedback
3. Interfaccia Mente-Computer BCI
Bibliografia

Introduzione

Lo studio del funzionamento del

cervello sta producendo una inesauribile
fonte di informazioni e di studio.
Attraverso l'utilizzo delle più recenti
tecnologie applicate all'EEG piuttosto che
alla Risonanza Magnetica Funzionale o
alla Pet, i progressi nell'ingegneria dei
materiali, le nanotecnologie, la chimica
molecolare è possibile “vedere” il cervello
come non è mai successo prima. Basti
pensare alla tecnica Brainbow inventata
ad Harvard nel 2007 da Lichtman-Sanes,
che attraverso l'introduzione di geni che
producono proteine fluorescenti permette
di vedere i singoli neuroni mostrando
immagini spettacolari.
Negli USA nel luglio del 2009 è stato
lanciato il Progetto Connettoma[1], che
facendo uso della f-MRI impiegata nella tecnica denominata Hardi, permette di tracciare la mappa
di tutte le connessioni del cervello umano visualizzando i principali punti di connessione.
Le immagini prodotte forniscono un bel puzzle per ogni ingegnere elettronico.

La comprensione delle dinamiche di funzionamento del cervello, unita a macchine EEG

sempre più sensibili, con minori dissipazioni di potenza, elevato rapporto segnale rumore o alle
nuove tecnologie mobile[2], sta facendo nascere un'infinità di applicazioni nei più disparati
campi.
Si sviluppano tecniche di Biofeedback e Neurofeedback
basate su EEG per applicazioni mediche di trattamenti
sanitari che coinvolgono sia il paziente che il medico,
per la ricerca, per l'aumento delle capacità cognitive,
nello sport. La stessa tecnica usata dalla NASA per
misurare l'attività cerebrale dei piloti durante le
simulazioni di volo e correggerla tramite induzione di
ritmi Binaurali e Neurofeedback, ha raggiunto un
efficienza tale da essere venduta ad alcune società per
sviluppare videogiochi come Play Attention o
S.M.A.R.T con lo scopo di incrementare le proprie capacità e correggere i Disturbi da Deficit di
Attenzione/Iperattività (ADHD/ADD). Il progresso tecnologico sta facendo fare passi da gigante
anche al campo della BCI Brain-Computer-Interface che tramite l'elettroencefalogramma ci
avvicina sempre più al giorno in cui si potrà leggere la mente ma soprattutto si potranno aiutare
persone affette da disabilità motorie ad interagire più facilmente con il mondo tramite automi o
robot. In ultimo la DARPA[3], l’agenzia del ministero della Difesa statunitense, ha battezzato “Silent
Talk”, programma che ha l’obiettivo di “consentire la comunicazione tra utenti su un campo di
battaglia senza l’uso della voce, attraverso l’analisi dei segnali neurali” raccolti nell'elmetto tattico
tramite un EEG integrata. Il Pentagono ha destinato al progetto 4 milioni di dollari, che vanno a
sommarsi agli ulteriori 4 milioni che l’esercito americano aveva dato qualche anno fa per indagare,
insieme alla University of California, la possibilità della cosiddetta “computer-mediated telepathy”.
 1. EEG ed Onde Cerebrali

L'Elettroencefalogramma[4] (EEG) è la registrazione dell'attività elettrica attraverso lo scalpo

prodotta dall'attività dei neuroni nel cervello. Nel contesto clinico, EEG si riferisce alla
registrazione dell'attività elettrica spontanea del cervello in un breve periodo di tempo, di solito 20 -
40 minuti. In neurologia, la principale applicazione diagnostica dell' EEG è nel caso dell'epilessia in
cui si possono rilevare chiare anormalità dal comportamento tipico. Un'applicazione clinica
secondaria è nella diagnosi di coma, encefalopatie e morte cerebrale.

Derivati della tecnica EEG includono i potenziali evocati (EP) che

implicano il calcolo della media dell'attività EEG time-locked in
seguito all'applicazione di stimoli di qualche tipo (visuali, tattili o
uditivi). Il potenziale evento-correlato (ERP) fa riferimento ai
responsi EEG mediati che sono time-locked ad una serie più
complessa di stimoli; questa tecnica viene impiegata nelle scienze
cognitive, nella psicologia cognitiva e nella ricerca psicofisiologica.
L'EEG è tipicamente descritta in termini di attività ritmica e
transitoria. L'attività ritmica si suddivide in bande di frequenza
chiamate Delta, Theta, Alpha, Beta e Gamma. Queste onde non sono
altro che potenziali elettrici molto piccoli in tensione, solo pochi
milionesimi di volt, che oscillano nel cervello.

1.1 Onde Delta, Theta, Alpha e Beta

Il ritmo di base è il ritmo alpha ("ritmo di Berger"), distinto in alpha lento (8-9 Hz), alpha
intermedio (9-11,5 Hz) ed alpha rapido (11,5-13 Hz), ed ha un'ampiezza media di 40-50 microvolt.
Viene registrato ad occhi chiusi in un soggetto sveglio, soprattutto tra gli elettrodi occipitali e quelli
parietali, rispetto ai centrali e temporali posteriori (EEG sincronizzato). Se si invita il soggetto ad
aprire gli occhi, l'attività alpha scompare ed è sostituita da un'attività di basso voltaggio (inferiore o
uguale a 30 microvolt) più rapida di tipo beta (desincronizzazione).
Al fine di valutare questa differenza di potenziale, le onde generate vengono valutate per la loro
differenza in ampiezza o tensione (ed espresse in microvolt) ed in frequenza (Hz).
Le onde alpha (8-13 Hz) sono caratteristiche in condizioni di veglia e di riposo mentale, ma non nel
sonno, dove sono assenti (fatta eccezione per lo stadio R.E.M.). Quando un soggetto è sottoposto ad
un'attività cerebrale maggiore, si registra la presenza del ritmo beta.
Il ritmo beta è distinto in beta lento (13,5-18 Hz) e beta rapido (18,5-30 Hz), e presenta un voltaggio
di circa 10-15 microvolt. Le onde beta sono dominanti in un soggetto ad occhi aperti, ma anche in
stati di allerta e nel sonno R.E.M.
Il ritmo theta è dominante nel neonato e può rappresentare tensioni emotive, e si distingue in theta
lento (4-6 Hz) e theta rapido (6-7,5 Hz), ed ha un voltaggio medio di 100 microvolt.
Infine, le onde delta presentano una frequenza inferiore a 4 Hz e un voltaggio medio di circa 150
microvolt.
Queste non sono presenti in condizioni fisiologiche nello stato di veglia nell'età adulta, sebbene
siano predominanti nell'infanzia e inoltre compaiano nell'anestesia generale ed in alcune malattie
cerebrali. Le onde delta sono caratteristiche del sonno non R.E.M. (sonno ad onde lente). Nei
diversi stadi di sonno sono presenti principalmente onde theta e onde delta (caratteristiche del sonno
ad onde lente), a cui si aggiungono squarci di attività alpha e, raramente, di attività beta.
 1.2 Onde Gamma, Lambda ed Epsilon

Le onde cerebrali gamma risuonano a circa quaranta hertz (40 Hz). Le onde gamma sono
quelle “più nuove” solo perché è difficile trovare la strumentazione che le misuri accuratamente. Si
pensa alla frequenza più elevata delle onde cerebrali beta e gamma come della “frequenza di
armonizzazione”. Le osservazioni di qualunque oggetto, come dimensione, colore, trama, funzione,
ecc., sono conservate, percepite ed elaborate da diverse parti del cervello. Le onde cerebrali gamma
sarebbero associate con la funzione del cervello che crea una sintesi olografica [5] dei dati raccolti in
varie aree del cervello, affinché si fondano insieme in una prospettiva più elevata. Questa idea, nota
come Concezione Olografica del cervello fu proposta dal fisico David Bohm e dallo psicologo Karl
Pribram nella Teoria Olonomica del Cervello, secondo la quale il cervello opera in modo simile ad
un ologramma, in conformità ai principi della matematica quantica e alle caratteristiche dei modelli
delle onde d'interferenza. Bohm suggerì che queste onde potessero comporre forme come
ologrammi, basando questa idea sull'applicazione dell'Analisi di Fourier per decomporre le onde in
singoli seni. Bohm con Pribram elaborarono quindi un teoria basata su una descrizione in termini
matematici dei processi e delle interazioni neuronali capaci di leggere le informazioni che si
presenterebbero quindi sotto forma di onde, per poi convertirle in schemi di interferenza e
trasformarle in immagini tridimensionali [...] noi non vedremmo gli oggetti “per come sono” (in
accordo con quanto messo in luce dalla teoria della relatività generale), ma solamente la loro
informazione quantistica.

Ricercatori EEG[6] stanno notando frequenze cerebrali estremamente elevate sopra le

gamma, fino a 100 Hz, che hanno denominato onde cerebrali iper–gamma e onde persino più
elevate, a 200 Hz, denominate lambda. Viceversa, sono state scoperte onde cerebrali estremamente
basse, che sono più basse delle onde delta a meno di 0,5 Hz, e sono state denominate epsilon.
Si pensa che lo stato di coscienza epsilon sia lo stato in cui entrano gli Yogi [7][8] quando raggiungono
lo stato di “animazione sospesa” [9], che consiste in un rallentamento delle normali funzioni vitali
dell'individuo senza causarne la morte. I medici occidentali non rilevano alcun battito cardiaco,
respirazione o pulsazioni, quando gli Yogi si trovano in questo stato. Gli stati di coscienza iper
gamma e lambda sembrano essere gli stati associati con la capacità di certi monaci Tibetani che
indossando pochi vestiti, riescono a meditare sulle montagne Himalayane con temperature sotto lo
zero e a sciogliere la neve intorno a loro.
Tutte e tre queste “nuove onde cerebrali”, iper gamma, lambda ed epsilon, sembrerebbero associate
a stati più elevati di auto-consapevolezza[10][11], alla capacità di accedere a livelli superiori di
informazioni ed intuizioni, abilità psichiche ed esperienze fuori dal corpo. I ritmi theta e gamma
interagiscono anche con questi nuovi schemi cerebrali per aiutare la concentrazione olografica delle
informazioni del cervello in immagini, pensieri e memorie comprensibili.

È da notare che queste ultime affermazioni sono ipotesi di carattere teorico le cui basi
risiedono nell'interpretazione degli studi più recenti riguardo il funzionamento del cervello secondo
cui “Le onde cerebrali sarebbero un raro esempio di effetto quantistico che si manifesta alle scale
dei fenomeni ordinari invece che a livello sub-atomico. Esse costituirebbero il residuo
macroscopico di una funzione d'onda, ovvero una autentica macro-funzione d'onda”. Le deboli
onde cerebrali, di natura elettromagnetica, in realtà sembrerebbero un aspetto superficiale di un
qualcosa di molto più profondo che avviene a livello quantistico.
Numerosi studi sono stati fatti, vale la pena citare l'impegno profuso a riguardo dal centro di
ricerca anomalie ingegneristiche di Princeton (PEAR – Princeton Engineering Anomalies
Research[12]) che ha condotto un esperimento di 12 anni su un centinaio di individui dimostrando
correlazioni statistiche – anche non-locali – tra le intenzioni umane o di gruppi dinamici ed il
comportamento di dispositivi a livello quantistico[13][14][15].
 1.3 A cosa servono le onde cerebrali?

Nel paragrafo precedente, abbiamo visto che ognuna delle quattro onde base dell'EEG è
collegata ad un differente stato di consapevolezza. Ognuna delle quattro onde è adatta a qualcosa di
differente. In ogni caso, possiamo avere dei problemi se non riusciamo a sintonizzarci sulla
frequenza adatta ad un particolare compito. Per esempio, se non riusciamo a sintonizzarci sulle theta
e sulle delta, avremo tra le altre cose, problemi di insonnia. D'altro canto, coloro che riescono a
passare da uno stato all'altro, si confrontano con ogni situazione in maniera più producente.

Un'utile metafora[16] mette a confronto le quattro onde cerebrali di base (delta, theta, alpha, beta) con
le quattro marce di una macchina. La delta (la più lenta) e la prima marcia, theta la seconda, alpha la
terza e beta la quarta. Nessuna marcia è ideale per ogni situazione e nessuna è adatta per tutte le
sfide della vita. É problematico se una di queste marce si rompe o se ci dimentichiamo di usarla. Per
esempio se partiamo in prima e scaliamo direttamente in quarta (saltando seconda e terza), faremo
ben pochi chilometri al litro e riceveremo di sicuro un alto conto per le riparazioni. Lo stesso vale
per il cervello. Purtroppo molte persone spesso dimenticano di usare le marce intermedie e le
conseguenze di questo stile di guida sono bassa produttività e costose fatture mediche.
Com'è possibile che questo accada? Il modo in cui questo avviene nella vita di ogni giorno
può essere illustrato in questo esempio. Le persone spesso si svegliano improvvisamente dal sonno
profondo (delta) con una sveglia. In seguito si sentono immediatamente stressate e ansiose (beta)
per riuscire ad essere puntuali. Dopo alcune ore di sonno insufficienti, buttano giù del caffè per
indurre se stessi in uno stato vigile (beta), così facendo la caffeina sopprime le theta e le alpha,
promuovendo le beta. Tutto il giorno lavorano sotto stress, pressione e scadenze (beta, beta e ancora
beta), fino a sera, in cui ricadono esausti nel sonno profondo (delta), dopo aver speso troppo poco
tempo a rilassarsi o farsi un sonnellino (che avrebbe fornito un po di alpha e theta). Ecco perché
molte persone finiscono per spostare sistematicamente ed improvvisamente il loro “punto di lavoro”
dallo stato delta a beta, e di nuovo a delta.

La produzione di onde alpha è un'innata capacità del nostro cervello, ma una conseguenza
dello stress del moderno stile di vita è l'aver dimenticato come produrre stati theta e alpha. Perciò
cadiamo facilmente vittime di ansia e disordini da stress. In più, l'ansia e lo stress riducono in
maniera misurabile la forza del nostro sistema immunitario. Le persone che hanno una produzione
maggiore di onde alpha sono meno ansiose [17], di conseguenza soffrono di minor ansia e hanno
sistemi immunitari più resistenti.

La creatività[18] è un'altra attività per cui le alpha sono utili. Gli scienziati hanno mostrato che
le persone molto creative hanno ritmi alpha ben distinti da quelle normali o non-creative. Per avere
un'ispirazione creativa, il nostro cervello deve essere in grado di generare una forte esplosione di
attività alpha (alpha burst) soprattutto nella parte sinistra del cervello. Le persone creative possono
generare questi alpha burst e farlo quando sono a confronto con problemi da risolvere. Le persone
normali che non sono in grado di produrre questa intensa attività, non riescono a trovare soluzioni o
idee creative. Ogni volta che avete un ispirazione o un intuito, sapete di aver appena prodotto più
onde alpha del normale. Risutati in tal senso sono stati ottenuti nello studio di studenti del
conservatorio[18][21] inducendo uno stato ipnagogico attraverso una tecnica di Biofeedback, ottenendo
nel gruppo sottoposto ad addestramento alpha notevoli incrementi delle performance.

Il Peak Performance[19] è un ulteriore attività alpha. Recenti studi in medicina sportiva,

hanno mostrato un picco di attività alpha (spesso nell'emisfero sinistro) negli attimi precedenti ad
un picco di prestazioni – differenza chiave tra dilettanti e professionisti. Immediatamente prima di
un tiro libero, un giocatore di basket fuoriclasse produce un alpha burst e lo stesso accade anche
negli altri sport. Atleti novizi e dilettanti non sono in grado di produrli.
 1.4 Ritmi Binaurali – BrainWave Entrainment (Synchronization)

Se uno stimolo esterno viene applicato al cervello, diventa possibile trascinare la frequenza
di lavoro da uno stato ad un altro. Per esempio, se una persona si trova nello stato beta (alerta) ed
uno stimolo di 10Hz viene applicato al suo cervello per un po di tempo, la frequenza di lavoro
tenderà a muoversi verso lo stimolo applicato. L'effetto sarà di rilassamento. Questo fenomeno
viene chiamato frequency following response (FFR). Quando lo stato mentale si trova in prossimità
dello stimolo applicato, il trascinamento funziona in maniera più efficiente. Perciò, quando viene
eseguito uno spostamento da una frequenza ad un'altra, quella iniziale dovrebbe sempre essere
vicina allo stato attuale del cervello. Questa tecnica è stata utilizzata anche dalla NASA con
la ThoughtTechnology Ltd[20]. L'enorme lavoro svolto dagli
astronauti alle prese con lavori di precisione nello spazio, a volte
anche per più di una decina di ore di fila ha favorito lo sviluppo di
sistemi che supportassero gli astronauti nel mantenere la calma e la
concentrazione, nonché diminuire lo stress tramite l'induzione di
onde alpha. Il modo più semplice per applicare uno stimolo al
cervello è attraverso le orecchie. Altri sensi possono essere
ugualmente adoperati, quelli visivi sono usati spesso per rafforzare
quelli uditivi. In ogni caso, gli esseri umani non possono percepire
suoni abbastanza bassi da essere utili per la stimolazione cerebrale,
perciò tecniche speciali devono essere impiegate, come quella dei
Ritmi Binaurali. Se all'orecchio sinistro viene applicato un tono
costante di 400 Hz e a quello destro uno di 410Hz, questi due
toni si combinano nel cervello. La differenza, 10 Hz, viene percepita dal cervello e costituisce uno
stimolo molto valido per la sincronizzazione cerebrale. Questa frequenza di 10 Hz si forma
interamente nel cervello. Quando si usano delle cuffie stereofoniche, il canale sinistro ed il destro
restano separati fino all'interno del nostro cervello. Questa differenza di frequenza, quando indotta
in questa maniera, viene chiamata Ritmo Binaurale. Diversamente da altre modalità di indurre
variazioni negli stati mentali, quali la musica, la narcosintesi e la meditazione, i ritmi binaurali
operano a partire da una premessa leggermente diversa. È stato sostenuto[21] da Atwater nel 1997 e
dal Leeds nel 2001, attraverso il mappaggio dei dati grezzi EEG delle onde del cervello umano in
risposta a specifici schemi sonori, che i ritmi binaurali sono in grado di incidere su specifici schemi
di onde cerebrali.
 2. Biofeedback e Neurofeedback

Il neurofeedback o EEG biofeedback è uno strumento per mezzo del quale un individuo
impara a modificare l’ampiezza, la frequenza e la coerenza degli aspetti elettrofisiologici del
proprio cervello. Attraverso il neurofeedback, che permette la visualizzazione in tempo reale, sul
monitor di un computer, della propria attività elettroencefalografica, il cervello è educato a produrre
onde cerebrali in specifiche ampiezze e in specifiche posizioni: fornendo al cervello un feedback
immediato riguardo al proprio funzionamento, egli diventa capace di rieducare se stesso, fino a
raggiungere il pattern di attività desiderato. Lo scopo del training di neurofeedback è quello di
insegnare all’individuo come sentire specifici stati di attivazione corticale e in che modo
raggiungere tali stati volontariamente: in seguito al training di neurofeedback, infatti, l’individuo
diventa consapevole dei differenti stati EEG e diviene capace di produrli quando richiesto. Molti
studi e ricerche[22] sul neurofeedback hanno attestato la sua efficacia nel trattamento di numerose
condizioni cliniche. Tradizionalmente l’intervento psichiatrico sulle malattie mentali ha tentato di
ottenere i cambiamenti chimici che avvengono in queste sinapsi, agendo su di esse tramite i farmaci
psicotropi, aumentandone o riducendone la produzione chimica. Ma, al giorno d’oggi, molti di
questi farmaci sono sovraprescritti e non ben monitorati; inoltre questi prodotti chimici non sono
sempre prevedibili nei loro effetti e spesso sono accompagnati da seri effetti collaterali e da
dipendenze.
Il neurofeedback si caratterizza per essere una valida alternativa all’intervento farmacologico,
poiché esso è in grado di modificare le connessioni tra le cellule cerebrali, senza però un intervento
di tipo biochimico.
Applicazioni Terapeutiche del Neurofeedback[23]. Le applicazioni terapeutiche elencate
qui sotto sono raggruppate in accordo con i livelli attualmente disponibili di ricerca e/o dati clinici.
La presenza di alcune applicazioni terapeutiche nel terzo gruppo possono essere inoltre basate sul
bisogno di professionisti di essere informati riguardo i potenziali effetti collaterali.

Le seguenti sindromi hanno mostrato l'evidenza degli effetti per l'uso del Neurofeedback:
Dipendenza Difficoltà di Apprendimento
Ansietà Disordine da Stress Post-Traumatico
ADHD/ADD Rilassamento
Depressione Disturbo del Sonno

Le seguenti sindromi hanno rapporti clinici degli effetti per l'uso del Neurofeedback:
Attachment Disorder Disturbi del Comportamento Alimentare
Disfunzione Autoimmune Disordine Ossessivo-Compulsivo
Sindrome da Affaticamento Cronico Sindrome di Tourette's
Dolore Cronico Lesioni Traumatiche del Cervello
Disordine da Personalità Borderline Disturbo Dissociativo di Identità
Declino Cognitivo negli Anziani Morbo di Parkinson

Queste sono applicazioni sperimentali del Neurofeedback:

Autismo Difficoltà di Apprendimento
Disturbo della Condotta Sociale Emicrania
Epilessia Sindrome Pre-Mestruale
Sindrome Alcolica Fetale Traumi
 La ricerca dell’ultimo trentennio ha confermato che l’eccessiva attività delle onde lente
cerebrali è la più comune scoperta tra le irregolarità elettroencefalografiche nei bambini con
ADHD[24] e Disturbo dell’Apprendimento. Gli studi sul QEEG hanno confermato ed esteso queste
scoperte: individui con ADD, ADHD, disturbo dell’apprendimento, lesioni cerebrali, ictus,
sindrome di Tourette, epilessia, e spesso sindrome da fatica cronica e fibromialgia tendono ad avere
eccessive onde lente presenti (solitamente theta e qualche volta un eccesso di alpha). Quando nelle
parti esecutive (frontali) del cervello è presente un ammontare eccessivo di onde lente, diventa
difficile controllare l’attenzione, il comportamento e le emozioni. Queste persone, infatti,
generalmente hanno problemi con la concentrazione, la memoria, il controllo degli impulsi e
dell’umore, o di iperattività e mostrano un rendimento intellettivo ridotto. Accanto all’eccessiva
attività delle onde theta, i bambini con ADHD mostrano una ridotta attività delle onde beta e delle
onde SMR; quindi, complessivamente, la ricerca sul neurofeedback su bambini con ADHD si è
focalizzata su tre parametri di frequenza: theta (4-8 Hz); SMR (12-15 Hz) e beta (15-20 Hz).
Nell'immagine seguente, alcuni bambini giocano a MindBall, un gioco in cui vince chi
riesce ad essere più rilassato (contribuendo quindi a diminuire l'iperattività). Il segnale EEG viene
interpretato dal PC che muove la palla in direzione della porta avversaria.
Numerose misurazioni hanno
mostrato che il neurofeedback
può essere un trattamento
efficace per le sindromi di
autismo. In tutti i casi di
miglioramento nella
sintomatologia delle sindromi di
autismo, i risultati positivi sono
stati confermati da valutazioni
neuro psicologiche e neuro
fisiologiche. A dispetto di altri
trattamenti, quali il Ritalin,
Risperidal, Thorazina e Haldol,
il neurofeedback è un intervento
non invasivo che, è stato
mostrato, aumenta la neuro-regolazione e le funzioni metaboliche. A differenza delle terapie
comportamentali, col neurofeedback si ottiene un risultato positivo del trattamento nel corso di
alcuni mesi, mentre con altri trattamenti nel corso di uno o più anni. Il neurofeedback, inoltre, non
ha effetti collaterali, mentre gli interventi psicofarmacologici, così come certi integratori di
vitamine e minerali, sono associati ad effetti collaterali, e i risultati positivi ottenuti dal trattamento
si mantengono nel tempo e non sfumano con l’interruzione delle pratiche.
Il neurofeedback viene oggi utilizzato sia nei casi
di epilessia non trattabile farmacologicamente,
sia in quelle forme di epilessia che rispondono
solo parzialmente al trattamento farmacologico.
Per quanto riguarda le performance,
tradizionalmente, sono paragonate ad un
continuum, che va da prestazioni disfunzionali
posizionate ad un estremo, a prestazioni ottimali,
posizionate all’estremo opposto (Kirk, 2001);
quindi i cambiamenti delle performance possono
riguardare sia coloro che si collocano vicino
centro o vicino l’estremo disfunzionale, per i
quali il miglioramento sarà un tentativo di
avvicinamento alla media, sia coloro che, avendo già prestazioni nella norma, migliorano le proprie
performance, avvicinandosi all’estremo ottimale.
Le ricerche mirate all’aumento delle performance hanno lo scopo di far raggiungere al soggetto il
controllo dell’arousal, dell’attenzione, della concentrazione e della motivazione, e di migliorare le
funzioni cognitive quali la memoria, la capacità di pianificare, le strategie di problem solving, la
flessibilità cognitiva, il linguaggio e la percezione, ottimizzando la capacità di cambiare stato a
proprio piacimento. La logica sottostante l’uso del neurofeedback per l’aumento delle performance
è basata sulle associazioni: identificando le associazioni tra particolari pattern di attività corticale e
specifici stati o aspetti del comportamento ritenuti “ottimali”, è possibile, per un soggetto,
aumentare le proprie performance, allenandosi a raggiungere quel pattern di attività corticale
ottenuto durante lo stato ottimale.
Un'interessante applicazione, riguarda l'applicazione del Neurofeedback oltre che per i
pazienti, anche per i medici stessi. Studi[25] pubblicati nel luglio del 2009, dimostrano che è
possibile tramite auto-regolazione EEG incrementare le capacità dei medici nelle procedure di
micro-chirurgia. Nello specifico, i dati mostrano che addestramenti SMR/theta forniscono
miglioramenti statistici attendibili nella tecnica chirurgica, insieme con una riduzione dei tempi di
esecuzione del 26%. Questo può portare ad una riduzione dello stress chirurgico, tempo di contatto
con gli occhi, e diminuire il rischio e l'estensione di complicazioni post-operatorie, migliorandone
quindi i risultati.
 3. Interfaccia Mente-Computer BCI

Un Interfaccia Mente-Computer è un sistema che acquisisce e analizza i segnali neurali con

l'obiettivo di creare un canale di comunicazione diretto tra la mente e il computer. Il campo delle
BCI o HCI (brain-computer-interfaces – human-computer..) inizia ad espandersi oltre i suoi iniziali
obiettivi clinici. I segnali neurali possono agire come sorgenti complementari di informazioni,
combinate con l'uso di periferiche convenzionali come mouse e tastiere. Un canale del genere ha
potenzialmente diverse applicazioni, per esempio:

Applicazioni di BioIngegneria: dispositivi di assistenza alle persone con disabilità

Monitoraggio soggetti umani:
Ricerca in NeuroScienze:
Interazione Uomo-Macchina:
disordine del sonno, disfunzioni neurologiche,
monitoraggio dell'attenzione
metodi real-time per correlare comportamenti
osservabili con segnali neurali registrati
dispositivi di interfacciamento uomo-computer,
macchina

Diagramma di principio BCI

Nelle classiche BCI mono-direzionali, il dispositivo esterno riceve comandi direttamente da

segnali derivanti dall'attività cerebrale, quali ad esempio il segnale elettroencefalografico. Le
interfacce cervello computer monodirezionali rappresentano quindi la funzione complementare a
quella delle neuroprotesi, che invece sono dedicate tipicamente al sistema nervoso periferico. Le
BCI bi-direzionali combinano il descritto canale di comunicazione con una linea di ritorno che
permetterebbe lo scambio di informazioni tra il dispositivo esterno e il cervello.
Recenti miglioramenti nell'hardware dei computer e nell'elaborazione dei segnali, hanno reso più
approcciabile l'uso di segnali EEG o onde cerebrali per le comunicazioni uomo-macchina. Pazienti
immobilizzati hanno adesso un modo per comunicare con il mondo esterno, ma anche avvalendosi
delle tecniche più recenti, questi sistemi al 2002 erano ancora limitati da velocità di comunicazione
nell'ordine di 2-3 task/minuto[26]. In più, i sistemi esistenti non possono essere progettati con la
stessa flessibilità della mente umana, andando così incontro a sistemi lenti e difficili da migliorare.
Una riflessione[27] dell'agosto 2009 sulla BCI applicata ad un Robot tramite monitoraggio EEG,
opportunità colta dagli autori come occasione di ragionamento fuori dagli schemi, mostra le
seguenti conclusioni dopo l'analisi dei risultati raccolti:

• Aspetti delle onde cerebrali legati al Movimento possono essere facilmente identificati
ed osservati dall'EEG, e perciò classificati
• Processi analitici del ragionamento sono ancora quasi impossibili da classificare dato
che le emozioni non possono essere predette attraverso l'EEG applicata allo scalpo
• Influenza della topologia della rete neurale artificiale (ANN): un maggior numero di
neuroni o layers migliorano la classificazione a spese però della memoria e della potenza
di calcolo
 Le BCI attuali usano l'EEG registrato sullo scalpo per controllare il movimento di un
cursore, selezionare lettere o icone, o manovrare neuroprotesi. Di fondamentale importanza in un
sistema BCI è l’utilizzo del feedback, sia esso usato per permettere al soggetto di imparare a
modulare il proprio EEG (endogeno) o semplicemente per somministrare al soggetto gli stimoli e
registrarne le reazioni (esogeno). Viene da sé come questa tipologia di feedback impegni il canale
visivo del soggetto impedendogli o comunque rendendone difficile il suo utilizzo per altri scopi. Le
esperienze internazionali di ricerca hanno evidenziato come le applicazioni dei BCI non siano più
limitate all’interazione dei soggetti con il monitor di un computer, bensì si cerca di usare tali sistemi
per aumentare il grado di indipendenza di soggetti affetti da gravi problemi motori, ad esempio per
il controllo ambientale. Da qui la necessità di implementare un feedback aptico [28] che lasci libero il
canale visivo del soggetto. L’idea di utilizzare un feedback aptico viene concepita all’interno del
progetto europeo MAIA [29](nato nel 1994 come tesi di Laurea al Politecnico di Milano da un’idea
del Prof. Marco Somalvico, ordinario di intelligenza artificiale e robotica ), che si pone come scopo
lo sviluppo di protesi non invasive per quei soggetti che hanno perso in parte o del tutto le capacità
motorie, nella fattispecie l’obiettivo è lo sviluppo di un sistema di guida di una sedia a rotelle basato
sui segnali provenienti dal BCI, che lascerebbe così libero il soggetto di concentrare la vista sul
percorso da seguire senza essere distratto dal feedback BCI. Applicazioni nel campo della domotica
sono in fase di studio[30].
L'elemento centrale in ogni BCI è un algoritmo di traduzione che converte input
elettrofisiologici provenienti dall'utente, in output che controllino dispositivi esterni. Le operazioni
BCI dipendono dall'effettiva interazione tra controller adattativi: l'utente, che codifica i suoi
comandi in input elettrofisiologici passati alla BCI, ed un computer che riconosce i comandi
contenuti negli input e li esprime azionando un dispositivo.

La struttura comune di un'interfaccia mente-computer è la seguente:

1. Acquisizione segnale: i segnali EEG sono normalmente ottenuti dal cervello

attraverso metodi invasivi o non-invasivi. Successivamente il segnale è amplificato e
campionato. Negli ultimi anni si è iniziata ad operare una tecnica relativamente meno
esplorata di spettroscopia funzionale nel vicino infrarosso (fNIRS), una misura non
invasiva di concentrazione di ossigeno nel sangue, indicativa dell'attività neurale.
Un fascio di luce nel vicino
infrarosso viene pulsato
sulla fronte dove viene
rifratto dai tessuti della
corteccia fino ad una
profondità di 1-3 cm.
L'emoglobina ossigenata e
non, è il principale
assorbitore di luce a queste
lunghezze d'onda. Sistemi come quello in figura (NIROXCOPE 301[31]) tuttavia sono
più lenti rispetto all'EEG convenzionale poiché, mentre nel secondo viene misurata
l'attività elettrica in maniera rapida e spazialmente localizzata, nel primo si ricorre ad
una misura indiretta dell'attività cerebrale. Ciò nonostante risulta estremamente
adatto per un uso al di fuori della clinica. Benefici includono facilità d'uso, rapidità
di applicazione, portabilità, rendendolo così uno strumento promettente per la ricerca

2. Pre-Processamento: una volta acquisito, il segnale deve essere filtrato e trattato.

Mentre durante un'ispezione visiva, gli artefatti possono facilmente essere individuati
dagli esperti, nel corso di un'analisi automatizzata questi pattern di segnali spesso
causano seri problemi di misclassificazione. La maggior parte di essi sono dovuti ai
 movimenti del bulbo oculare (eyeball movements) oppure alla contrazione dei
muscoli che permettono il battere delle palpebre (eyeblinks). Questi movimenti sono
causa di ridistribuzioni del campo elettrico in virtù della differenza di potenziale
presente tra la cornea e la retina di circa 100mV. Il segnale misurato dagli elettrodi
frontali viene così alterato. Una possibile procedura [32] inizia con un filtraggio basato
sul metodo del Laplaciano di superficie, che attraverso il calcolo della seconda
derivata spaziale della distribuzione istantanea di potenziale, funge da filtro passa-
alto spaziale, così da accentuare l'attività localizzata e ridurre la diffusione nell'EEG
multi-canale. In seguito viene effettuata un'analisi nel dominio del tempo e delle
frequenze, infatti i processi motori, in cui occorrono fenomeni di desincronizzazione,
sono spesso correlati in frequenza. Con l'ausilio della trasformata di Fourier, si può
ottenere la distribuzione di energia tempo-variante di un segnale in ogni banda
utilizzando ad esempio, per finestre temporali di 4 - 5,5 s e bande di frequenza tra gli
8 e i 12 Hz, un filtro Butterworth del quinto-ordine. Normalizzazione del rumore: le
registrazioni EEG da tutti i sensori, vengono normalizzate al corrispondente livello
di rumore stimato in precisi istanti temporali attraverso l'analisi istografica dei dati,
ed in seguito i dati originali vengono trasformati in rapporti segnale-rumore (signal-
to-noise-ratio SNR), fornendo misure adimensionali. L'analisi a componenti
indipendenti (ICA) è un ulteriore strumento, un metodo statistico per la ricerca di
componenti nascoste in dati multidimensionali che siano statisticamente più
indipendenti rispetto ad altri. A questo punto, le prime tre componenti dell'ICA
vengono usate per la ricostruzione della sorgente. Questo processo ha l'obiettivo di
fornire più informazioni circa le sorgenti elettriche che generano l'EEG, risolvendo
ciò che è noto come problema inverso.
Si viene a creare in tal modo il modello equivalente a
due dipoli rappresentante la localizzazione delle
sorgenti indotte ad esempio dall'immaginazione
motoria. Ogni dipolo è libero di muoversi all'interno del
cranio ed è caratterizzato da parametri come la
posizione, il momento e l'istante temporale.

3. Classificazione: una volta pulito, il segnale deve essere processato e classificato per
riconoscere il tipo di particolare attività mentale in corso nel soggetto. Durante
l'immaginazione motoria, a causa di un decremento nella sincronizzazione delle
popolazioni neurali sottostanti, si presenta una diminuzione di potenza del ritmo
cerebrale μ nelle zone controlaterali (lati opposti) del cervello. La diminuzione di
potenza di questo ritmo presente nella stessa banda delle onda alpha, ma prodotto
durante il movimento, porta ad un fenomeno di più forte intensità nelle zone
ispilaterali (stesso lato). Partendo da questa osservazione, si sviluppano regole di
classificazione di questo tipo: in primis si ottiene l'equivalente a due dipoli (two-
equivalent-dipole) con il più alto rapporto segnale-rumore (come mostrato
nell'immagine precedente). Se entrambi i dipoli sono posizionati sullo stesso
emisfero (situazione vera nella maggior parte dei casi), si può concludere che l'idea
del movimento sia corrispondente a quel lato. Se invece i dipoli non appaiono sullo
stesso emisfero, è necessario discriminare da che parte provenga l'attività elettrica e
rifarsi al modello a singolo dipolo. Questo metodo ha prodotto una percentuale pari a
l'80% di classificazione di immagini motorie con un massimo raggiunto da quattro
soggetti umani dell' 84,44% senza necessità di addestramento alcuno.

4. Interazione Computer: una volta classificata, l'informazione viene elaborata da un

algoritmo appropriato per lo sviluppo di una specifica applicazione.
 Gruppi di ricerca differenti, lavorano sui canali di comunicazione tra la mente ed il
computer. I principali gruppi sono presentati in ordine alfabetico nella seguente tabella. Un
documento[33] dell'ESA con data 30 Novembre 2009 fa il punto della situazione. Queste interfacce
sperimentali includono l'hardware BCI utilizzato, il software di interfacciamento e le applicazioni
per l'utente. Nel valutare i sistemi attuali, diversi fattori devono essere considerati, di cui cinque
citati da Ben Schneiderman (professore di Informatica al Human-Computer Interaction Laboratory
dell'Università del Maryland):

• Cos'è il tempo di apprendimento (time-to-learn) di un sistema?

• Cos'è la velocità delle performance?
• Quanti e quali tipi di errori fanno gli utenti?
• Con che livello gli utenti mantengono la conoscenza acquisita dopo un'ora, un giorno,
una settimana? Qual'è la loro ritenzione?
• Quanto piacciono agli utenti i vari aspetti del sistema? Qual'è la loro soddisfazione
personale?

Sistema Tempo di Numero di Velocità Errori Ritenzione Soddisfazione

Addestramento scelte (task/min) Personale

Brain Response 10 - 60 min 64 30 10% Eccellente Considerata

Interface
SSVEP training 6 ore N/A N/A <20% N/A Non discussa

P3 Character Minuti 36 4 5% Eccellente Non discussa

Recognition
Mu Wave Training 15 – 20 sessioni 2 20 10% N/A Non discussa

ERS/ERD 2 – 2,5 ore 2 N/A <11% N/A Non discussa

Thought Translation Mesi 27 2 10-30% Non buono Sgradevole

Device
Implanted Device Mesi N/A 2 N/A Eccellente Considerata

Flexible Brain N/A 2 3 15% N/A Non discussa

Computer Interface

Un ultimo interessante lavoro, riguarda la possibilità di sviluppare interfacce di natura

quantistica. Le BCI attuali (classiche) cercano di utilizzare il cervello per guidare particolari
attuatori a sviluppare azioni corrispondenti alle intenzioni umane. Questo traguardo, a meno di
alcuni casi, è difficilmente raggiunto. Il motivo di questo risultato è che le intenzioni umane non
possono essere concepite semplicemente come un set di classiche relazioni input-output. Secondo
uno studio sviluppato da ricercatori italiani[34], è necessario ricorrere alla teoria quantistica,
permettendo così il verificarsi di fenomeni di coerenza stabile, a sua volta alla base dei processi
mentali di alto livello come le intenzioni e le strategie. Più precisamente, nel contesto di una
Quantum Field Theory dissipativa di funzionamento del cervello, è possibile introdurre stati
coerenti generalizzati associati, nel quadro della logica, alle affermazioni espresse in un
metalinguaggio quantistico. Quest'ultimo controlla la computazione quanto-meccanica
corrispondente a normali operazioni mentali. Diventa quindi possibile concepire un Quantum
Cyborg in cui una mente umana controlli, attraverso un metalinguaggio quantistico, il
funzionamento di un computer quantistico artificiale. Le argomentazioni fornite dagli autori
mostrano come, l'approccio quantistico, predìca la possibilità di un'azione diretta della mente sulla
materia. Questa circostanza, al di là del miglioramento delle attuali BCI, apre la possibilità di
progettare nuovi tipi di interfacce BCI. Ciò potrebbe causare un cambiamento rivoluzionario nel
nostro modo di pensare attuale, basato sul tacito presupposto che i nostri pensieri non hanno effetti
diretti sul mondo.
 Bibliografia

1. http://www.nih.gov/news/health/jul2009/ninds-15.htm
2. G.Gargiulo, P. Bifulco, R. A. Calvo1, M. Cesarelli, C. Jin and A. van Schaik, A mobile EEG
system with dry electrodes , School of Electrical and Information Engineering, The
University of Sydney ,Dipartimento di Ingegneria Elettronica e delle Telecomunicazioni
(D.I.E.T.) “Federico II” University of Naples
3. http://www.darpa.mil/ Defense Advanced Research Projects Agency
4. http://en.wikipedia.org/wiki/Brain_waves
5. Karl H. Pribram, "The Implicate Brain", in B. J. Hiley and F. David Peat, (eds) Quantum
Implications: Essays in Honour of David Bohm, Routledge, 1987
6. Susan Pockett, Gary E.J. Bold, Walter J. Freeman, EEG synchrony during a perceptual-
cognitive task: Widespread phase synchrony at all frequencies , Clinical Neurophysiology
120 (2009) 695–708
7. Growing the Brain through Meditation , Harvard Mahoney Neuroscience Institute Letter ,
Fall 2006 ,Vol. 12, No. 3
8. Super Brain Yoga ~ A Research Study , By Dr. Ramesh, MDS
9. http://it.wikipedia.org/wiki/Animazione_sospesa
10. Antonella Vannini, Quantum Models of Consciousness, Syntropy 2007, 1, pag. 130-146
11. Baaquie B., Martin F., Quantum Psyche. Quantum Field Theory of the Human Psyche,
NeuroQuantology, March 2005, Vol. 3(1):7-42;
12. http://www.princeton.edu/~pear/
13. Correlations of Random Binary Sequences with Pre-Stated Operator Intention: A Review of
a 12-Year Program, R. G. Jahn, B. J. Dunne, R. D. Nelson, Y. H. Dobyns, and G. J.
Bradish
14. Roger Nelson, Correlation of Global Events with REG Data: An Internet-Based, Nonlocal
Anomalies Experiment, The Journal of Parapsychology, Vol. 65, September 2001 (pp. 247-
271)http://ansa.it/web/notizie/rubriche/politica/2010/07/08/
visualizza_new.html_1851111118.html
15. R. D. Nelson, D. I. Radin, R. Shoup, P. A. Bancel, Correlations Of Continuos Random Data
With Major World Events
16. Alpha Brain Waves and Biofeedback Science, 2000-2002, 1997 Biocybernaut Institute
Mountain View, California
17. Vivian Holten , Bio- and neurofeedback applications in stress regulation , Neuroscience &
 Cognition, track Behavioural Neuroscience , July 2009 , Centraal Militair Hospitaal Utrecht
18. John Gruzelier , A theory of alpha/theta neurofeedback, creative performance enhancement,
long distance functional connectivity and psychological integration , Department of
Psychology, Goldsmiths, University of London, Lewisham Way, New Cross, London,
SE14 6NW, UK
19. D. Corydon Hammond, Ph.D. ,Neurofeedback for the Enhancement of Athletic Performance
and Physical Balance , The Journal of the American Board of Sport Psychology
20. http://www.thoughttechnology.com/
21. Darren Curtis , Binaural Beats, Brain Wave Entrainment And The Hemi-Sync Process,
Electronic Music Unit, Elder Conservatorium , The University of Adelaide
22. J. Gruzelier, PhDa, T. Egner, PhD , Critical validation studies of neurofeedback , Division of
Neuroscience
23. http://www.eegspectrum.com/Applications/InfoNetwork/
24. Evaluation of the Effectiveness of EEG Neurofeedback Training for ADHD in a Clinical
Setting as measured by changes in T.O.V.A. Scores, Behavioral Ratings, and WISC-R
Performance Joel F. L. Michie, O. Swartwood , J.N. Swartwood and P.H.O'Donnell
25. T.Ros, M.Moseley, Optimizing microsurgical skills with EEG neurofeedback , BMC
Neuroscience , 24 July 2009
26. Jorge Baztarrica Ochoa , EEG Signal Classification for Brain Computer Interface
Applications , ECOLE POLYTECHNIQUE FEDERALE DE LAUSANNE , 2002
27. Syed M. Saddique1 and Laraib Hassan Siddiqui , EEG Based Brain Computer Interface ,
Department of Electrical Engineering-CECOS University of IT and Emerging Sciences
Peshawar, Pakistan , August 2009
28. Fabio Aloise , Device for haptic feedback in Brain-Computer Interface experimentation ,
NEILab, Fondaz. Santa Lucia IRCCS, Roma ; Dip. Di Informatica e Sistemistica, Dip. di
Fisiologia Umana,Dip. di Neuroscienze, Univ. “Tor Vergata”, Roma, Italy;
29. Millán J. del R., Renkens F., Mouriño J., and Gerstner W.. ”Non-invasive brain- actuated
control of a mobile robot by human EEG.” IEEE Trans. on Biomedical Engineering,
51:1026–1033, 2004.
30. http://it.wikipedia.org/wiki/Interfaccia_cervello-computer
31. A.Girouard, E.T.Solovey, L.M.Hirshfield, E.M. Peck, K. Chauncey, A. Sassaroli, S. Fantini
and R.J.K. Jacob, From Brain Signals to Adaptive Interfaces: using fNIRS in HCI ,Tufts
University Medford, MA 02155, USA
32. Baharan K., Zhongming L., Bin He, An EEG Inverse Solution based Brain-Computer
Interface , IJBEM Vol. 7, No. 2, 2005 , Department of Electrical and computer Engineering,
 University of Minnesota, MN, USA .
33. http://www.esa.int/gsp/ACT/doc/BNG/bmiworkshop/ACT-PRE-BNG-DOMOTIC
(BMI_Workshop).pdf
34. E.Pessa, P.Zizzi, Brain-Computer Interfaces And Quantum Robots , Centro
Interdipartimentale di Scienze Cognitive, Università di Pavia , Dipartimento di Matematica
Pura e Applicata, Università di Padova