L’attenzione è anche questione di “hardware”

L’attenzione è anche questione di “hardware”

Luglio 24, 2020 - 14:40

Vari studi mettono in evidenza come la nostra capacità di attenzione dipenda dalla conformazione del tessuto che collega le varie aree del cervello.

Il livello di attenzione che sappiamo prestare non è solo una questione di volontà o di allenamento, ma dipende dal “connettoma”, il tessuto che collega le varie aree del cervello, e può variare da persona a persona.

Una ricerca dell’Università di Chicago pubblicata sulla rivista Pnas ha analizzato il connettoma dell’attenzione, da cui dipendono le capacità di attenzione, ma è anche legato alla memoria e alla vista. Il fatto che l’attenzione tende a fluttuare è noto, ma le recenti ricerche, svolte utilizzando tecniche di neuroimmaging, mostrano come questa fluttuazione non sia (unicamente) di natura psicologica, ma dipende dalla conformazione dei circuiti celebrali, come spiega un articolo del Corriere della Sera. Gli studi hanno però anche delle implicazioni per alcune patologie, come l’Alzheimer, il Parkinson e l’epilessia. Uno studio italiano del Santa Lucia di Roma indica come “la stimolazione magnetica dei nodi di connessione del connettoma diretti al lobo temporale migliora la memoria episodica nella malattia di Alzheimer lieve e sembra rallentare il decadimento cognitivo”, spiega il Corriere della Sera. L’attenzione è anche fondamentale per quanto riguarda la fissazione dei ricordi. Un modello matematico, sviluppato alla Yale University,  ha individuato due tipi di circuito dell’attenzione, corrispondenti ad un’attenzione elevata e a una bassa. I ricercatori sono stati in grado di prevedere sulla base della funzionalità del connettoma rilevata dai sensori le fluttuazioni dell’attenzione nel tempo.  “L’attenzione ha un hardware: la componente statica, intrinseca nelle connessioni del suo circuito connettomico”, spiega l’articolo. “Il software è invece la componente funzionale dinamica dei suoi circuiti che varia da momento a momento. Il CPM (acronimo di connectome-based predictive model, ndr) le valuta entrambe”.