Una rete neurale artificiale per capire le cause della dislessia

In Italia la dislessia è ancora poco conosciuta, anche se si stima che questo disturbo abbia un’incidenza nei Paesi industrializzati che varia tra il 5 ed il 15 per cento della popolazione. Nonostante ci sia un ambio consenso sul fatto che dipenda da una disfunzione delle reti neuronali coinvolte nei processi di lettura, la comunità scientifica non è ancora riuscita a comprendere quale sia la natura di questo deficit. Ora, però, il risultato di uno studio internazionale potrebbe aiutare i ricercatori a capire le cause del disturbo, grazie a una rete neurale artificiale.

La ricerca, pubblicata sulla rivista Psychological Science, è stata condotta da un team internazionale di cui fa parte anche Marco Zorzi del Dipartimento di Psicologia Generale e del Padova Neuroscience Center dell’Università di Padova. Lo studio ha utilizzato simulazioni al computer su larga scala per analizzare come diversi tipi di deficit concorrano nel determinare le abilità di lettura individuali. Per la ricerca sono stati utilizzati i dati provenienti da un campione di oltre 600 bambini americani, di cui quasi 400 con diagnosi di dislessia in base a test standardizzati di lettura.

La rete neurale. I ricercatori hanno simulato al computer l’apprendimento della lettura utilizzando una rete neurale artificiale, un modello computazionale composto di “neuroni” artificiali organizzati in strati che interagiscono tra loro. “L’apprendimento nel nostro modello – ha spiegato Zorzi in un comunicato diffuso dall’ateneo patavino – è molto diverso da quello delle tipiche reti neurali artificiali utilizzate nelle applicazioni dell’intelligenza artificiale. Replica le strategie di apprendimento utilizzate da tutti i bambini che imparano a leggere e si basa in gran parte su un ciclo di auto-apprendimento”. La rete neurale, infatti, inizialmente acquisisce abilità rudimentali nella decodifica delle parole scritte, imparando le associazioni più frequenti tra lettere e suoni. Successivamente, ad ogni tentativo di decodifica, la rete genera una parola in forma orale e cerca la migliore corrispondenza con quelle che ha in memoria, che rappresentano il lessico parlato del bambino. In caso di corrispondenza viene creata una memoria visiva della parola scritta, che servirà nel futuro a riconoscerla in modo più rapido ed efficiente e, contemporaneamente, vengono rinforzate le associazioni tra le lettere e i suoni che formano la parola stessa.
“È un processo di auto-apprendimento probabilistico: la rete all’inizio fa molti errori – ha sottolineato Zorzi – come un bambino che sta imparando a leggere, e anche una decodifica corretta non sempre porta alla creazione di una memoria visiva della parola. Ma simula molto bene l’apprendimento umano”.

Un modello personalizzato. Per ogni bambino è stato creato un modello personalizzato basato su misure individuali delle abilità fonologiche, visive-ortografiche e del lessico parlato. Questi tre fattori definiscono le condizioni iniziali su cui si innesta l’apprendimento: gli autori hanno scoperto che questo modello multifattoriale simula accuratamente le differenze individuali e rende conto delle diverse variabili nei profili di dislessia.
“Questi risultati – si legge nel comunicato stampa – dimostrano la necessità di un modello multifattoriale della dislessia e aprono la strada allo sviluppo di modelli personalizzati al computer per guidare la progettazione di interventi di potenziamento della lettura e di riabilitazione della dislessia”.

La dislessia è un disturbo specifico della lettura, che si manifesta con una difficoltà nella decodifica del testo. La dislessia, come disortografia, disgrafia e discalculia, fa parte dei disturbi specifici dell’apprendimento, DSA, disturbi del neurosviluppo che riguardano la capacità di leggere, scrivere e calcolare in modo corretto e fluente che si manifestano con l’inizio della scolarizzazione.