Classificazione multimodale EEG–fNIRS come strumento clinico per la diagnosi del disturbo bipolare

Perché questo conta per la salute mentale quotidiana

Il disturbo bipolare è spesso difficile da diagnosticare, in particolare quando i medici devono distinguere tra i suoi principali sottotipi. Poiché la diagnosi attuale si basa quasi esclusivamente su colloqui e osservazione, molte persone possono ricevere per anni trattamenti non appropriati. Questo studio esplora se semplici registrazioni cerebrali non invasive — effettuate mentre i soggetti eseguono un compito emotivo — possano fornire indizi oggettivi su chi abbia il disturbo bipolare, quale sottotipo presenti e chi sia sano. Se efficace, un approccio del genere potrebbe portare a cure più rapide e su misura in normali contesti clinici.

Osservare gli sbalzi d’umore con luce ed elettricità

I ricercatori si sono concentrati su una caratteristica centrale del disturbo bipolare: la persistente difficoltà nel gestire le emozioni, anche in periodi apparentemente stabili. Hanno impiegato due strumenti utilizzabili al di fuori dei grandi ospedali. L’EEG registra l’attività elettrica del cervello mediante una cuffia di sensori sul cuoio capelluto. L’altra tecnica, la fNIRS, illumina la fronte con luce nel vicino infrarosso per monitorare le variazioni di ossigenazione del sangue nelle aree superficiali del cervello. Insieme, questi metodi catturano sia i segnali elettrici veloci sia le risposte emodinamiche più lente nella regione frontale, coinvolta nel controllo delle emozioni, nel processo decisionale e nel comportamento sociale.

Mettere alla prova la distrazione emotiva in tempo reale

Per sondare il controllo emotivo, il team ha ideato un compito visivo in cui i partecipanti dovevano rispondere solo al colore di una cornice intorno a un’immagine, ignorando se l’immagine fosse piacevole, neutra o spiacevole. Questa configurazione, una variante del compito di Stroop emotivo, crea una contrapposizione tra reazioni emotive e un semplice compito cognitivo. I partecipanti includevano adulti con disturbo bipolare di tipo I, disturbo bipolare di tipo II e volontari sani. Mentre eseguivano il compito, i sensori EEG coprivano l’intero cuoio capelluto e un piccolo insieme di sorgenti e rivelatori fNIRS registrava le variazioni del flusso sanguigno nell’area frontale sinistra.

Pattern che rivelano chi è chi

Per prima cosa, i ricercatori hanno esaminato il comportamento. Le persone con disturbo bipolare impiegavano più tempo a rispondere alle immagini spiacevoli rispetto a quelle neutre o piacevoli, suggerendo che le emozioni negative interferivano maggiormente con il loro processo cognitivo. I volontari sani non mostravano questo schema. Successivamente, il team ha analizzato i segnali cerebrali. Hanno estratto finestre temporali dall’EEG (dalle risposte visive rapide intorno a un decimo di secondo fino a onde più tardive legate a emozione e decisione) e dalla risposta fNIRS più lenta (catturando come il flusso sanguigno aumentava e diminuiva dopo ogni immagine). Usando queste caratteristiche, hanno addestrato modelli di machine learning per classificare se una persona era sana o affetta da disturbo bipolare e — tra i pazienti bipolari — se era di tipo I o di tipo II.

Combinare i segnali aumenta il potere diagnostico

Usando solo i segnali EEG dalla cuffia a copertura completa, i modelli erano già in grado di separare i pazienti dai volontari sani e spesso di distinguere i due sottotipi bipolari. Ma l’aggiunta delle caratteristiche fNIRS ha migliorato consistentemente questi risultati, specialmente per i problemi più difficili: distinguere il tipo II dai partecipanti sani e discriminare il tipo I dal tipo II. Le misure basate sulla luce hanno apportato informazioni su come i vasi sanguigni e l’attività nervosa interagiscono nella regione frontale, catturando sottili differenze neurovascolari che l’EEG da solo non rilevava. Anche quando i dati EEG erano limitati ai soli sensori frontali — a imitazione di un sistema semplificato e più portatile — la combinazione di EEG e fNIRS ha ridotto gli errori di classificazione mantenendo buone prestazioni.

Verso diagnosi più semplici e obiettive

In termini concreti, questo studio dimostra che un piccolo set di sensori sulla testa può rilevare pattern cerebrali affidabili che differenziano le persone sane da chi soffre di disturbo bipolare e persino tra i suoi principali sottotipi. Accoppiando l’attività elettrica e le variazioni del flusso sanguigno, il metodo rafforza il segnale disponibile per i classificatori basati su computer, rendendo più accurate le distinzioni tra sottotipi. Sebbene siano necessari studi di maggiori dimensioni, questi risultati indicano la possibilità di strumenti futuri compatibili con l’ambiente clinico che possano integrare i colloqui, aiutare a evitare diagnosi errate e, in ultima analisi, permettere trattamenti più precoci e personalizzati per le persone a rischio di disturbo bipolare.

Citazione: Tahir, I., Planat-Chrétien, A., Bertrand, A. et al. Multimodal EEG–fNIRS classification as a clinical tool for bipolar disorder diagnosis. Transl Psychiatry 16, 177 (2026). https://doi.org/10.1038/s41398-026-03858-1

Parole chiave: disturbo bipolare, immagini cerebrali, EEG, fNIRS, regolazione emotiva