Dataset del Compito di Attenzione Sostenuta (gradCPT) con EEG-fMRI simultaneo e DTI

Perché le nostre menti che vagano contano

Tutti conoscono la sensazione di perdersi nei propri pensieri durante un compito: gli occhi restano sulla pagina o sullo schermo, ma la mente si sposta ai piani per domani o a una conversazione recente. Questo articolo presenta un ricco dataset cerebrale liberamente accessibile progettato per catturare quei comuni cali di attenzione mentre avvengono. Registrando l’attività cerebrale con più scanner avanzati contemporaneamente mentre le persone eseguono compiti di attenzione impegnativi, i ricercatori mirano ad aiutare la comunità scientifica a comprendere meglio perché la concentrazione fallisce, come i pensieri interiori competono con il mondo esterno e come diverse parti del cervello collaborano nel tempo.

Osservare il cervello da due angolazioni contemporaneamente

Nessun singolo scanner cerebrale può vedere tutto ciò che succede quando l’attenzione vacilla. La risonanza magnetica funzionale (fMRI) mostra dove cambiano le attività nel cervello con grande dettaglio spaziale, ma è relativamente lenta. L’elettroencefalografia (EEG) rileva l’attività elettrica rapida su scala di millisecondi, ma sfoca l’origine spaziale dei segnali. In questo studio 28 adulti sani sono stati posizionati in uno scanner per risonanza indossando un caschetto EEG, in modo che entrambi i tipi di dati fossero raccolti simultaneamente. Il team ha inoltre aggiunto immagini di diffusione, che mappano le connessioni cerebrali, consentendo a studi successivi di mettere in relazione i rapidi cambiamenti elettrici, i più lenti cambiamenti nel flusso ematico e le connessioni di materia bianca che collegano le regioni cerebrali.

Una sfida attentiva che induce a sognare ad occhi aperti

L’esperimento centrale utilizza un compito continuo graduale chiamato gradCPT, particolarmente efficace nel rivelare i cambiamenti della concentrazione da un momento all’altro. I partecipanti vedono una sequenza di scene cittadine e montane che sfumano dolcemente l’una nell’altra ogni 800 millisecondi. Devono premere un pulsante per la maggior parte delle immagini di città ma trattenersi per le meno frequenti immagini di montagna. Questa regola semplice rende i lapsus evidenti: una pressione mancata o una pressione sbagliata su una montagna indicano un cedimento dell’attenzione. Per sondare come i pensieri interiori interferiscano con il compito, i ricercatori hanno inoltre incluso blocchi in cui ai partecipanti è stato chiesto di immaginare vividamente la loro giornata lavorativa o scolastica futura mentre eseguivano il gradCPT, oltre a periodi di pura immaginazione, un compito visivo a scacchi lampeggiante e periodi di riposo con occhi aperti o chiusi.

Dai segnali rumorosi a mappe cerebrali utilizzabili

Registrare l’EEG all’interno di uno scanner MRI è una sfida tecnica: i potenti campi magnetici e il rapido switching dei gradienti creano grandi artefatti elettrici che possono sovrastare i deboli segnali cerebrali di interesse. Il team ha preparato accuratamente ogni partecipante, ridotto al minimo il movimento dei cavi e seguito layout ottimali per amplificatori e cablaggi. Ha poi impiegato software specializzati per sottrarre i pattern di rumore ripetitivi legati all’MRI, rimuovere le distorsioni legate al battito cardiaco e filtrare altri artefatti. Per i dati fMRI è stata applicata una pipeline di preprocessing moderna e standardizzata, corretta la motion della testa e le distorsioni dello scanner, levigate le immagini e quantificata la qualità del segnale. Le immagini di diffusione sono state pulite e utilizzate per ricostruire le principali vie di materia bianca e matrici di connettività tra oltre cento regioni cerebrali. I controlli di qualità hanno mostrato che il movimento era basso, i segnali chiave erano robusti e le connessioni strutturali apparivano plausibili dal punto di vista anatomico.

Come le reti cerebrali suggeriscono errori imminenti

Per dimostrare cosa si può fare con il dataset, gli autori hanno replicato un risultato classico sui lapsus di attenzione. Si sono concentrati su tre grandi reti cerebrali: le regioni visive che elaborano le scene, le reti attentive che sostengono la concentrazione orientata a un obiettivo, e la rete “default mode”, che diventa più attiva durante il pensiero rivolto all’interno e il mind‑wandering. Confrontando l’attività cerebrale prima delle prove corrette rispetto a quelle errate nel gradCPT, hanno trovato che gli errori erano preceduti da un’attività più forte nelle aree della default mode e da un’attività più debole nelle aree visive. Questo schema era particolarmente chiaro durante i periodi “fuori zona”, quando i tempi di reazione variavano di più e il comportamento era meno stabile. In altre parole, il cervello stava già spostando l’attenzione verso i pensieri interni e lontano dal compito visivo nei momenti precedenti al calo di prestazione.

Una risorsa condivisa per studiare concentrazione e distrazione

Oltre a queste dimostrazioni iniziali, il vero risultato di questo lavoro è il dataset pubblico stesso. Organizzato in un formato ampiamente utilizzato e condiviso sulla piattaforma OpenNeuro, include EEG grezzi e preprocessati, fMRI, immagini di diffusione e dati comportamentali, oltre al codice per la presentazione del compito e l’analisi. I ricercatori possono usarlo per testare nuovi metodi di pulizia dell’EEG all’interno dell’MRI, esplorare come il cablaggio strutturale supporta l’attenzione o costruire modelli che predicono i lapsus a partire da pattern integrati di segnali cerebrali. Per i non specialisti, il messaggio principale è semplice: quando la nostra mente vaga, l’equilibrio tra le reti cerebrali rivolte verso l’esterno e quelle che si rivolgono all’interno cambia in modi rilevabili—e questo dataset offre una nuova finestra potente su come questi cambiamenti si sviluppano nel tempo.

Citazione: Cha, Y., Lee, Y., Ji, E. et al. Sustained Attention Task (gradCPT) Dataset using simultaneous EEG-fMRI and DTI. Sci Data 13, 573 (2026). https://doi.org/10.1038/s41597-026-06616-6

Parole chiave: attenzione sostenuta, mente che vaga, EEG fMRI, reti cerebrali, dati neuroimmaginistici aperti