RICERCA ITALIANA     

Meccanismi computazionali e neurali di apprendimento e controllo sensorimotorio

Università degli Studi di Genova

Abstract

Poiché il cervello è fondamentalmente un sistema che apprende, comprenderne l'archiettura computazionale durante l'acquisizione di abilità motorie è un problema fondamentaole sia dal punto neurofisiologico che da quello neuroriabilitativo. Un approccio promettente che è emerso negli ultimi anni è basato sull'utilizzazione degli ambienti virtuali (VE), intesi come strumenti sperimentali per progettare e monitorare le interazioni sensorimotorie sottostanti al processo di addestramento. Sono stati definiti due tipi principali di ambienti virtuali, rispettivamente nel campo della computer graphics e della computer haptics. Per esempio, mediante la realtà virtuale immersiva si possono indurre distorsioni del feedback visivo o dei conflitti visivo-propriocettivi che devono essere compensati addestrando un modello interno della traformazione visuo-motoria aliena. Un altro esempio si può ottenre programmando l'impedenza meccanica di un dispositivo aptico robotizzato in modo da indurre distorsioni delle traiettorie che dipendono dalla dinamica dei movimenti. Di nuovo, la capacità di soddisfare il task, dopo un adeguato protocollo di apprendimento, richiede che il soggetto elabori un modello interno della dinamica delle interazioni ambientali da integrarsi nel processo di controllo motorio. Tuttavia, è un fatto che i due tipi di approcci alla realtà virtuale (basati, rispettivamente, su ambienti virtuali visivi - VVE - o ambienti virtuali aptici - VHE) si siano sviluppati in larga misura in modo indipendente. Una ragione è certamente la complessità del setup sperimentale, compreso il requisito del tempo reale, ma ce n'è un'altra che forse ha a che fare con la separazione storico/accademica tra chi si occupa di percezione e chi si occupa di movimento. In questo progetto si cercherà di superare entrambe le barriere mirando a nuovi risultati interdisciplinari in cui la plasticità percettiva e quella motoria sono viste come due facce della stessa medaglia. Per raggiungere tale obiettivo potremo contare sul fatto che nel consorzio ci sono competenze e capacità sperimentali in entrambi i tipi di ambienti. Queste saranno ulteriormente sviluppate, mirando a qualche forma di integrazione sia sperimentale che concettuale. Inoltre ci si propone di arricchire gli esperimenti con misure che siano in grado di evidenziare un certo numero di correlati neurali del processo di apprendimento sensorimotorio, a livello centrale e periferico. Uno dei principali risultati conseguiti recentemente è la dimostrazione che il fenomeno di adattamento è spiegabile in termini di rappresentazione nello spazio degli stati associata ad una funzione di generalizzazione. La teoria stabilisce un parallelo tra la variabilità di performance inter-trial e i meccanismi di identificazione in sistemi adattativi. Poiché la capacità di generalizazzione è una proprietà fondamentale di qualunque macchina intelligente, la possibilità di inferire il processo di generalizzazione dalla variabilità inter-trial è uno strumento prezioso per acquisire informazioni circa le modalità usate dal cervello per costruire modelli interni di controllo. Tuttavia, questa teoria è ancora un "work in progress" e molti aspetti devono ancora essere chiariti mediante opportuni esperimenti e sviluppi modellistici. Siamo anche convinti che migliorare le conoscenze sui meccanismi neurali di apprendimento sensorimotorio nei normali sia certamente un prerequisito necessario per progettare nuovi protocolli di neuroriabilitazione che sfruttino le nuove tecnologie di realtà virtuale in modo razionale: infatti, parallelamente ai progressi nella comprensione di come deficit neurologici si traducono in deficit computazionali, si acquisiscono informazioni preziose per ridirezionare le capacità residue di apprendimento attraverso una riabilitzaione focalizzata in modo coerente. Per questo motivo, nell'ultima parte del progetto sarà effettuato uno studio pilota mirato a gruppi ristretti di pazienti. <<<

Coordinatore Scientifico del Programma di Ricerca

Pietro Giovanni MORASSO Università degli Studi di GENOVA

Obiettivo del Programma di Ricerca

Sistemi di realtà virtuale, basati su recenti sviluppi nel campo della computer graphics e computer haptics, sono in uso da almeno un decade. Applicazioni biomediche di queste novità tecnologiche sono state varate immediatamente, considerando tali dispositivi come nuove opportunità di implementare il vecchio concetto di biofeedback. Tuttavia, riteniamo che quest'atteggiamento di versare senza molta riflessione il nuovo "vino" tecnologico nelle vecchie "botti" ideologiche sia piuttosto miope e presenti almeno due difetti: i) non sfrutta il potenziale epistemologico della nuova tecnologia e 2) rischia di essere inefficace come strumento clinico se usato in modo puramente empirico. Il nostro scopo è di indirizzare queste nuove tecnologie verso lo studio multi-disciplinare e multi-tecnologico dei meccanismi fondamentali di apprendimento e controllo sensorimotorio. Il termine "sensorimotorio" è usato di proposito perché riteniamo che si debba sottolineare il fatto che i due aspetti di plasticità del comportamento umano, plasticità nelle trasformazioni visuo-motorie e plasticità nei meccanismi dinamici neuromotori, sono così intimamente fusi nel nostro cervello che non riveste un particolare significato isolarli in due capitoli diversi della nostra conoscenza neurofisiologica delle abilità motori, a meno che questo non sia soltanto un gradino intermedio nella procedura esplicativa della plasticità sensorimotoria.

Nel periodo limitato di vita del progetto proposto si cercherà di sfruttare al massimo le conoscenze e le capacità sperimentali precedentemente maturate dai partner per poter convergere rapidamente all'operatività di due piattaforme complementari, una principalmente mirata agli ambienti virtuali visivi e l'altra agli ambienti virtuali aptici. Le due piattaforme useranno tecniche aggiornate allo stato dell'arte e saranno sviluppate (nella prima fase del progetto) sottolineando il requisito di compatibilità computazionale. Questo faciliterà, nella seconda fase del progeto, almeno una parziale integrazione delle due piattaforme. Un'integrazione completa richiederebbe più tempo e più risorse.

Il valore epistemologico degli esperimenti sarà potenziato dall'introduzione, nell'archiettura computazionale, di misure neurofisiologiche atte a documentare le variazioni dovute alla plasticità neurale in soggetti normali dirante il processo di apprendimento motorio, sia in termini globali (valutando globalmente il sistema sensorimotorio) che in termini settoriali (focalizzando le misure su specifiche strutture neurali). Le misure saranno effettuate all'inizio dell'addestramento (definendo così la condizione basale) e immediatamente dopo ogni sessione di addestramento. In particolare, verranno utilizzate le seguenti tecniche: 1) riflesso tonico vibratorio (TVR), attivato a partire dal bicipite e tricipite brachiale; 2) potenziali evocati somatosensoriali (SEP), determinati dalla stimolazione elettrica di nervi muscolocutanei, 3) transcranial magnetic stimulation (TMS), per stimare le soglie motorie di attivazione corticospinale a riposo e dinamiche e le curve di reclutamento; 4) TMS ripetitiva, per discriminare diversi aspetti del potenziamento sinaptico; 5) riflessi di stiramento a breve e lunga latenza; 6) analisi non lineare di segnali EMG di superficie che tenga conto della loro non-stazionarietà durante il movimento, al fine di caratterizzare la formazione di sinergie di attivazione muscolare.

Questa analisi sarà anche supportata da un monitoraggio di eventuali effetti dovuti alla fatica muscolare durante l'addestramento (un problema che è frequentemente ignorato, quantunque possa avere un'influenza significativa sull'analisi delle curve di addestramento) e dalla verifica dell'efficacia di procedure di stimolazione elettrica dei muscoli in catena chiusa, come tecniche di facilitazione dell'apprendimento, sia con la piattaforma VHE che con VVE.

Prevediamo che con questo approccio a largo raggio sarà possibile avanzare in modo significativo l'attuale livello conoscitivo della dinamica della plasticità sensorimotoria, comprendendo una formalizzazione in termini modellistici. Ma questo non si ritiene debba essere soltanto un obiettivo di ricerca pura. E' infatti plausibile che tale ricerca sia la base necessaria per formulare approcci razionali alla progettazione si sistemi biomedicali avanzati per la riabilitazione di pazienti neurologici. Infatti, nella parte conclusiva del progetto si intende effettuare un piccolo numero di studi clinici pilota in tale direzione.

I cinque partner del consorzio hanno la gamma di capacità e conoscenze metodologiche, tecnologiche e professionali che sono necessarie per questo progetto multi-disciplinare e multi-settoriale. Questo implica, in particolare, conoscenze in 1) robotica, 2) computer graphics, 3) computer haptics, 4) strumentazione biomedica, 5) analisi di segnali biomedici, 6) controllo real-time, 7) modellistica biomeccanica e connessionistica, 8) modellistica stocastica ed ottimizzazione, 9) misure neurofisiologiche, 10) esperienza clinica con pazienti affetti da diversi tipi di deficit motorio, per nominarne solo alcune. Nonostante ciascun partner eccella e sia specializzato soltanto in un sottinsieme degli aspetti sopra elencati, tutti condividono un interesse e un'attività scientifica di lunga durata nello studio dei sistemi sensorimotori. Questo è importante perché una ricerca genuinamente multidisciplinare non è meramente un assemblaggio di diversi esperti, sia pure eccellenti, ma richiede una comprensione comune dell'oggetto di studio nei suoi molteplici aspetti, ossia un linguaggio comune. <<<

Durata

24 mesi

Base di partenza scientifica nazionale o internazionale

APPRENDIMENTO e CONTROLLO MOTORIO
La crescente conoscenza delle strutture e dell'organizazione del sistema nervoso ha ispirato nel corso degli anni sempre nuove teorie, intese come strumenti concettuali per costruire un coerente schema di riferimento per l'analisi delle osservazioni empiriche. Consideriamo, come esempio, la lista seguente:

Teorie riflessologiche, basate sulla nozione di arco riflesso, nome tradizionalmente attribuito a Descartes (1662): sono legate all'ipotesi di Sherrington (1906) che gli archi riflessi svolgano una funzione integrativa.

Teorie gerarchiche, connesse a concetti evoluzionistici e basate sull'osservazione di Jackson (1873) che il sistema nervoso sia organizzato in modo gerarchico. Si ipotizzava che nel corso dell'evoluzione il sistema nervoso fosse passato da uno stato iniziale "semplice", in cui prevalevano i centri nervosi di basso livello, ad uno stato più complesso, in cui centri di più alto livello divennero predominanti, in modo tale da determinare movimenti volontari invece che azioni automatiche.

Teorie basate sul concetto di programma motorio, ispirate dalla scoperta (Wilson 1961, Grillner 1981) che movimenti ciclici sono controllati da central pattern generators (CPG). Successivamente, la nozione di CPG è evoluta nel concetto più generale di programma motorio (Keele 1968).

Teorie cibernetiche (Bernstein 1967), ispirate dall'avvento della teoria dei controlli automatici: mettono al centro dell'attenzione il problema della ridondanza motoria e definiscono la nozione di sinergia funzionale.

Teorie dinamiche, derivate dai concetti e dalla terminologia dei sistemi dinamici non lineari. In questo contesto assume particolare importanza il tema dell'auto-organizzazione e la presenza di molteplici attrattori dinamici.

Teorie ecologiche, ispirate al lavoro di Gibson (1966) sulle "affordances", che semplificano grandemente il processo computazionale sensorimotorio.

Un modo per integrare gli elementi di verità/palusibilità di ciascuno di questi approcci teorici è di caratterizzare in termini computazionali la complessità dei processi che sottostanno all'apparente semplicità degli atti motori. Prima di tutto occorre rendersi conto che il braccio umano ha una dinamica intrinseca che detta un legame complesso tra movimento e coppie articolari. Questo ha permesso di capire che, al contrario di quanto ipotizzato precedentemente (Flash 1987), le proprietà passive dei muscoli non sono sufficienti a compensare le forze di interazione. Piuttosto, il cervello deve prevedere il corso temporale di tali forze nel momento in cui attiva i muscoli richiesti nell'esecuzione di un task. Per studiare come il cervello impara a predire tali forze, una decina di anni fa è stato definito un paradigma sperimentale (Shadmher & Mussa Ivaldi 1994) in cui la dinamica della mano è modulata sistematicamente da pattern di forza tramessi dall'impugnatura di un manipolando (campo di forza). Al soggetto viene fornito un target visivo e gli viene chiesto di raggiungerlo mentre impugna un manipolando. Quando i motori del robot sono spenti (condizione basale) i movimenti della mano sono tipicamente rettilinei (Morasso 1981). Appena vengono accesi, i movimenti vengono perturbati ma con sufficiente esercizio tornano alle caratteristiche precedenti. Questa capacità del cervello di modificare i comandi sulla base delle forze previste è resa evidente se il campo viene inaspettatamente rimosso (catch trials) generando così degli after-effect.

Una possibile spiegazione dei miglioramenti di performance è che si verifichi un aumento del livello di co-contrazione di gruppi muscolari antagonisti. Tuttavia, in un catch trial, questa strategia non dovrebbe produrre alcun after-effects, al contrario di quanto accade. Un'ipotesi alternativa è che nella composizione dei comandi il cervello si basi su un sistema neurale che per ogni istante temporale memorizzi le forze necessarie. Per falsificare quest'idea, Conditt et al (1997) addestrarono dei soggetti con un task di reaching ed improvvisamente richiesero loro di passare a movimenti circolari nello stesso campo di forze. La congettura era che se le informazioni apprese avessero riguardato esplicitamente i profili temporali delle forze, allora il controllo neurale avrebbe fallito con i movimenti circolari. Tuttavia non si trovò alcun deterioramento di performance e, soprattuto, i soggetti mostrarono chiari after-effect quando il campo era spento. Questo suggerisce che il sistema neurale fosse riuscito ad associare lo stato sensoriale del braccio alle forze richieste. Questo è un modello interno del campo di forze.

TRASFORMAZIONI VISUOMOTORIE
Un'altra sorgente di complessità, a cui corrisponde un processo di apprendimento ugualmente imporante, è legata alle trasformazioni visuomotorie che sono una parte essenziale della pianificazione ed esecuzione dei task. Con trasformazione sensorimotoria si intende il processo con cui stimoli sensoriali sono convertiti in comandi motori: tipicamente viene formalizzata come una trasformazione di coordinate, che combina informazioni visive con segnali propriocettivi (Laquaniti 1997, Laquaniti & Caminiti 1998). Tra le diverse informazioni che contribuiscono alla localizzazione 3D sia del target che del braccio, la disparità binoculare è particolarmente importante per ottenere indizi sulla profondità assoluta o relativa nello spazio di lavoro. Precedenti lavori che hanno messo in relazione la performance con visione mono o binoculare hanno dimostrato che il cervello si affida principalmente a cue binolculari nel controllo volontario dei movimenti in profondità (Marotta et al 1997, Servos et al 1992). Studi più recenti, al contrario, hanno mostrato la capacità di un accurato controllo della mano anche in pure condizioni monoculari. In generale, il controllo visuo-motorio nel piazzamento di oggetti dipende da cue binoculari maggiormente che nei task percettivi riguardanti le proprietà superficiali delgi stessi oggetti (Knill 2005). Questo fornisce una diretta evidenza sul ruolo delle informazioni binoculari nel controllo motorio. La plasticità delle strutture cerebrali che implementano le trasformazioni visuomotorie è resa evidente dalla capacità dei soggetti di adattarsi a distorsioni radicali dell'ingresso visivo. In uno studio a tale riguardo, ad una scimmia si erano adattati dei prismi che invertono le mmagini (destra con sinistra: Sugita 1996). Nelle prime settimane di sperimentazione le scimmie si muovevano molto goffamente ma successivamente la performace migliorò radicalmente, permettendo per esempio di raggiungere ed afferrare oggetti con grande precisione. Risultati simili sono stati ottenuti anche da Sekiyama et al (2000) in umani. Rimuovendo i prismi dopo un paio di mesi, si verificarono molti errori secondo un pattern duale (un tipico after effect) ma solo per un paio di giorni, documentando quindi l'asimmetria tra adattamento e wash-out.

REALTA' VIRTUALE: COMPUTER GRAPHICS & COMPUTER HAPTICS
La realtà virtuale visiva (VVR) è uno strumento potente nell'analisi dell'apprendimento sensorimotorio perché permette allo sperimentatore di avere un controllo completo dei parametri spazio-temporali della trasformazione sensorimotoria. Simulatori basati su VVR sono stati usati come sistemi di addestramento in molti contesti, quantunque pochi studi abbiano esaminato il trasferimento delle capacità apprese dal mondo virtuale a quello reale. In un task di tipo pick-and-place (Tracey e Lathan 2001) si è studiato il legame tra il task motorio e le abilità spaziali dei soggetti, caratterizzate mediante una batteria di testi cognitivi. I soggetti con inferiori abilità spaziali risultarono migliori per quanto riguarda il trasferimento dall'addestramento in ambiente virtuale ad un simile task operativo nel mondo reale. Al contrario, i soggetti con migliori abilità spaziali ebbero peggiori risultati nel trasferimento. Classificazioni di tale tipo sono chiaramente rilevanti per il progetto di sistemi di addestramento basati su tecniche di VVR. Un'altra possibilità nell'uso di VVR è di simulare dei prismi o altri tipi più complessi di distorsione delle trasformazini visuomotorie. E' stato proposto di usare il principio "divide et impera", cioé la decomposizione di un task complesso in subtask più semplici, da apprendere separatamente, come strategia computazionale nell'apprendimento di mappe visuomotorie (Ghahramani & Wolpert 1997). Essi usarono un sistema di VVR in cui i soggetti furono sottoposti a trasformazioni visuomotorie prism-like di tipo opposto a seconda del punto di inizio dei movimenti, creando quindi un conflitto tra spazio motorio e spazio visivo. Nonostante il conflitto i soggetti furono in grado di apprendere tali trasformazioni dipendenti dalla posizione e dimostrarono una capacità di generalizazione a posizioni iniziali intermedie rispetto a quelle usate nel training. Questo dimostra l'esistenza di qualche tipo di interpolazione tra le due rappresentazioni e quindi rafforza l'ipotesi della strategia di decomposizione modulare durante l'addestramento.
Le interfacce aptiche sono dispositivi che permettono interazioni uomo-macchina attraverso informazioni cinestetiche e tattili (Basdogan and Srinivasan 2002). Tipicamente, un'interfaccia aptica è realizzata come manipolando, ossia un manipolatore robotico dotato di impugnatura. Il manipolando può applicare delle forze al soggetto, che sono calcolate in funzione di posizione, velocità e accelerazione dell'impugnatura. In sistemi di realtà virtuale o telepresenza, questo permette di emulare il comportamento dinamico di ambienti virtuali (Haptic Virtual Reality: HVR). Interfacce aptiche sono state usate con successo in diversi campi, come telechirurgia (Rosen et al 1999), chirugia virtuale (Kühnapfel et al 200), micro-manipolazione (Grange et al 2001), e riabilitazione neuromotoria. Quantunque le diverse aree applicative condividano aspetti metodologici e tecnologici, le condizioni al contorno progettuali possono essere molto diverse. In questo progetto ci si focalizza sullo studio dell'apprendimento sensorimotorio anche in vista di applicazioni neuroriabilitative e questo implica che il dispositivo sia in grado di emulare i normali movimenti in un campo piuttosto vasto e con un'ampia gamma di forze. L'esempio più noto in questa classe di dispositivi è il MIT-MANUS (Krebs et al 1998), quantunque siano stati sviluppati o siano in corso di sviluppo altri sistemi: per esempio MIME (Lum et al 1997), KINARM (Scott 1999), PFM (Gomi & Kawato 1997), MEMOS (Micera et al 2003), e Braccio di Ferro (Casadio et al 2005).

CORRELATI NEURALI DELL'APPRENDIMENTO SENSORIMOTORIO
Il cervello degli adulti mantiene una certa capacità di rirganizzarsi, modificando le sue proprietà in relazione alle afferenze sensoriali, ai pattern efferenti ed alle influenze ambientali (Traversa et 1997, Trompetto et al, 2001). Questa disponibilità alle modifiche, usualmente denotata come plasticità neurale, è presumibilmente basata su una varietà di meccanismi, in larga parte ancora ignoti (Cohen et al 1998). Tuttavia, si possono identificare delle strategie di base (Donoghue et al 1995): la modulazione funzionale di sinapsi pre-esistenti, ottenuta con modalità simili a quelle descritte per il potenziamento (Bliss & Lomo 1973) o la depressione (Marr et al 1969) a lungo termine; cambiamenti dell'eccitabilità post-sinaptica (Woody et al 1991) e dello sprouting assonale che in ultima analisi determina la creazione di nuove sinapsi (Ramirez 2001). Studi di imaging hanno dimostrato variazioni di natura plastica associate all'acquisizione di skill (Pascual-Leone et al 1995). Una massa crescente di evidenze sperimentali suggerisce che il sistema sensorimotorio nel suo complesso sia coinvolto in cambianti plastici legati agli skill (Schouenborg 2004). Diversi strumenti sono disponibili per analizare la plasticità del sistema nervoso durante l'apprendimento. Nel seguito vengono berevemente elencati quelli usati in questo progetto.
TMS
La stimolazione magnetica transcranica (TMS) è uno strumento molto utile per valutare l'eccitabiltà cortico-spinale (Abbruzzese e Trompetto 2002). Ls TMS, che si basa sul principio dell'induzione elettromagnetica, usa il campo magnetico tempo-variente generato da impulsi di corrente in una bobina, che non è attenuato dallo scalpo e dalla scatola cranica e che induce brevi transitori di corrente nella massa cerebrale. Queste correnti indotte possono produrre dei potenziali di azione in neuroni eccitabili della corteccia, con una preferenziale attivazione di neuroni orientati parallelamente rispetto alla scatola cranica. Le bobine di prima generazione non erano focalizate, mentre ora si usano bobine focalizate a forma di 8, con una risoluzione spaziale di circa 0.5 cm. La TMS è stata anche utilizzata recentemente per produrre delle lesioni virtuali e reversibili: si è potuto constatare, per esempio, che lesioni virtuali in area parietale determinano una destrutturazione dei pattern di controllo legati al grasp (Tunik et al 2005), o al reaching (Della Maggiore et al 2004). Inoltre, uno sviluppo recente della tecnica riguarda la possibilità di fornire treni di stimoli (rTMS). Questa tecnica sembra essere molto efficace per modulare l'eccitabilità corticale (Romeo et al 2000) e per studiare l'eccitabilità di interneuroni della corteccia motoria glutamato-dipendenti (Kobayashi et al 2003).
TVR
Un altro strumento per l'analisi della plasticità neurale si basa sul fatto che la vibrazioe dei muscoli scheletrici o del corrispente tendine causa una contrazione tonica del muscolo vibrato: riflesso tonico di vibrazione o TVR. Questo riflesso è dovuto all'attivazione delle cellule delle corna anteriori da parte delle afferenti scariche fusali indotte dalla vibrazione, che raggiungono i motoneuroni spinali attraverso percorsi mono o poli-sinaptici, presumibilmente attraverso il tronco cerebrale (Eklund e Hagbarth 1966, Marsden et al 1969). Pertanto la TVR è certamente uno strumento sensibile pe la valutazione dell'eccitabilità complessiva del sistema sensorimotorio.
EMG
Come "final common pathway" del processo di controllo motorio, l'attività elettrica muscolare (EMG) è un segnale che vale la pena studiare per capire meglio il processo di apprendimento sensorimotorio. L'acquisizione di skill è infatti legata alla strutturazione di sinergie muscolari, ovvero strategie adottate dal cervello per coordinare sia gruppi di unità motorie che interi complessi muscolari. La caratterizzazione di queste sinergie può quindi fornire utili indicazioni sull'organizzazione spazio-temporale dei meccanismi di apprendimento e controllo. A questo propostio la letteratura fornisce diversi algoritmi per superare il margine di arbitrarietà insito nella categorizzazione dei segnali EMG raccolti in condizione di non-stazionarietà (Kleissen 1990), al fine di estrarre parametri rilevanti di ampiezza e di temporizzazione in modo robusto, anche tenendo conto dei fenomeni di fatica muscolare (Bonato et al 1999, D'Alessio & Conforto 2001).
FET
Quantunque la stimolazione elettrica funzionale (FES) sia stata usata per più di 40 anni con risultati disomogenei, c'è stato recentemente un rinnovato interesse per una versione in anello chiuso della tecnica, denominata FET (terapia elettrica funzionale: Popovic et al 2002). Diversi studi hanno mostrato che affiancando tale tecnica ai normali protocolli riabilitativi si ottiene una notevole accelerazione del recupero funzionale in diverse classi di pazienti neurologici. Nel contesto di questo progetto non siamo specificamente interessati alla neuroriabilitazione ma riteniamo che approfondire le modalità generali con cui uno strumento come questo possa modulare il processo di apprendimento nei normali non possa non fornire utili indicazioni alla progettazione di migliori e più razionali metodiche riabilitative. <<<