MODULO PROGETTI 2017
1. Titolo del progetto
Riabilitazione comportamentale e cognitiva nell’autismo: L’ABA incontra le tecniche di brain
imaging.
2. Durata del progetto (mesi)
36
3. Parole chiave
Neuroscienze, EEG, Resting State, Autismo, Analisi Comportamentale Applicata (ABA), Verbal
Behavior (VB)
4. Coordinatore scientifico / responsabile del progetto
Astolfi Laura
Ricercatore (nata il 30/03/1976)
Università di Roma Sapienza
+39-06-0677274047
[email protected]
Pubblicazioni del Coordinatore Scientifico/responsabile del progetto rilevanti ed
inerenti al Progetto
Selezione delle pubblicazioni del Coordinatore Scientifico su riviste scientifiche peer review
indicizzate su Scopus, inerenti al progetto (produzione scientifica complessiva: 104 Journal
papers indicizzati su Scopus, citazioni totali: 3148, IF totale: 170.209, h-index: 31):
1. Toppi J, Borghini G, Petti M, He EJ, De Giusti V, He B, Astolfi L, Babiloni F. Investigating
Cooperative Behavior in Ecological Settings: An EEG Hyperscanning Study. (2016) PLoS
One. Apr 28;11(4):e0154236.
2. Leistritz, L., Schiecke, K., Astolfi, L., Witte, H. Time-variant Modeling of Brain Processes
(2016), Proceedings of the IEEE, 104 (2), art. no. 7352314, pp. 262-281.
3. Petti, M., Toppi, J., Babiloni, F., Cincotti, F., Mattia, D., Astolfi, L., EEG Resting-State
Brain Topological Reorganization as a Function of Age (2016) Computational Intelligence
and Neuroscience, 2016, art. no. 6243694 .
4. Toppi, J., Astolfi, L., Poudel, G.R., Innes, C.R.H., Babiloni, F., Jones, R.D. Time-varying
effective connectivity of the cortical neuroelectric activity associated with behavioural
microsleeps (2016) NeuroImage, 124, pp. 421-432.
5. Plomp, G., Hervais-Adelman, A., Astolfi, L., Michel, C.M. Early recurrence and ongoing
parietal driving during elementary visual processing (2015) Scientific Reports, 5, art. no.
18733.
6. Toppi, J., Petti, M., Mattia, D., Babiloni, F., Astolfi, L. Time-varying effective connectivity
for investigating the neurophysiological basis of cognitive processes (2015) Neuromethods,
91, pp. 171-204.
7. Pichiorri, F., Morone, G., Petti, M., Toppi, J., Pisotta, I., Molinari, M., Paolucci, S.,
Inghilleri, M., Astolfi, L., Cincotti, F., Mattia, D. Brain-computer interface boosts motor
imagery practice during stroke recovery (2015) Annals of Neurology, 77 (5), pp. 851-865.
8. Plomp, G., Quairiaux, C., Michel, C.M., Astolfi, L.The physiological plausibility of timevarying Granger-causal modeling: Normalization and weighting by spectral power (2014)
NeuroImage, 97, pp. 206-216.
9. Babiloni, F., Astolfi, L. Social neuroscience and hyperscanning techniques: Past, present
and future (2014) Neuroscience and Biobehavioral Reviews, 44, pp. 76-93.
10. Plomp, G., Quairiaux, C., Kiss, J.Z., Astolfi, L., Michel, C.M. Dynamic connectivity among
cortical layers in local and large-scale sensory processing (2014) European Journal of
Neuroscience, 40 (8), pp. 3215-3223.
11. Toppi, J., Risetti, M., Quitadamo, L.R., Petti, M., Bianchi, L., Salinari, S., Babiloni, F.,
Cincotti, F., Mattia, D., Astolfi, L. Investigating the effects of a sensorimotor rhythm-based
BCI training on the cortical activity elicited by mental imagery (2014) Journal of Neural
Engineering, 11 (3), art. no. 035010, ..
12. Risetti, M., Formisano, R., Toppi, J., Quitadamo, L.R., Bianchi, L., Astolfi, L., Cincotti, F.,
Mattia, D. On ERPs detection in disorders of consciousness rehabilitation (2013) Frontiers
in Human Neuroscience, (NOV), art. no. 775, .
13. Leistritz, L., Pester, B., Doering, A., Schiecke, K., Babiloni, F., Astolfi, L., Witte, H. Timevariant partial directed coherence for analysing connectivity: A methodological study
(2013) Philosophical Transactions of the Royal Society A: Mathematical, Physical and
Engineering Sciences, 371 (1997), art. no. 20110616.
14. Toppi, J., De Vico Fallani, F., Vecchiato, G., Maglione, A.G., Cincotti, F., Mattia, D.,
Salinari, S., Babiloni, F., Astolfi, L. How the statistical validation of functional connectivity
patterns can prevent erroneous definition of small-world properties of a brain connectivity
network (2012) Computational and Mathematical Methods in Medicine, 2012, art. no.
130985.
15. De Vico Fallani, F., Chessa, A., Valencia, M., Chavez, M., Astolfi, L., Cincotti, F., Mattia,
D., Babiloni, F. Community structure in large-scale cortical networks during motor acts
(2012) Chaos, Solitons and Fractals, 45 (5), pp. 603-610.
16. Astolfi, L., Toppi, J., De Vico Fallani, F., Vecchiato, G., Cincotti, F., Wilke, C.T., Yuan, H.,
Mattia, D., Salinari, S., He, B., Babiloni, F. Imaging the social brain by simultaneous
hyperscanning during subject interaction (2011) IEEE Intelligent Systems, 26 (5), art. no.
5959142, pp. 38-45.
17. He, B., Dai, Y., Astolfi, L., Babiloni, F., Yuan, H., Yang, L. EConnectome: A MATLAB
toolbox for mapping and imaging of brain functional connectivity (2011) Journal of
Neuroscience Methods, 195 (2), pp. 261-269.
18. De Vico Fallani, F., Rodrigues, F.A., Da Fontoura Costa, L., Astolfi, L., Cincotti, F., Mattia,
D., Salinari, S., Babiloni, F. Multiple pathways analysis of brain functional networks from
eeg signals: An application to real data (2011) Brain Topography, 23 (4), pp. 344-354.
19. Astolfi, L., Cincotti, F., Mattia, D., Fallani, F.V., Vecchiato, G., Salinari, S., Vecchiato, G.,
Witte, H., Babiloni, F. Time-varying cortical connectivity estimation from noninvasive,
high-resolution EEG recordings (2010) Journal of Psychophysiology, 24 (2), pp. 83-90.
20. De Vico Fallani, F., Nicosia, V., Sinatra, R., Astolfi, L., Cincotti, F., Mattia, D., Wilke, C.,
Doud, A., Latora, V., He, B., Babiloni, F. Defecting or not defecting: How to "read" human
behavior during cooperative games by EEG measurements (2010) PLoS ONE, 5 (12), art.
no. e14187, . Cited 46 times.
21. Astolfi, L., Toppi, J., De Vico Fallani, F., Vecchiato, G., Salinari, S., Mattia, D., Cincotti,
F., Babiloni, F. Neuroelectrical hyperscanning measures simultaneous brain activity in
humans (2010) Brain Topography, 23 (3), pp. 243-256.
22. Fallani, F.D.V., Costa, L.D.F., Rodriguez, F.A., Astolfi, L., Vecchiato, G., Toppi, J.,
Borghini, G., Cincotti, F., Mattia, D., Salinari, S., Isabella, R., Babiloni, F. A graphtheoretical approach in brain functional networks. Possible implications in EEG studies
(2010) Nonlinear Biomedical Physics, 4 .
23. Fallani, F.D.V., Maglione, A., Babiloni, F., Mattia, D., Astolfi, L., Vecchiato, G., De
Rinaldis, A., Salinari, S., Pachou, E., Micheloyannis, S. Cortical network analysis in patients
affected by schizophrenia (2010) Brain Topography, 23 (2), pp. 214-220.
24. Milde, T., Leistritz, L., Astolfi, L., Miltner, W.H.R., Weiss, T., Babiloni, F., Witte, H. A
new Kalman filter approach for the estimation of high-dimensional time-variant multivariate
AR models and its application in analysis of laser-evoked brain potentials (2010)
NeuroImage, 50 (3), pp. 960-969.
25. Blinowska, K., Müller-Putz, G., Kaiser, V., Astolfi, L., Vanderperren, K., Van Huffel, S.,
Lemieux, L. Multimodal imaging of human brain activity: Rational, biophysical aspects and
modes of integration (2009) Computational Intelligence and Neuroscience, 2009, art. no.
813607.
26. Astolfi, L., De Vico Fallani, F., Cincotti, F., Mattia, D., Marciani, M.G., Salinari, S.,
Sweeney, J., Miller, G.A., He, B., Babiloni, F. Estimation of effective and functional
cortical connectivity from neuroelectric and hemodynamic recordings (2009) IEEE
Transactions on Neural Systems and Rehabilitation Engineering, 17 (3), pp. 224-233.
27. Witte, H., Ungureanu, M., Ligges, C., Hemmelmann, D., Wüstenberg, T., Reichenbach, J.,
Astolfi, L., Babiloni, F., Leistritz, L. Signal informatics as an advanced integrative concept
in the framework of medical informatics - New trends demonstrated by examples derived
from neuroscience (2009) Methods of Information in Medicine, 48 (1), pp. 18-28.
28. Sinatra, R., De Vico Fallani, F., Astolfi, L., Babiloni, F., Cincotti, F., Mattia, D., Latora, V.
Cluster structure of functional networks estimated from high-resolution EGG data (2009)
International Journal of Bifurcation and Chaos, 19 (2), pp. 665-676.
29. Mattia, D., Cincotti, F., Astolfi, L., de Vico Fallani, F., Scivoletto, G., Marciani, M.G.,
Babiloni, F. Motor cortical responsiveness to attempted movements in tetraplegia: Evidence
from neuroelectrical imaging (2009) Clinical Neurophysiology, 120 (1), pp. 181-189.
30. De Vico Fallani, F., Astolfi, L., Cincotti, F., Mattia, D., Tocci, A., Salinari, S., Marciani,
M.G., Witte, H., Colosimo, A., Babiloni, F. Brain network analysis from high-resolution
EEG recordings by the application of theoretical graph indexes (2008) IEEE Transactions on
Neural Systems and Rehabilitation Engineering, 16 (5), pp. 442-452.
31. De Vico Fallani, F., Latora, V., Astolfi, L., Cincotti, F., Mattia, D., Marciani, M.G., Salinari,
S., Colosimo, A., Babiloni, F. Persistent patterns of interconnection in time-varying cortical
networks estimated from high-resolution EEG recordings in humans during a simple motor
act (2008) Journal of Physics A: Mathematical and Theoretical, 41 (22), art. no. 224014.
32. Astolfi, L., Cincotti, F., Mattia, D., De Vico Fallani, F., Tocci, A., Colosimo, A., Salinari,
S., Marciani, M.G., Hesse, W., Witte, H., Ursino, M., Zavaglia, M., Babiloni, F. Tracking
the time-varying cortical connectivity patterns by adaptive multivariate estimators (2008)
IEEE Transactions on Biomedical Engineering, 55 (3), pp. 902-913.
33. Zavaglia, M., Astolfi, L., Babiloni, F., Ursino, M. The effect of connectivity on EEG
rhythms, power spectral density and coherence among coupled neural populations: Analysis
with a neural mass model (2008) IEEE Transactions on Biomedical Engineering, 55 (1), pp.
69-77.
34. De Vico Fallani, F., Astolfi, L., Cincotti, F., Mattia, D., Marciani, M.G., Salinari, S., Kurths,
J., Gao, S., Cichocki, A., Colosimo, A., Babiloni, F. Cortical functional connectivity
networks in normal and spinal cord injured patients: Evaluation by graph analysis (2007)
Human Brain Mapping, 28 (12), pp. 1334-1346.
35. Astolfi, L., De Vico Fallani, F., Cincotti, F., Mattia, D., Marciani, M.G., Bufalari, S.,
Salinari, S., Colosimo, A., Ding, L., Edgar, J.C., Heller, W., Miller, G.A., He, B., Babiloni,
F. Imaging functional brain connectivity patterns from high-resolution EEG and fMRI via
graph theory (2007) Psychophysiology, 44 (6), pp. 880-893.
36. Ursino, M., Zavaglia, M., Astolfi, L., Babiloni, F. Use of a neural mass model for the
analysis of effective connectivity among cortical regions based on high resolution EEG
recordings (2007) Biological Cybernetics, 96 (3), pp. 351-365.
37. Astolfi, L., Bakardjian, H., Cincotti, F., Mattia, D., Marciani, M.G., De Vico Fallani, F.,
Colosimo, A., Salinari, S., Miwakeichi, F., Yamaguchi, Y., Martinez, P., Cichocki, A.,
Tocci, A., Babiloni, F. Estimate of causality between independent cortical spatial patterns
during movement volition in spinal cord injured patients (2007) Brain Topography, 19 (3),
pp. 107-123.
38. De Vico Fallani, F., Astolfi, L., Cincotti, F., Mattia, D., Tocci, A., Marciani, M.G.,
Colosimo, A., Salinari, S., Gao, S., Cichocki, A., Babiloni, F. Extracting information from
cortical connectivity patterns estimated from high resolution EEG recordings: A theoretical
graph approach (2007) Brain Topography, 19 (3), pp. 125-136.
39. Astolfi, L., Cincotti, F., Mattia, D., Marciani, M.G., Baccala, L.A., Fallani, F.D.V., Salinari,
S., Ursino, M., Zavaglia, M., Ding, L., Edgar, J.C., Miller, G.A., He, B., Babiloni, F.
Comparison of different cortical connectivity estimators for high-resolution EEG recordings
(2007) Human Brain Mapping, 28 (2), pp. 143-157.
40. Astolfi, L., Cincotti, F., Mattia, D., Marciani, M.G., Baccalà, L.A., De Vico Fallani, F.,
Salinari, S., Ursino, M., Zavaglia, M., Babiloni, F. Assessing cortical functional
connectivity by partial directed coherence: Simulations and application to real data
(2006) IEEE Transactions on Biomedical Engineering, 53 (9), art. no. 1673622, pp. 18021812.
41. Astolfi, L., Cincotti, F., Mattia, D., Fallani, F.D.V., Salinari, S., Ursino, M., Zavaglia, M.,
Marciani, M.G., Babiloni, F. Estimation of the cortical connectivity patterns during the
intention of limb movements (2006) IEEE Engineering in Medicine and Biology Magazine,
25 (4), art. no. 1657785, pp. 32-38.
42. Astolfi, L., Cincotti, F., Babiloni, C., Carducci, F., Basilisco, A., Rossini, P.M., Salinari, S.,
Mattia, D., Cerutti, S., Dayan, D.B., Ding, L., Ni, Y., He, B., Babiloni, F. Estimation of the
cortical connectivity by high-resolution EEG and structural equation modeling: Simulations
and application to finger tapping data (2005) IEEE Transactions on Biomedical Engineering,
52 (5), pp. 757-768.
43. Astolfi, L., Cincotti, F., Mattia, D., Babiloni, C., Carducci, F., Basilisco, A., Rossini, P.M.,
Salinari, S., Ding, L., Ni, Y., He, B., Babiloni, F. Assessing cortical functional connectivity
by linear inverse estimation and directed transfer function: Simulations and application to
real data (2005) Clinical Neurophysiology, 116 (4), pp. 920-932.
44. Babiloni, F., Cincotti, F., Babiloni, C., Carducci, F., Mattia, D., Astolfi, L., Basilisco, A.,
Rossini, P.M., Ding, L., Ni, Y., Cheng, J., Christine, K., Sweeney, J., He, B. Estimation of
the cortical functional connectivity with the multimodal integration of high-resolution EEG
and fMRI data by directed transfer function (2005) NeuroImage, 24 (1), pp. 118-131.
5. Individuazione dell'ambito di ricerca:
□
Inclusione scolastica e metodologie didattiche per persone con disabilità ed autismo;
x
Ricerca di base e applicata per diagnosi, trattamento e sostegno della
popolazione con autismo in età evolutiva ed adulta;
□
Sostegno alle famiglie di persone con autismo per la promozione della qualità di vita loro e
dei loro cari.
6. Individuazione dello specifico tema di ricerca:
Implementare un protocollo di intervento ABA-VB per il miglioramento delle abilità sociali in
giovani adulti con ASD e valutarne l’efficacia mediante indici psicologici e neuroelettrici.
7. Abstract del progetto
Questo progetto altamente multidisciplinare, che coinvolge l’ingegneria biomedica, le neuroscienze
sociali, la scienza dell’educazione e la psicologia clinica, si prefigge di indagare per la prima volta
gli effetti di interventi ABA anche su adulti con ASD. In particolare, si propone di coniugare
l’analisi criteriale, che è stata finora impiegata per valutare gli effetti dell’intervento, con un
approccio multidimensionale che include variabili contestuali (le percezioni di familiari e
caregiver), differenze psicologiche individuali e indici neurofisiologici. Lo studio è altresì
scientificamente valido per la presenza di due gruppi di controllo, un gruppo di giovani adulti con
autismo che frequentano centri residenziali o diurni (con trattamento standard) e un gruppo di
soggetti sani.
Tale ricerca è articolata in diverse fasi, che prevedono la raccolta di dati di diversa natura, prima e
dopo un trattamento specifico e in una fase di follow-up, allo scopo di:
1. Proporre un protocollo d’intervento ABA replicabile, specifico per il miglioramento delle
abilità verbali e sociali e la diminuzione delle stereotipie, in giovani adulti con ASD.
2. Evidenziare le anomalie nei meccanismi cerebrali a riposo dei pazienti autistici adulti
rispetto a una popolazione sana.
3. Implementare uno strumento di valutazione neurofisiologica dei trattamenti volto a
riabilitare le abilità sociali complesse, basato su misure non invasive dell’attività
neuroelettrica a riposo.
4. Misurare i cambiamenti rilevati dopo il trattamento ABA nel gruppo sperimentale
confrontandoli con quelli del gruppo di controllo con autismo, sia dal punto di vista
criteriale (misurazione dei comportamenti), contestuale (questionari somministrati a
familiari e caregiver) che neurofisiologico (EEG a riposo).
5. Valutare il mantenimento nel tempo dei progressi (con la fase di follow-up).
Il successo del progetto proposto aprirà nuove strade per la comprensione e il trattamento dei
disturbi dello spettro autistico, con ricadute di tipo applicativo, scientifico, sociale ed economico.
8. Stato dell’arte e/o motivi a fondamento del progetto.
(Ricerca originale, mai finanziata prima)
I pazienti con disturbo autistico (ASD) presentano un insieme eterogeneo di anomalie del
neurosviluppo che comporta deficit nelle interazioni sociali, delle difficoltà comunicative e la
presenza di stereotipie [1], [2]. Questi sintomi sono invalidanti nella vita quotidiana di questi
pazienti (e delle loro famiglie) a tutte le età e a prescindere dal livello di funzionamento cognitivo.
Merita particolare attenzione la situazione dei ragazzi/e adulti con autismo che, terminato il
percorso scolastico, devono affrontare due cambiamenti: il passaggio dalla presa in carico della
neuropsichiatria infantile alla psichiatria e la fine dell’inclusione scolastica. L’approccio
psichiatrico comporta l’assenza d’investimenti sull’educazione continua e offre come sola
prospettiva l’inserimento in centri residenziali o diurni.
La Linea Guida 21 dell’ISS e le successive Linee d’Indirizzo, identificano l’Applied Behavior
Analysis (ABA) come trattamento predittivo di efficacia per l’ASD [3]. Tuttavia, per quanto
riguarda le problematiche tipiche dell’adolescenza e dell’età adulta, quali l’inadeguatezza sociale e
la stereotipia vocale (ecolalia e palilalia) non esiste, attualmente, una strategia ABA condivisa,
replicata sistematicamente e con risultati sufficientemente incoraggianti. All’interno della disciplina
ABA, la scienza che si occupa dello sviluppo verbale o Verbal Behavior (VB), ha raggiunto in
tempi recenti i primi successi che hanno permesso di formulare protocolli di intervento, meritevoli
di verifica sperimentale [4]. La maggior parte dei giovani adulti con ASD, malgrado abbiano
ricevuto trattamenti per lo sviluppo della socialità e del linguaggio di diversa intensità e natura, non
acquisisce entro la fine della scuola secondaria la capacità di condividere attenzione (Joint
Attention), di rispondere vocalmente in modo appropriato né la comprensione dell’esperienza altrui,
detta Teoria della Mente. Da questi deficit deriva un’estrema difficoltà nell’apprendere dagli altri
(Observational Learning) e nell’empatizzare con loro.
La Scienza del Comportamento Verbale (ABA-VB), suggerisce che sia necessario indurre capacità
intraverbali avanzate [5] e la sua efficacia viene misurata solo attraverso strumenti osservativi.
Nessuno studio a oggi ha osservato se al cambiamento comportamentale di tipo socio-relazionale
corrispondano cambiamenti neurofisiologici e se il miglioramento possa essere mantenuto nel
tempo.
Studi recenti di neuroimmagine nell’ASD hanno evidenziato delle anomalie genetiche, delle
attivazioni disfunzionali cosi come delle anomalie volumetriche nel cervello sociale [6]–[8].
Recentemente, nelle neuroscienze cognitive sono state presentate evidenze scientifiche relative alla
possibilità di estrarre informazioni salienti sullo stato e sulle potenziali prestazioni cognitive del
cervello dalla sola analisi dell’attività registrata durante la condizione di riposo (resting state),
ovvero quando non è impegnato nello svolgimento di task motori o cognitivi [9]–[13]. L’analisi del
resting state, nata in contesti fMRI, è stata poi trasferita in ambito EEG, in quanto data la portabilità
della strumentazione e il ridotto costo macchina si ottenevano i seguenti vantaggi in ambito
sperimentale: i) bassa collaborazione da parte del paziente in un setting non invasivo; ii)
acquisizione di durata breve (soli 120 secondi) e con ridotto impatto economico. In particolare, tale
tecnica si è rivelata promettente nello studio degli ASD [14], [15] in quanto non richiede abilità
cognitive particolari al soggetto (applicabile cosi a qualsiasi range di età e QI). Le analisi di dati
EEG a riposo più utilizzate sono:
i) analisi spettrale per indagare differenze in alcuni ritmi cerebrali (delta, theta, alfa, beta e gamma).
Si è evidenziato come a riposo i controlli mostrano un elevato contenuto spettrale in alpha e basso
in delta/theta e gamma (andamento a campana), mentre pazienti con ASD mostrano andamento
contrario (tracciato a U) [16]–[20].
ii) analisi di connettività (stima delle interazioni tra le varie aree cerebrali) hanno evidenziato in
varie bande di frequenza, nei pazienti ASD, un ridotto numero di connessioni a lungo raggio (tra
aree cerebrali lontane) e una asimmetria tra i due
emisferi a favore del lato sinistro (emisfero del
linguaggio) dove si trovano le aree del linguaggio,
abilità in cui questi pazienti sono deficitari [21]–[23].
Studi volti a misurare fenomeni di plasticità neuronale
a seguito di trattamenti clinici sono stati effettuati in
diverse psicopatologie ma non su pazienti ASD.
Soltanto sei studi effettuati da tre gruppi di ricercatori
diversi hanno tentato di indagare in pazienti con
autismo cambiamenti di plasticità neuronali
conseguenti a dei training molto specifici [24], ma
questi dati non possono essere generalizzati ai vari deficit socio-comunicativi presenti in questi
pazienti e non sono mai stati analizzati esiti dei trattamenti riabilitativi basati sulla scienza ABAVB.
9. Costo complessivo del progetto articolato per voci
1
2
3
4
5
6
TOTALE
VOCE
Personale
Viaggi e missioni
Spese di pubblicazione/sito
Rimborso spese pazienti
Materiale di consumo
Overhead 10% (previsto dall’Istituzione)
IMPORTO
96100
3000
4000
2000
2000
11900
119000
10. Descrizione dettagliata del progetto: metodologie, obiettivi e
risultati che il progetto si propone di raggiungere.
METODOLOGIE
Partecipanti
Il progetto intende indagare un totale di 30 partecipanti (omogenei per genere, età e QI) divisi in tre
gruppi, ovvero:
1) Gruppo sperimentale composto da pazienti con diagnosi di ASD che riceverà il trattamento
ABA-VB (Gruppo A1).
2) Gruppo di controllo-autismo composto da pazienti con diagnosi di ASD che riceverà
soltanto un trattamento standard e non il trattamento ABA-VB (Gruppo A2).
3) Gruppo di controllo composto da soggetti neurologicamente sani (Gruppo B).
L’età sarà compresa tra i 18 e 30 anni, con un QI > 50 e di entrambi i sessi. Verranno escluse
patologie psichiatriche e/o neurologiche che potrebbero influenzare il tracciato di EEG (epilessia,
disturbo di iperattività grave).
Design Sperimentale
In una prima fase (Tpre) precedente al trattamento, tutti e tre i gruppi saranno sottoposti a una fase
di assessment individuale e a un’indagine EEG a riposo. Inoltre, il gruppo A1 riceverà una
valutazione criteriale delle abilità verbali e sociali per identificarne il livello di sviluppo e di
conseguenza, la fase corrispondente del trattamento ABA-VB, secondo il modello di Greer & Ross
[5]. Il gruppo A1 riceverà il trattamento ABA-VB della durata di circa 9 mesi, mentre il gruppo A2
riceverà il trattamento standard della medesima durata. I due gruppi A1 e A2 al termine dei
rispettivi trattamenti (Tpost) e a 6 mesi da tale termine (Tfollow-up) verranno sottoposti a una
sessione EEG a riposo e all’assessment individuale, come nella fase Tpre. Il gruppo A1 riceverà
anche la valutazione criteriale in queste due fasi. Il gruppo A2 verrà incluso per poter verificare la
specificità del trattamento ABA-VB a cui è verrà sottoposto soltanto il gruppo A1.
Assessment normativo individuale (tutti i gruppi)
In Tpre a tutti i partecipanti verrà misurato il QI (matrici di Raven) e verranno valutate alcune
abilità sociali:
- “social attribution task”, test per misurare la “teoria della mente”, ovvero la capacità di
attribuire stati mentali proprie e altrui
- “quoziente di spettro autistico”, test per misurare i tratti autistici [25]
- “quoziente di empatia”, test per valutare la capacità di empatizzare [26]
Tutti i pazienti (gruppo A1 e gruppo A2) verranno inoltre diagnosticati con lo strumento di diagnosi
ADOS [1].
Assessment criteriale individuale (gruppo A1 e gruppo A2)
Durante l’assessment criteriale, verrà identificata la presenza o l’assenza delle 7 capacità, che
compongono l’abilità socio-relazionale [5], così come la frequenza di emissione di stereotipie
vocali e di interazioni verbali appropriate in contesti di vita naturali. La misurazione criteriale di
variabili verbali specifiche (numero di tact, mand, intraverbale, conversational units e stereotipie
vocali nell’unità di tempo) avverrà attraverso osservazione diretta o indiretta da parte di 2 o più
ricercatori, in 2 setting di vita quotidiana (in Tpre, Tpost e Tfollow-up) per 30 minuti. Nello
specifico verrà registrata la presenza di:
- tact è la risposta del tipo vedo-dico, seguita da rinforzo generalizzato o sociale (es. “guarda ,
un aereo!”)
- mand è il comportamento verbale che specifica il suo rinforzatore (es. “Dammi l’IPad”).
- intraverbale quello che segue la richiesta vocale di un altro individuo (es. “Cosa vuoi?
Voglio l’IPad”)
- conversational units sono le istanze verbale composte da uno scambio di almeno due
risposte reciproche tra chi parla e chi ascolta (“Posso prenderlo?” “No lo uso io” “Lo dico a
Luca!” “Allora tieni!”)
Verranno infine esaminate delle valutazione circa i cambiamenti sociali percepiti nei contesti di vita
dei ragazzi dai familiari e caregiver mediante questionari [27]. Tale strumento permette di
classificare le capacità verbali dei soggetti e la presenza di abilità di apprendimento osservativo
(Observational Learning di I e/o di II Livello).
1. Livello Observational Learning:
❏ Capability 1. Acquisizione di risposte tact attraverso l’istruzione diretta
❏ Capability 2. Acquisizione di nuovi tact ponendo all’interlocutore le domande chi, cosa,
dove, come, perchè.
❏ Capability 3. Acquisizione del naming. Capacità di apprendere nuovi tact osservando e
ascoltando altri che “dicono il nome”.
❏ Capability 4. Acquisizione di nuove risposte tact attraverso il contatto indiretto osservando
altri che ricevono rinforzo o correzione per l’emissione di tact.
2. Livello Observational Learning:
● Capability 5. Emissione di self-talk, una componente fondamentale della capability
“speaker-as-own-listener” e uso corretto di “autoclitics” (aggettivi e altre specificazioni nel
linguaggio). Specifici giochi ed esperienze possono essere utilizzati per creare questa abilità
in gruppo.
● Capability 6. Approccio spontaneo con gli altri tramite discorso intraverbale (fondamentale
della socializzazione), che culmina nell’emissione di unità conversazionali (scambi bottarisposta). La capacità di iniziare adeguatamente un’interazione verbale e continuarla con
tempi e toni adeguati può essere insegnata attraverso esperienze e giochi guidati.
● Capability 7. Il ragazzo apprende l’abilità di assumere la prospettiva altrui utilizzando io,
tu, mio, tuo, qui, là, poi, e ora - ovvero tipologie di coppie aggettivo-sostantivo utilizzate
quali autoclitici nelle funzioni tact e mand.
Fase di trattamento (gruppo A1)
Ogni soggetto sperimentale (gruppo A1) riceverà un trattamento basato sui principi della scienza
ABA-VB, in particolare la batteria di esercizi intensivi in piccolo gruppo [5] per acquisire tutti i
prerequisiti verbali avanzati (le 7 Capability). Il trattamento durerà 9 mesi per ogni partecipante e
consisterà nella somministrazione di un intervento educativo ABA-VB intensivo (12 ore
settimanali) per allenare l’emissione di risposte sociali spontanee e adeguate, attraverso giochi e
attività strutturate in piccolo gruppo.
I dati verranno raccolti sotto forma di learn units (Albers e Greer, 1998; Greer e McDonough, 1999;
Greer, 2002). Per learn units s’intende un’unità di misura di base dell’insegnamento che descrive
l’interazione tra paziente e trainer e si basa su tre caratteristiche skinneriane concatenate (Skinner,
1958): i) l’antecedente che evoca le risposte, ii) l’accuratezza delle risposte date e iii) le
conseguenze di chi funge da trainer e paziente. I learn units vengono rappresentati da un dato unico,
su fogli di presa dati in sessioni da 20 opportunità di risposta (Greer & McDonough, 1999). Ogni
decisione educativa sarà basata sull’analisi grafica dei dati. Le tecniche d’insegnamento utilizzate
saranno tutte positive (non si userà la punizione).
Di seguito l’elenco dei tasks specifici che verranno utilizzati durante il trattamento ABA-VBA:
- GIOCO DEI 20 TACT (induzione alla Joint Attention) [5], [28], [29].
- GAME BOARD (induzione del Naming) [5], [30]
- BINGO (induzione Observational Learning 1) [5]
- GAME BOARD CON PEER TUTORING (induzione Observational Learning 2) [5]
- CONTINGENZE DI COPPIA (induzione Observational Learning 2 Joint Attention e
Naming) [5], [31]
Resting state
Per “resting state”, o stato di riposo, s’intende
quella condizione fisiologica in cui il cervello
umano non è impegnato nell’eseguire nessun
compito. In particolare, al soggetto viene chiesto di
chiudere gli occhi e rimanere vigile ma rilassato e
di non impegnarsi in nessuna attività ritenuta
cognitivamente impegnativa. L’EEG ad altadensità (hdEEG) permette di rilevare l’attività
neuro-elettrica del cervello associata al resting
state. Tale tecnica, mediante un array di 64
elettrodi di superficie posti sullo scalpo, permette
di campionare l’attività elettrica di gruppi di neuroni con elevata risoluzione temporale. Questo
permette di trarre informazioni sull’attività cerebrale dall’analisi di pochi minuti di registrazione
EEG [32].
Analisi spettrale
L’analisi spettrale permette di determinare il contributo di ciascun ritmo cerebrale all’interno del
segnale EEG registrato. Il contenuto spettrale viene stimato in tutta la banda utile del segnale EEG
di scalpo (1-45Hz) con una risoluzione impostata dall’utente (tra 0.1 e 1Hz) e poi mediato nelle
cinque tipiche bande di interesse: delta (1-3Hz), theta (4-7Hz),
alpha (8-13), beta (14-30Hz), gamma (31-45Hz) [33].
Connettività
La stima del flusso d’informazione da un’area della corteccia
cerebrale a un’altra riveste un’importanza fondamentale sia
negli studi neurologici sia nelle applicazioni cliniche perché
fornisce informazioni riguardo la propagazione del segnale
attraverso le varie aree cerebrali durante l’esecuzione di uno
specifico compito analizzato. L’informazione biologica può
essere contenuta in un unico segnale (analisi univariata) ma
questa informazione, da sola, non è sufficiente per capire il
funzionamento dell’intero cervello. Numerosi segnali biologici
vengono, quindi, registrati simultaneamente (hdEEG) e l’analisi
dell’interdipendenza tra di essi può consentire di comprendere il
funzionamento dei sistemi biologici che li hanno prodotti (analisi multivariata). Tecniche
consolidate per la stima della connettività verranno impiegate per ricavare le reti associate alla
condizione di riposo [34]–[36].
Descrizione delle caratteristiche delle reti cerebrali
La stima della connettività
fornisce un’informazione
complessa
sul
livello
d’interazione tra le aree
cerebrali dell’individuo in
esame.
Tale
stima
costituisce il punto di
partenza fondamentale per
la definizione di indici
sintetici in grado di quantificare le principali proprietà delle reti stimate. La “teoria dei grafi” è una
disciplina in grado di quantificare una rete mediante operatori matematici applicati alla matrice che
definisce la struttura di tale rete [37]. Tale
branca della matematica fornisce una pletora di
indici, tra i quali diversi si sono dimostrati
efficaci nel contesto del resting state [32]. In
particolare tra i più usati vi sono indici classici
globali (efficienza locale, efficienza globale,
path length e clustering) che descrivono
l’efficienza di comunicazione della rete e la sua
tendenza nel formare cluster al suo interno, e
indici che quantificano la collocazione spaziale
delle connessioni stimate (coinvolgimento di
aree specifiche, asimmetria/influenza tra
emisferi o aree anteriori e posteriori) e
forniscono indicazioni sulla possibilità di
scomporre la rete in sotto-reti fondamentali.
OBIETTIVI
Questo progetto si prefigge l’obiettivo generale di definire un protocollo d’intervento ABA per
l’acquisizione di abilità sociali avanzate (intervento ABA-VB) e di testarne con metodi scientifici,
oggettivi e quantificabile l’efficacia su pazienti con ASD.
Tale scopo sarà perseguito mediante una serie di obiettivi specifici, interconnessi tra loro:
1. Proporre una batteria sequenziale di interventi educativi in piccolo gruppo, replicabile e
specifica per il miglioramento delle abilità verbali e sociali e la diminuzione delle stereotipie
in giovani adulti con ASD.
2. Caratterizzare le anomalie nei meccanismi cerebrali dei pazienti autistici adulti mediante
indici basati sulle proprietà spettrali e sulle reti cerebrali derivate dai dati EEG.
3. Definire uno strumento di valutazione neurofisiologica dei trattamenti riabilitativi per le
abilità sociali, basato su misure non invasive dell’attività neuroelettrica a riposo.
4. Valutare gli effetti del trattamento ABA-VB, rispetto al trattamento standard, mediante
misure di outcome di tipo comportamentale, psicologico e neurofisiologico.
5. Verificare se gli effetti del trattamento ABA-VB vengono mantenuti a distanza di tempo
(follow-up).
RISULTATI ATTESI
Il raggiungimento di tali obiettivi porterà ai seguenti risultati attesi:
● Descrizione delle proprietà spettrali e delle reti cerebrali da EEG a riposo nei pazienti con
ASD rispetto ai soggetti sani di pari età.
● Correlazione tra indici comportamentali, scale psicologiche e indici neurofisiologici al Tpre
(pre-trattamento).
● Misure di outcome dell’intervento nei due gruppi di pazienti (sperimentale e di controllo),
basate su:
○ Misure comportamentali (miglioramento del I e II livello di observational learning).
○ Scale psicologiche e questionari (aumento delle capacità sociali, cambiamento
percepito nei contesti di vita quotidiana dei soggetti, successo dell’intervento in
termini di significatività sociale).
○ Indici cerebrali estratti dai dati EEG a riposo (modificazioni nella potenza spettrale,
aumento delle connessioni a lungo raggio, aumento della simmetria nelle reti
cerebrali dei due emisferi).
● Correlazione positiva tra le variazioni rilevate mediante misure comportamentali, scale
psicologiche e indici neurofisiologici a seguito del trattamento.
● Dati relativi al follow-up a sei mesi dal termine del trattamento.
11. Articolazione del progetto: tempistiche per i singoli obiettivi e
specificazione dei costi elencati al punto 7.
DESCRIZIONE UNITÀ E SINERGIE
Questo progetto, fortemente multidisciplinare, verrà realizzato mediante la sinergica collaborazione
di due unità operative: il Dipartimento di Ingegneria Informatica, Automatica e Gestionale del’
Università Sapienza di Roma (Uniroma1) e il Dipartimento di Scienze di Educazione e Scienze
Umane dell’Università di Modena e Reggio Emilia (Unimore).
Uniroma1:
Il gruppo Uniroma1 ha un’esperienza pluriennale nell’ambito della bioingegneria, con particolare
attenzione all’acquisizione e all’elaborazione del segnale EEG. Il gruppo consta di due anime. La
prima, strettamente legata all’ingegneria biomedica, è rappresentata dal coordinatore del progetto, la
prof.ssa Laura Astolfi (PhD in Bioingegneria), e dalla dottoressa Jlenia Toppi (PhD in
Bioingegneria), entrambe dotate di consolidata expertise nello sviluppo e implementazione di
metodiche per la stima della connettività e nel loro impiego per lo studio dell’attività cerebrale di
riposo, dei fenomeni di plasticità neuronale indotti da trattamenti riabilitativi motori e cognitivi e
del comportamento sociale, anche nell’ambito di una collaborazione formale con il Laboratorio di
Neuroelectrical Imaging e BCI (NEILab) della Fondazione Santa Lucia IRCCS (ospedale e centro
di ricerca di alta specializzazione per la neuroriabilitazione). La seconda anima è rappresentata dalla
Dott.ssa Angela Ciaramidaro (PhD in Scienze Cognitive), la quale fornisce al progetto la sua
expertise nell’ambito delle neuroscienze sociali con particolare attenzione agli aspetti
neurocognitivi del comportamento sociale e dei suoi disturbi. La multidisciplinarietà del gruppo
garantisce solide competenze in ambito sperimentale, ingegneristico e neuroscientifico.
Unimore:
Il Dipartimento di Educazione e Scienze Umane di Unimore da anni organizza Master e Corsi di
Perfezionamento post laurea per insegnanti, educatori e tecnici della riabilitazione, al fine di portare
professionisti della Scuola e della Sanità a conoscenza delle più moderne tecnologie di
insegnamento evidence-based (ABA), identificate da SINPIA (società Italiana di Neuropsichiatria
Infantile) e ISS (Istituto Superiore della Sanità, LG21) come l’unico trattamento supportato da
evidenze di efficacia per migliorare i sintomi comportamentali delle persone con autismo. Un team
di Dottorandi e Dottori di Ricerca, guidato dalla dott.ssa Fabiola Casarini (PhD in Psicologia
dell’Educazione), assegnista di ricerca e supervisore scientifico di numerosi centri privati o
convenzionati con il Servizio Sanitario Pubblico in Italia e all’estero, porterà avanti il progetto
assieme al team di Uniroma1 a partire dalla fase di reclutamento e fino al follow-up, garantendo
l’eticità degli interventi, il coinvolgimento delle famiglie e la personalizzazione dei percorsi di
apprendimento per i soggetti del gruppo sperimentale.
Task (con tempi e responsabilità)
T1: (Uniroma1, Unimore) Reclutamento dei partecipanti (pazienti ASD e controlli) e suddivisione
randomizzata dei pazienti in due gruppi secondo approccio doppio cieco. Assessment e valutazione
criteriale dei 3 gruppi sperimentali (M1-M15).
T2: (Uniroma1, Unimore) Acquisizione dei dati di screening per i controlli (Tpre) e per i due gruppi
di pazienti (Tpre, Tpost, TFollowUp): valutazione criteriale, questionari alle famiglie, registrazioni
EEG a riposo (M3-M30).
T3: (Unimore) Esecuzione del trattamento ABA-BV (M3-M24).
T4: (Unimore, Uniroma1) Analisi dei dati provenienti dalla valutazione criteriale e dai questionari
somministrati alle famiglie (M6-M33).
T5: (Uniroma1) Analisi dei dati EEG a riposo, estrazione degli indici spettrali, dei pattern di
connettività e dei relativi indici sintetici derivati dalla teoria dei grafi (M6-M33).
T6: (Uniroma1) Analisi statistica relativa al tempo Tpre (correlazione tra indici diversi, confronto
tra i due gruppi), alle variazioni Tpost-Tpre (nei due gruppi di pazienti) e al follow-up (valutazione
a sei mesi dal termine del trattamento) (M6-M33).
T7: (Uniroma1,Unimore): Disseminazione dei risultati del progetto mediante sito web aggiornato
con i progressi del progetto, partecipazione a conferenze nazionali ed internazionali, pubblicazioni
scientifiche open access (M3-M36).
GANTT
SPECIFICAZIONE DEI COSTI
Di seguito si riporta il dettaglio delle voci di spesa nel budget presentato:
1) Personale:
a) Un assegnista di ricerca (part time) per il supporto alle registrazioni EEG, analisi dei
dati neuroelettrici e analisi statistica (comportamentale e neurofisiologica).
b) Un dottorando (a tempo pieno) in alta formazione e ricerca per l’implementazione
dell’intervento.
c) Un tutor per il reclutamento e la comunicazione con le famiglie.
2) Viaggi e missioni: spese relative alla organizzazione di incontri tra le due unità per
aggiornamenti sull’attività svolta e la pianificazione di attività future, alla divulgazione dei
risultati del progetto mediante la partecipazione a conferenze di neuroscienze, di psicologia
e pedagogia.
3) Spese di disseminazione: creazione e mantenimento di un sito web da impiegare per la
campagna di raccolta fondi e come piattaforma di comunicazione con le famiglie dei
partecipanti; pubblicazione dei risultati della ricerca su riviste ad alto fattore di impatto con
formula “open access” al fine di massimizzarne l’accessibilità e la visibilità.
4) Rimborso spese pazienti: i pazienti coinvolti riceveranno un rimborso per i costi relativi alla
loro partecipazione alla sperimentazione (spese di viaggio, pasti).
5) Materiale di consumo: Acquisto di materiale necessario durante le varie fasi del trattamento
ABA-VB; materiale consumabile per le registrazioni EEG.
6) Spese generali previste per l’Istituzione (10%)
12. Eventuali potenzialità applicative, impatto scientifico, tecnologico,
sociale e/o economico.
A nostra conoscenza, e sulla base della letteratura scientifica internazionale, questo progetto
costituisce il primo tentativo di proporre un protocollo di tipo ABA standardizzato e replicabile per
specifiche funzioni cognitive sociali, e di valutarne in modo oggettivo e quantificabile gli effetti a
più livelli (comportamentale, psicologico, neurofisiologico) su soggetti con età superiore ai 18 anni,
confrontandolo anche con il trattamento standard previsto per questa fascia di età. Nell’affrontare
questo obiettivo ambizioso, il presente progetto si prefigge di delineare uno studio iniziale che
coinvolga un campione di dimensioni contenute (20 pazienti e 10 soggetti sani), al fine di valutare
fattibilità della procedura, grado di accettazione da parte dei pazienti, specificità e selettività degli
indici scientifici proposti come misure di outcome e validità dei primi risultati ottenuti.
Se il progetto raggiungerà i risultati attesi, questi costituiranno la base per successivi studi (anche
mediante la ricerca di ulteriori fonti di finanziamento) nei quali il campione sarà incrementato, al
fine di aumentare la significatività statistica dei risultati prodotti, di generalizzare i risultati e di
estenderne l’applicazione a utenti in diverse fasce di età.
Se avrà successo, il progetto proposto aprirà nuove strade per la comprensione e il trattamento dei
disturbi dello spettro autistico, con ricadute di tipo applicativo, scientifico, sociale ed economico.
Dal punto di vista scientifico, tale progetto contribuirà a:
Migliorare la conoscenza dei trattamenti clinici di tipo ABA
Produrre un trattamento standardizzato e replicabile che includa strumenti normativi
Fornire i risultati di un’analisi multidimensionale che produca una valutazione oggettiva e
quantificabile dei cambiamenti attribuibili al trattamento ABA-VB rispetto all’accesso a
trattamenti tradizionali
Migliorare la comprensione delle caratteristiche dell’attività neuroelettrica a riposo in
giovani adulti con ASD
Contribuire alla comprensione delle modificazioni nell’attività e connettività neuroelettrica a
seguito di un trattamento clinico per le funzioni sociali complesse
Dal punto di vista applicativo, il progetto potrà, in prospettiva, porre le basi per:
Integrare gli strumenti di diagnosi dell’autismo con l’ausilio di tecnologie di brain imaging
Fornire strumenti neurofisiologici per la valutazione dell’efficacia di trial clinici
Identificare eventuali fattori (comportamentali e neurofisiologici) predittivi dell’esito della
terapia
Identificare indici basati sull’EEG a riposo in grado di rilevare precocemente segni di
sviluppo atipico nei pazienti autistici.
Il successo del progetto potrà implicare anche ricadute di tipo sociale ed economico:
La definizione di una batteria di trattamenti ABA efficace per specifiche funzioni sociali di
facile utilizzo, che impieghi strumenti standardizzati e quindi replicabile nei diversi centri
sul territorio
Un impatto positivo sulle abilità sociali dei soggetti, conseguente al trattamento, con
ricadute positive sulla vita del singolo paziente, dei suoi familiari e del contesto sociale di
riferimento
La dimostrazione della possibilità, anche per i pazienti ASD adulti, di continuare a
migliorare ed apprendere, aumentando i livelli di abilitazione, competenza e autonomia,
anche dopo il compimento dei 18 anni
La dimostrazione della possibilità di impiegare strumenti di valutazione dell’esito della
terapia basati su EEG a riposo, strumento che comporta costi moderati per il SSN e tale da
non richiedere specifiche abilità da parte dell’utente (adatto quindi anche a pazienti in età
pediatrica o con deficit cognitivi).
In sintesi, i risultati di questo progetto potrebbero porre le basi per il progresso, a lungo termine,
nell’identificazione d’interventi sempre meglio validati e funzionanti. Se questo approccio si
rivelerà efficace, costituirà una fonte di riflessione basata su evidenze scientifiche circa una
standardizzazione di trattamenti evidences-based da inserire in vari contesti clinici per la
persona adulta con autismo in Italia: una presa in carico basata sull’approccio di apprendimento
continuo, che aumenti l’autonomia e diminuisca i comportamenti problematici, potrebbe
significamente abbassare il costo sociale e psicologico che questa patologia comporta per il
paziente e i suoi familiari, rispondendo, almeno in parte anche alle problematiche del “dopo di
noi”.
13. Bibliografia di riferimento
[1] C. Lord, E. H. Cook, B. L. Leventhal, and D. G. Amaral, “Autism spectrum disorders,”
Neuron, vol. 28, no. 2, pp. 355–363, Nov. 2000.
[2] A. Bailey, W. Phillips, and M. Rutter, “Autism: Towards an Integration of Clinical, Genetic,
Neuropsychological, and Neurobiological Perspectives,” J. Child Psychol. Psychiatry, vol. 37,
no. 1, pp. 89–126, Jan. 1996.
[3] J. O. Cooper, T. E. Heron, and W. L. Heward, Applied Behavior Analysis, Second Edition.
Upper Saddle River, NJ: Prentice Hall, 1987.
[4] L. J. Hayes, G. J. Hayes, S. C. Moore, and P. M. Ghezzi, Ethical Issues in development
disabilities. 1994.
[5] R. D. Greer and D. E. Ross, Verbal behavior analysis: inducing and expanding complex
communication in children severe language delays. Boston: Allyn & Bacon. Ed. Italiana
Giovanni Fioriti Editore., 2016.
[6] A. Klin, W. Jones, R. Schultz, and F. Volkmar, “The enactive mind, or from actions to
cognition: lessons from autism.,” Philos. Trans. R. Soc. B Biol. Sci., vol. 358, no. 1430, pp.
345–360, Feb. 2003.
[7] C. M. Freitag, “The genetics of autistic disorders and its clinical relevance: a review of the
literature,” Mol. Psychiatry, vol. 12, no. 1, pp. 2–22, Jan. 2007.
[8] K. A. Pelphrey, S. Shultz, C. M. Hudac, and B. C. Vander Wyk, “Research review:
Constraining heterogeneity: the social brain and its development in autism spectrum disorder,”
J. Child Psychol. Psychiatry, vol. 52, no. 6, pp. 631–644, Jun. 2011.
[9] V. L. Cherkassky, R. K. Kana, T. A. Keller, and M. A. Just, “Functional connectivity in a
baseline resting-state network in autism,” Neuroreport, vol. 17, no. 16, pp. 1687–1690, Nov.
2006.
[10] D. P. Kennedy, E. Redcay, and E. Courchesne, “Failing to deactivate: resting functional
abnormalities in autism,” Proc. Natl. Acad. Sci. U. S. A., vol. 103, no. 21, pp. 8275–8280,
May 2006.
[11] D. P. Kennedy and E. Courchesne, “The intrinsic functional organization of the brain is altered
in autism,” NeuroImage, vol. 39, no. 4, pp. 1877–1885, Feb. 2008.
[12] R. L. Buckner, F. M. Krienen, and B. T. T. Yeo, “Opportunities and limitations of intrinsic
functional connectivity MRI,” Nat. Neurosci., vol. 16, no. 7, pp. 832–837, Jul. 2013.
[13] D. A. Gusnard and M. E. Raichle, “Searching for a baseline: Functional imaging and the
resting human brain,” Nat. Rev. Neurosci., vol. 2, no. 10, pp. 685–694, Oct. 2001.
[14] R. Coben, “The Importance of Electroencephalogram Assessment for Autistic Disorders,”
Biofeedback, vol. 37, no. 2, pp. 71–80, Jun. 2009.
[15] J. R. Hughes and M. Melyn, “EEG and seizures in autistic children and adolescents: further
findings with therapeutic implications,” Clin. EEG Neurosci., vol. 36, no. 1, pp. 15–20, Jan.
2005.
[16] A.-M. Daoust, E. Limoges, C. Bolduc, L. Mottron, and R. Godbout, “EEG spectral analysis of
wakefulness and REM sleep in high functioning autistic spectrum disorders,” Clin.
Neurophysiol. Off. J. Int. Fed. Clin. Neurophysiol., vol. 115, no. 6, pp. 1368–1373, Jun. 2004.
[17] E. V. Orekhova, T. A. Stroganova, G. Nygren, M. M. Tsetlin, I. N. Posikera, C. Gillberg, and
M. Elam, “Excess of high frequency electroencephalogram oscillations in boys with autism,”
Biol. Psychiatry, vol. 62, no. 9, pp. 1022–1029, Nov. 2007.
[18] G. Dawson, L. G. Klinger, H. Panagiotides, A. Lewy, and P. Castelloe, “Subgroups of autistic
children based on social behavior display distinct patterns of brain activity,” J. Abnorm. Child
Psychol., vol. 23, no. 5, pp. 569–583, Oct. 1995.
[19] A. L. Tierney, L. Gabard-Durnam, V. Vogel-Farley, H. Tager-Flusberg, and C. A. Nelson,
“Developmental Trajectories of Resting EEG Power: An Endophenotype of Autism Spectrum
Disorder,” PLOS ONE, vol. 7, no. 6, p. e39127, giu 2012.
[20] J. Wang, J. Barstein, L. E. Ethridge, M. W. Mosconi, Y. Takarae, and J. A. Sweeney, “Resting
state EEG abnormalities in autism spectrum disorders,” J. Neurodev. Disord., vol. 5, no. 1, p.
24, 2013.
[21] P. Barttfeld, B. Wicker, S. Cukier, S. Navarta, S. Lew, and M. Sigman, “A big-world network
in ASD: dynamical connectivity analysis reflects a deficit in long-range connections and an
excess of short-range connections,” Neuropsychologia, vol. 49, no. 2, pp. 254–263, Jan. 2011.
[22] F. H. Duffy and H. Als, “A stable pattern of EEG spectral coherence distinguishes children
with autism from neuro-typical controls - a large case control study,” BMC Med., vol. 10, p.
64, 2012.
[23] M. Murias, S. J. Webb, J. Greenson, and G. Dawson, “Resting state cortical connectivity
reflected in EEG coherence in individuals with autism,” Biol. Psychiatry, vol. 62, no. 3, pp.
270–273, Aug. 2007.
[24] S. Calderoni, L. Billeci, A. Narzisi, P. Brambilla, A. Retico, and F. Muratori, “Rehabilitative
Interventions and Brain Plasticity in Autism Spectrum Disorders: Focus on MRI-Based
Studies,” Child Adolesc. Psychiatry, p. 139, 2016.
[25] S. Baron-Cohen, S. Wheelwright, R. Skinner, J. Martin, and E. Clubley, “The autism-spectrum
quotient (AQ): evidence from Asperger syndrome/high-functioning autism, males and
females, scientists and mathematicians,” J. Autism Dev. Disord., vol. 31, no. 1, pp. 5–17, Feb.
2001.
[26] S. Baron-Cohen and S. Wheelwright, “The empathy quotient: an investigation of adults with
Asperger syndrome or high functioning autism, and normal sex differences,” J. Autism Dev.
Disord., vol. 34, no. 2, pp. 163–175, Apr. 2004.
[27] J. Sigafoos, M. Kerr, D. Roberts, and D. Couzens, “Reliability of structured interviews for the
assessment of challenging behaviour,” Behav. Change, vol. 10, pp. 47–50, 1993.
[28] R. W. Malott and E. A. Trojan-Suarez, Elementary Principles of Behavior, Fifth Edition.
Englewood Cliffs, N.J: Prentice Hall, 2004.
[29] N. Pistoljevic, C. Cahill, and F. Casarini, “Effects of a speaker immersion procedure on the
production of verbal operants.,” J. Speech Lang. Pathol. – Appl. Behav. Anal., vol. 5, no. 2,
pp. 191–206, 2010.
[30] A. C. Catania, Learning, Fourth Edition. Englewood Cliffs, N.J: Prentice Hall, 1998.
[31] D. J. Bannerman, J. B. Sheldon, J. A. Sherman, and A. E. Harchik, “Balancing the right to
habilitation with the right to personal liberties: the rights of people with developmental
disabilities to eat too many doughnuts and take a nap.,” J. Appl. Behav. Anal., vol. 23, no. 1,
pp. 79–89, 1990.
[32] J. Toppi, M. Petti, F. De Vico Fallani, G. Vecchiato, A. G. Maglione, F. Cincotti, S. Salinari,
D. Mattia, F. Babiloni, and L. Astolfi, “Describing relevant indices from the resting state
electrophysiological networks,” Conf Proc IEEE Eng Med Biol Soc, pp. 2547–2550, 2012.
[33] J. Toppi, M. Risetti, L. R. Quitadamo, M. Petti, L. Bianchi, S. Salinari, F. Babiloni, F.
Cincotti, D. Mattia, and L. Astolfi, “Investigating the effects of a sensorimotor rhythm-based
BCI training on the cortical activity elicited by mental imagery,” J. Neural Eng., vol. 11, no. 3,
p. 35010, 2014.
[34] C. W. J. Granger, “Investigating Causal Relations by Econometric Models and Cross-spectral
Methods,” Econometrica, vol. 37, no. 3, pp. 424–438, Aug. 1969.
[35] L. A. Baccalá and K. Sameshima, “Partial directed coherence: a new concept in neural
structure determination,” Biol. Cybern., vol. 84, pp. 463–474, May 2001.
[36] L. Astolfi, F. Cincotti, D. Mattia, M. G. Marciani, L. A. Baccalà, F. de Vico Fallani, S.
Salinari, M. Ursino, M. Zavaglia, and F. Babiloni, “Assessing cortical functional connectivity
by partial directed coherence: simulations and application to real data,” IEEE Trans Biomed
Eng, vol. 53, no. 9, pp. 1802–1812, Sep. 2006.
[37] M. Rubinov and O. Sporns, “Complex network measures of brain connectivity: uses and
interpretations,” Neuroimage, vol. 52, no. 3, pp. 1059–1069, Sep. 2010.
