Korea Advanced Institute of Science and Technology ha annunciato un risultato di grande rilievo nel campo dell’intersezione tra neuroscienze, comportamento e intelligenza artificiale. Un team di ricerca guidato dal professor Won-Do Heo del Dipartimento di Scienze della Vita ha sviluppato una tecnologia AI capace di analizzare in modo estremamente dettagliato i comportamenti quotidiani di modelli animali e di identificare stati depressivi distinguendoli in base al sesso e alla gravità dei sintomi. Si tratta di un avanzamento che va ben oltre le tradizionali valutazioni comportamentali utilizzate nella ricerca preclinica sulla depressione.
Il punto di partenza dello studio è una constatazione nota ma complessa da misurare con precisione: la depressione non si manifesta solo come esperienza soggettiva o emotiva, ma si riflette anche nella cosiddetta psicomotricità, ovvero nel modo in cui le emozioni e gli stati mentali si traducono in posture, movimenti, espressioni facciali e schemi di azione quotidiani. I ricercatori del KAIST hanno osservato che soggetti affetti da depressione mostrano schemi motori significativamente diversi rispetto a quelli sani, ma catturare questi segnali in modo sistematico e oggettivo è sempre stato un limite della ricerca comportamentale tradizionale.
Per superare questo ostacolo, il team ha sviluppato una piattaforma di intelligenza artificiale chiamata CLOSER, progettata per analizzare il comportamento degli animali da laboratorio in tre dimensioni. Il sistema ricostruisce con grande precisione la postura e i movimenti nello spazio, riuscendo a cogliere variazioni minime e progressive che spesso sfuggono all’osservazione umana. CLOSER non si limita a registrare quanto un animale si muove, ma analizza come lo fa, con quale ritmo, con quali transizioni tra un’azione e l’altra e con quale “grammatica” comportamentale complessiva.
Dal punto di vista metodologico, uno degli elementi più innovativi è l’uso dell’apprendimento contrastivo. Questa tecnica di intelligenza artificiale consente di scomporre il comportamento in unità molto piccole, definite come “sillabe comportamentali”, e di confrontarle tra loro per individuare differenze sottili ma sistematiche. Grazie a questo approccio, CLOSER riesce a riconoscere cambiamenti che non riguardano solo l’intensità del movimento, ma soprattutto la frequenza, il flusso e l’organizzazione delle azioni nel tempo.
Per validare il sistema, i ricercatori hanno utilizzato un modello murino di stress cronico imprevedibile, considerato uno dei modelli sperimentali più vicini alla depressione umana. L’obiettivo era verificare se fosse possibile distinguere stati depressivi quotidiani basandosi esclusivamente sull’analisi del comportamento, senza ricorrere ad altri indicatori fisiologici o molecolari. I risultati hanno dimostrato che CLOSER è in grado di identificare con elevata accuratezza stati depressivi differenziandoli non solo per gravità, ma anche per sesso.
L’analisi post-hoc ha rivelato un aspetto particolarmente interessante: lo stress sembra influenzare in misura maggiore la struttura e il flusso dei comportamenti piuttosto che le capacità motorie in senso stretto. In altre parole, non è tanto “quanto” un animale si muove a cambiare, ma “come” organizza le proprie azioni quotidiane. Inoltre, i ricercatori hanno osservato differenze marcate tra maschi e femmine. Nei modelli di depressione, i topi maschi mostravano una riduzione dei comportamenti esplorativi e dei movimenti circolari, mentre nelle femmine questi stessi comportamenti tendevano ad aumentare. Queste differenze diventavano sempre più evidenti con il prolungarsi dell’esposizione allo stress, suggerendo che il decorso della depressione si imprime nel comportamento quotidiano in modo progressivo e sessualmente specifico.
Lo studio è andato oltre il semplice stress cronico, includendo anche modelli di depressione basati sull’infiammazione e sugli ormoni dello stress. Questo ha permesso di verificare se cause biologiche diverse producessero firme comportamentali differenti. I risultati hanno mostrato che la depressione indotta da stress persistente o da infiammazione cronica provoca cambiamenti comportamentali profondi e facilmente rilevabili da CLOSER, mentre la somministrazione isolata dell’ormone dello stress corticosterone genera alterazioni molto più limitate. Ciò indica che l’analisi del comportamento quotidiano può fornire indizi non solo sulla presenza della depressione, ma anche sulla sua origine biologica.
Un ulteriore passaggio cruciale ha riguardato la valutazione degli antidepressivi. Il team ha analizzato come diversi farmaci, già utilizzati nella pratica clinica o in fase di sperimentazione, influenzassero i sintomi comportamentali della depressione nei modelli animali. È emerso che la somministrazione di antidepressivi è in grado di ripristinare parzialmente le alterazioni indotte dallo stress, sia a livello delle sillabe comportamentali sia nella grammatica complessiva delle azioni. Ancora più interessante, farmaci diversi producevano effetti differenti sul comportamento, lasciando quella che i ricercatori definiscono una vera e propria “impronta digitale comportamentale”.
Questa scoperta apre scenari rilevanti per il futuro della medicina di precisione in ambito psichiatrico. Se specifici schemi comportamentali possono indicare quale antidepressivo è più efficace, diventa teoricamente possibile orientare il trattamento in modo personalizzato, riducendo i lunghi periodi di tentativi ed errori che oggi caratterizzano spesso la terapia della depressione.
Secondo il professor Heo Won-Do, questo lavoro rappresenta il primo esempio al mondo di un quadro preclinico che consente diagnosi personalizzate e valutazioni del trattamento dei disturbi depressivi basandosi su una piattaforma di analisi del comportamento quotidiano supportata dall’intelligenza artificiale. Lo studio getta basi solide non solo per lo sviluppo di nuovi farmaci, ma anche per un approccio più individualizzato alla salute mentale, in cui il comportamento reale e quotidiano diventa una fonte primaria di informazione clinica.
La ricerca, condotta con Oh Hyeon-sik come primo autore, è stata pubblicata online il 30 dicembre 2025 sulla rivista scientifica internazionale Nature Communications. Il lavoro del KAIST conferma come l’intelligenza artificiale, quando applicata con rigore scientifico, possa aprire nuove strade nella comprensione dei disturbi mentali, spostando l’attenzione da valutazioni statiche a una lettura dinamica e profonda del comportamento nel tempo.