Come riconoscere dalla personalità chi gioca d’azzardo?

(Cnr) – È possibile prevedere se una persona tenderà a sviluppare una soggezione patologica al gioco d’azzardo? Uno studio diretto dall’Istituto di bioimmagini e fisiologia molecolare del Consiglio nazionale delle ricerche (Ibfm-Cnr) di Catanzaro, a cui ha partecipato l’Università della Calabria, pubblicato sulla rivista Journal of Neuroscience Methods, ha definito i tratti della personalità del gambler patologico grazie a tecniche avanzate di intelligenza artificiale.

“Chi è vittima del gioco d’azzardo patologico – ha spiegato Antonio Cerasa, ricercatore dell’Ibfm-Cnr – perde, oltre a ingenti quantità di denaro, la capacità di controllo delle proprie azioni e la fiducia dei propri cari, con la percezione di essere entrato in un tunnel senza via di scampo. Le neuroscienze, prosegue il ricercatore, sono impegnate da decenni nello studio di questo disturbo che devasta la vita di moltissime famiglie italiane. “Oggi sappiamo che la causa è multifattoriale (genetica, neurobiologica e comportamentale) e conferisce alla persona una vulnerabilità di base, amplificata da fattori psicosociali come povertà o traumi biografici”, continua Cerasa. “La letteratura indica già che, oltre a disfunzioni cerebrali e genetiche del sistema dopaminergico, i gambler patologici hanno anche un profilo di personalità disfunzionale, sono cioè più vulnerabili alle situazioni sociali che invitano al gioco, e questo aspetto non è mai studiato finora con metodi di intelligenza artificiale“.

Per indagare questo aspetto poco conosciuto, il gruppo di ricerca dell’Ibfm-Cnr ha coinvolto alcune strutture di riabilitazione psichiatrica a Milano e a Catanzaro, allo scopo di valutare i giocatori patologici in cura. “Abbiamo utilizzato algoritmi di intelligenza artificiale per capire se esiste nei giocatori d’azzardo patologici uno specifico costrutto di personalità”, aggiunge Danilo Lofaro, ricercatore presso l’Università della Calabria e coautore del lavoro. “Sono stati inseriti nel calcolatore 6.000 dati relativi a 160 soggetti che non hanno mai giocato a slot machine o giochi d’azzardo e a 40 pazienti con gambling, ognuno dei quali era analizzato a seconda delle 30 caratteristiche alla base della personalità umana. Nella seconda fase dell’esperimento la macchina, dopo aver processato i dati, ha identificato la miglior combinazione che permette di separare i sani dai malati. Una particolare combinazione ha consentito di individuare otto gamblers su dieci. Questo risultato ha mostrato i seguenti sotto-tratti del gambler: bassa apertura mentale; bassa coscienziosità; bassa fiducia negli altri; ricerca di emozioni positive; elevato tratto depressivo e impulsivo. Una persona con queste caratteristiche rischia la vulnerabilità verso questa patologia psichiatrica”.

Alta impulsività e depressione erano caratteristiche del gambler seriale già note agli psicologi. “L’avanzamento apportato dai modelli multi-variati che abbiamo utilizzato è la conoscenza dell’esatta struttura multidimensionale del profilo di base di un giocatore. Un po’ come dire che la malattia è legata all’alterazione di uno o più geni”, precisa Cerasa. “La personalità è un marcatore oggettivo della funzionalità cerebrale, la cui attendibilità predittiva vale per i disturbi psichiatrici ma anche per malattie neurologiche come Parkinson e Alzheimer. Ad esempio, a parità di performance cognitive, l’estroverso pensa e usa aree cerebrali diverse dall’introverso, così come l’ansioso o impulsivo rispetto alla persona emotivamente stabile”.

Lo studio è stato condotto anche grazie al finanziamento Pon03PE_00009_1 NeuroMeasures. “Lo scopo di queste ricerche – conclude Aldo Quattrone, responsabile della sede di Catanzaro dell’Ibfm-Cnr – è creare strumenti sempre più sensibili per riconoscere un disturbo prima che esso si manifesti in tutta la sua gravità. Da anni il nostro istituto di ricerca è impegnato nello sviluppo di sistemi innovativi per migliorare la pratica clinica”.

Riferimenti: Personality biomarkers of pathological gambling: a machine learning study; Antonio Cerasa, Danilo Lofaro Paolo Cavedini, Iolanda Martino, Antonella Bruni, Alessia Sarica, Domenico Mauro, Giuseppe Merante, Ilaria Rossomann, Maria Rizzuto, Antonio Palmacci, Benedetta Aquino, Pasquale De Fazio, Giampaolo R. Perna, Elena Vanni, Giuseppe Olivadese, Domenico Conforti, Gennarina Arabia, Aldo Quattrone, Journal of Neuroscience Methods