La coltivazione in laboratorio dei tessuti umani è una pratica consolidata, ma quando si parla di tessuto cerebrale la questione diventa molto più complessa. Negli ultimi anni, però, gli organoidi cerebrali – minuscole strutture tridimensionali ottenute da cellule staminali – hanno mostrato capacità sempre più sorprendenti. Già nel 2013 è stato dimostrato che da cellule staminali pluripotenti è possibile ottenere strutture che riproducono aspetti fondamentali dello sviluppo cerebrale umano, aprendo la strada a un nuovo modo di studiare il cervello in vitro.
La notizia più recente riguarda un organoide cerebrale grande quanto un granello di pepe che è stato addestrato a risolvere un classico problema dell’ingegneria dei controlli, il cosiddetto cart‑pole problem. Si tratta di un test molto usato nell’intelligenza artificiale, in cui un sistema deve mantenere in equilibrio un’asta verticale montata su una base mobile, reagendo in tempo reale per evitare che cada. È l’equivalente computazionale di quando cerchiamo di tenere in equilibrio una riga sul palmo della mano mentre ci muoviamo.
L’organoide utilizzato nello studio conteneva diversi milioni di neuroni, sufficienti a generare attività elettrica complessa. I ricercatori lo hanno collegato a un microchip multielettrodo capace di registrare e stimolare l’attività delle cellule nervose, creando un circuito chiuso in cui il tessuto cerebrale riceveva informazioni sullo stato del sistema e inviava risposte che venivano tradotte in comandi di controllo. Tecnologie simili hanno già dimostrato che gli organoidi possono sviluppare pattern elettrici spontanei e oscillazioni di rete, caratteristiche tipiche dei tessuti neurali maturi.
La parte più innovativa riguarda l’addestramento. In condizioni di stimolazione casuale, l’organoide riusciva a mantenere l’asta in equilibrio solo nel 4,5% dei tentativi. Per migliorare le prestazioni, i ricercatori hanno utilizzato un algoritmo di apprendimento basato sull’intelligenza artificiale che modulava gli impulsi elettrici in base al comportamento dell’organoide. In pratica, il sistema forniva una forma di rinforzo elettrico, premiando le configurazioni neurali che portavano a un miglior controllo dell’asta. Con questo approccio, la percentuale di successo saliva fino al 46%, dimostrando che anche un frammento di tessuto cerebrale privo di corpo, sensi e neuromodulatori complessi può comunque apprendere un compito orientato a uno scopo se inserito in un contesto di feedback adeguato.
Un precedente importante che conferma questa possibilità è il progetto DishBrain, in cui neuroni coltivati in vitro sono stati addestrati a giocare a Pong, mostrando capacità di adattamento e miglioramento delle prestazioni nel tempo. Questo studio ha dimostrato che reti neurali biologiche possono apprendere in modo simile ai sistemi di reinforcement learning, pur essendo estremamente più semplici di un cervello completo.
Nonostante i risultati impressionanti, emergono limiti significativi. Il più evidente riguarda la memoria: dopo circa 45 minuti di pausa, l’organoide perdeva gran parte delle capacità acquisite durante l’addestramento. Questo è coerente con il fatto che gli organoidi non possiedono regioni cerebrali interconnesse come ippocampo o corteccia associativa, fondamentali per consolidare la memoria a lungo termine. Per quanto complessi, restano modelli ridotti, privi dell’architettura necessaria per una cognizione stabile.
Dal punto di vista scientifico, però, il valore di questi esperimenti è enorme. Dimostrare che un organoide può apprendere un compito di controllo dinamico in tempo reale significa avere a disposizione un modello unico per studiare come le reti neurali biologiche codificano l’informazione, come si riorganizzano durante l’apprendimento e quali parametri influenzano la plasticità. Questo tipo di piattaforma potrebbe essere utilizzato per indagare disturbi neurologici che alterano la plasticità sinaptica, come epilessia, schizofrenia o malattie neurodegenerative.
Allo stesso tempo, questi risultati alimentano il campo emergente del bio‑computing, in cui si immagina di utilizzare tessuti neurali come componenti di sistemi di calcolo ibridi. L’idea che un mini‑cervello coltivato in laboratorio possa risolvere benchmark classici dell’intelligenza artificiale spinge a ripensare il confine tra hardware, software e “wetware” biologico. Tuttavia, siamo ancora lontani da applicazioni pratiche: gli organoidi sono fragili, difficili da standardizzare e molto più variabili rispetto a un circuito elettronico.
Infine, non si possono ignorare le implicazioni etiche. Man mano che gli organoidi diventano più complessi e mostrano capacità di apprendimento, si apre la domanda su quali limiti sia opportuno porre alla loro complessità e al tipo di stimolazioni cui vengono sottoposti. La comunità scientifica discute da tempo se organoidi molto avanzati possano sviluppare forme rudimentali di esperienza o sensibilità, e diversi gruppi internazionali stanno elaborando linee guida per la ricerca su modelli cerebrali in vitro.
In conclusione, l’esperimento in cui un organoide cerebrale viene addestrato a risolvere il cart‑pole problem rappresenta un passo di grande rilievo nella convergenza tra neuroscienze, ingegneria e intelligenza artificiale. Pur con limiti evidenti, questi mini‑cervelli mostrano che la capacità di apprendere e adattarsi è una proprietà intrinseca del tessuto neurale, che può emergere anche in assenza di un organismo completo. È un risultato che apre scenari affascinanti, ma che richiede una riflessione profonda su come vogliamo usare – e fino a dove vogliamo spingere – questi nuovi modelli di cervello coltivato in laboratorio.
