O que difere Einstein dos Outros? EEG e fNIRS Explicam a Complexidade do Processo Neurocognitivo da Aritmética

Wednesday, 03 de June de 2020

A Matemática é uma ciência milenar utilizada pelas grandes civilizações antigas. Maias, astecas, incas, mesopotâmicos, egípcios e gregos usufruíram e desenvolveram técnicas de cálculo que lhes permitiram ascender sócio-culturalmente. Também utilizada por grandes filósofos durante a era do iluminismo, a matemática nos permitiu conhecer um pouco mais sobre o universo e suas leis fundamentais. Aplicada a grandes causas a favor da humanidade, ela foi o instrumento de trabalho de grandes mentes, como Einstein, Nicolau Copérnico, Isaac Newton e Stephen Hawking.

Para muitos, ela ainda é considerada uma incógnita, tamanha é a sua complexidade e rigor científico. Entretanto, para outros o seu uso e aplicação é de fácil compreensão e fundamental para o desenvolvimento de tecnologias disruptivas. Hoje, a neurociência busca explicar o processamento neurocognitivo da aritmética e as disparidades de assimilação entre pessoas.

Para responder essas perguntas, a neurociência utiliza técnicas de registro elétrico e funcional, como o Eletroencefalograma (EEG) e a Espectroscopia por Infravermelho Funcional (fNIRS), com a finalidade de registrar o processamento cerebral da aritmética a fim de explicar porque algumas pessoas tem facilidade e outras sentem dificuldades com matemática.

As técnicas do EEG e fNIRS, utilizadas em diversos laboratórios neurocientíficos permitem captar e analisar dados do funcionamento cerebral utilizando apenas eletrodos na superfície do couro cabeludo. Enquanto o EEG realiza o registro da atividade elétrica de neurônios piramidais do encéfalo, o fNIRS permite formar imagens do funcionamento cerebral a partir da hemodinâmica do fluxo sanguíneo cerebral.

Ambas técnicas quando utilizadas de forma híbrida permitem obter dados relevantes e com maior precisão espacial e temporal do processamento neural. Para tanto, um grupo de pesquisadores da Universidade de Tuebingen na Alemanha utilizaram EEG e fNIRS combinados para estudar a complexidade do processamento neural relacionado à aritmética.

Os cientistas revelam algumas áreas cerebrais envolvidas no cálculo aritmético, tais como, linguagem perisilviana esquerda, como o giro temporal superior (STG) e o giro temporal médio (MTG), áreas parietais no lóbulo intraparietal esquerdo (IPL), isto é, giro angular (AG) e giro supra-marginal (SMG), e regiões recentemente identificadas, como o hipocampo e o córtex retrosplenial. Dentre todas citadas acima, a região que desempenha maior atividade durante tarefas relacionadas a aritmética é o AG segundo estudos publicados utilizando a técnica de Ressonância Magnética Funcional (fMRI).

Adicionalmente, pesquisas científicas baseadas em eletroencefalograma revelam que as atividades de cálculo aritmético simples engajam com maior frequência regiões do hemisfério esquerdo que acabam sincronizam em ondas teta. Enquanto, tarefas de cálculo complexo envolvem áreas do córtex fronto-parietal, como o giro frontal inferior esquerdo (IFG), o giro frontal médio esquerdo (MFG) e o córtex parietal posterior promovendo a dessincronização de ondas alfas, que estão correlacionados à esforço mental, carga cognitiva e demandas atencionais.

Entretanto, vale a pena salientar que o desempenho em tarefas relacionadas a aritmética não dependem somente da complexidade da tarefa, mas da capacidade do indivíduo. Estudos mostram que a capacidade de resolver problemas relacionados a cálculos matemáticos melhoram de acordo com a idade, com a experiência e com o treinamento, pois as áreas fronto-parietais responsáveis pelo processo cognitivo ficam mais ativas.

Imagem: Mapas T para os dados funcionais da espectroscopia no infravermelho próximo (fNIRS) que descrevem a ativação neural durante a tarefa de multiplicação para problemas aritméticos simples, problemas aritméticos complexos e o contraste (complexo vs. simples) para indivíduos com alta capacidade matemática e baixa capacidade matemática. As cores indicam ativação (amarelo-vermelho) e desativação (verde-azul), respectivamente (Artemenki et al., 2019)

Image: Mapas T para os dados de eletroencefalografia (EEG) que descrevem a teta, a (des) sincronização alfa inferior e superior durante a tarefa de multiplicação para problemas aritméticos simples, problemas aritméticos complexos e o contraste (complexo vs. simples) para indivíduos com alta capacidade matemática e baixa matemática habilidade. As cores indicam sincronização (amarelo-vermelho) e dessincronização (azul claro-escuro), respectivamente.

Por fim, pode-se concluir que há diferenças entre o processamento neural de tarefas matemáticas simples e complexas, bem como, disparidades da áreas ativadas e das frequências cerebrais sincronizadas e dessincronizadas entre os indivíduos que apresentam facilidades e dificuldades para cálculo. Entretanto, é possível relatar que por meio de técnicas, treinamento e experiência a complexidade dos cálculos matemáticos se torna cada vez mais simples para indivíduos comuns. Sendo possível, portanto, pessoas comuns se tornarem grandes personalidades que podem contribuir para a humanidade.

Referências:

Artemenko, C., Soltanlou, M., Bieck, S.M., Ehlis, A.C., Dresler, T. and Nuerk, H.C., 2019. Individual differences in math ability determine neurocognitive processing of arithmetic complexity–A combined fNIRS-EEG study. Frontiers in human neuroscience, 13, p.227.

Zamarian, L., Ischebeck, A., and Delazer, M. (2009). Neuroscience of learning arithmetic—evidence from brain imaging studies. Neurosci. Biobehav. Rev. 33, 909–925. doi: 10.1016/j.neubiorev.2009.03.005

Soltanlou, M., Artemenko, C., Ehlis, A.-C., Huber, S., Fallgatter, A. J., Dresler, T., et al. (2018). Reduction but no shift in brain activation after arithmetic learning in children: a simultaneous fNIRS-EEG study. Sci. Rep. 8:1707. doi: 10.1038/s41598-018-20007-x

The content published here is the exclusive responsibility of the authors.

Autor:

Tamara Nunes

#eegfmri #eegnirscombined #eeglatam #mobileeeg #neurophilosophy #eegdataanalysis #formri #eegelectrodecaps #nirsbcineurofeedback #skilllearning #translationalneuroscience #eegactiveelectrodes #semioticsresearch #neurocognition #eegfmri #eegnirscombined #eeglatam #mobileeeg #neurophilosophy #eegdataanalysis #formri #eegelectrodecaps #nirsbcineurofeedback #skilllearning #translationalneuroscience #eegactiveelectrodes #semioticsresearch #neurocognition