Perché i profili cognitivi neurodivergenti sono "a punte": una spiegazione genetica computazionale

Un'osservazione che chi è neurodivergente conosce bene

Sei un'adulta con ADHD: sei brillante in alcuni ambiti — magari hai un'intuizione strategica che colleghi non-ADHD ti invidiano — e completamente impotente in altri, come la gestione delle scadenze fiscali. Sei un adulto autistico: la tua capacità di analisi e memoria su argomenti di interesse è al di sopra della media, ma una conversazione informale a un evento sociale ti consuma per due giorni. Sei un adolescente con dislessia: il tuo pensiero verbale è ricco, ma copiare correttamente una formula matematica dalla lavagna ti richiede un'attenzione faticosissima.

Questo pattern — picchi e cadute nelle capacità cognitive, "profili a punte" — è uno dei tratti più costanti della neurodivergenza, attraverso le condizioni. Lo si chiama tecnicamente uneven cognitive profile. È un'osservazione clinica solida da decenni.

Quello che è meno chiaro è il meccanismo: perché succede? Perché non un funzionamento generalmente sotto la media, o generalmente sopra, ma proprio una distribuzione disomogenea? E perché condizioni che hanno geni in comune (autismo, ADHD, dislessia condividono parte della loro architettura genetica) producono profili cognitivi che sono, individuo per individuo, così diversi?

Uno studio computazionale pubblicato su Developmental Science nel maggio 2026¹ affronta questa domanda con un metodo originale: usare simulazioni al computer per testare due diverse ipotesi.

Le due ipotesi sul tavolo

I ricercatori partono da una distinzione concettuale che si era affacciata nella letteratura ma non era stata sistematicamente testata.

Ipotesi 1: Domain specificity (specificità di dominio). Le variazioni genetiche che producono profili cognitivi disomogenei agirebbero in modo specifico su regioni cerebrali e meccanismi che sono particolarmente importanti per lo sviluppo di una determinata abilità (verbale, non-verbale, attentiva, motoria, sociale). Differenti combinazioni di varianti producono differenti profili: chi eredita certe varianti sviluppa picchi e cadute in certe abilità, chi ne eredita altre vede i propri picchi e cadute distribuiti diversamente.

Ipotesi 2: Domain relevance (rilevanza di dominio). Le variazioni genetiche agirebbero su proprietà neurocomputazionali più generali — la velocità di elaborazione, la stabilità delle reti neurali, il modo in cui i circuiti corticali si organizzano e si specializzano durante lo sviluppo. Diverse abilità sarebbero differenzialmente sensibili a queste proprietà generali. Cioè: lo stesso pacchetto di geni produce risposte diverse in differenti abilità, perché alcune abilità (per esempio la capacità di acquisire lettura) richiedono certi profili neurocomputazionali per svilupparsi al meglio, e altre abilità (per esempio la cognizione sociale) ne richiedono di altri.

Le due ipotesi non sono mutuamente esclusive. La realtà biologica probabilmente le combina entrambe. Ma esplorarle separatamente nei modelli aiuta a capire quanto ciascuna possa, da sola, spiegare i pattern osservati.

Cosa hanno fatto i ricercatori

Lo studio non lavora su cervelli reali né su pazienti reali. Usa una metodologia chiamata modellazione computazionale: simulare al computer come una popolazione di individui virtuali si sviluppa nel tempo, dato un certo set di regole genetiche e di sviluppo cerebrale.

I ricercatori hanno costruito un modello che combina due tecniche:

• Algoritmi genetici: simulano l'eredità di varianti su molti geni in una popolazione attraverso 20 generazioni.
• Reti neurali artificiali: modellano il cervello come un substrato computazionale che, durante lo "sviluppo", si specializza per supportare differenti funzioni — modellate come cinque compiti distinti.

In questo "mondo virtuale", la selezione viene applicata per favorire individui che eccellono in uno specifico compito (ad esempio il Compito 1). Questo porta progressivamente la popolazione virtuale a sviluppare, negli individui, varianti genetiche che ottimizzano le proprietà neurocomputazionali del substrato per quel compito.

La domanda chiave: cosa succede agli altri quattro compiti, quando la popolazione viene selezionata per il primo? Continuano a svilupparsi normalmente? Migliorano in parallelo? O risentono di un effetto?

Cosa hanno trovato

I risultati supportano il modello della domain relevance in modo robusto, ma con una sfumatura importante: anche la domain specificity contribuisce, semplicemente non da sola.

I principali pattern osservati nelle simulazioni:

Effetti generalizzati delle varianti genetiche sul sostrato neurocomputazionale. Quando la popolazione viene selezionata per ottimizzare un compito, le proprietà generali del sostrato cerebrale (parametri come la velocità di apprendimento, la capacità di rappresentazione interna, la stabilità delle connessioni) cambiano per tutta la popolazione. Queste proprietà generali influenzano contemporaneamente tutti e cinque i compiti.

Sensibilità differenziale. Pur essendo modulate dagli stessi parametri generali, le diverse abilità rispondono a quei parametri in modi diversi. Alcune abilità (per esempio quelle che richiedono una maggiore capacità di rappresentazione astratta) sono più sensibili a certe proprietà del sostrato. Altre (per esempio quelle che richiedono velocità motoria fine) sono più sensibili ad altre proprietà. Risultato: lo stesso pacchetto genetico modificato per ottimizzare un compito produce un profilo di effetti sugli altri compiti — alcuni migliorano, alcuni peggiorano, alcuni restano stabili.

Profili disomogenei come prodotto naturale. Il pattern emergente è che, per molte combinazioni di varianti genetiche, il risultato negli individui simulati è un profilo cognitivo eterogeneo: forti su alcuni compiti, deboli su altri, anche se la genetica di base è "comune" attraverso la popolazione. La diversità tra individui non emerge perché ognuno ha geni "specifici" per ogni compito, ma perché diverse combinazioni di varianti su un substrato condiviso producono diverse traiettorie evolutive nei compiti.

Perché questo conta

Il significato concettuale di questi risultati è importante per come pensiamo alla neurodivergenza.

Spiega l'eterogeneità entro condizioni. Tutti gli adulti con ADHD non hanno lo stesso ADHD. Tutti gli adulti autistici non hanno lo stesso autismo. La modellazione suggerisce che questa eterogeneità non è "rumore casuale" né dovuta a sottocategorie discrete: è un prodotto naturale di come geni, sviluppo cerebrale e abilità multiple interagiscono.

Spiega la co-occorrenza tra condizioni. Studi epidemiologici documentano che ADHD e dislessia, ADHD e autismo, autismo e dislessia coesistono nella stessa persona molto più frequentemente di quanto il caso prevedrebbe. Le simulazioni mostrano come, su un substrato genetico parzialmente condiviso, varianti che incidono sulle proprietà generali possono produrre simultaneamente vulnerabilità in più domini cognitivi.

Apre una nuova lettura del termine "comorbidità". Nel linguaggio clinico tradizionale, "comorbidità" suggerisce due malattie distinte che si trovano nella stessa persona. La modellazione suggerisce che, per le condizioni del neurosviluppo, potrebbe essere più accurato pensare in termini di un profilo neurocomputazionale condiviso che si manifesta clinicamente in modi diversi a seconda di quali compiti cognitivi le diverse abilità richiedono.

Mette in dubbio la ricerca dei "geni di una condizione". Per anni gli studi genetici hanno cercato i "geni dell'autismo" o i "geni dell'ADHD". I dati epidemiologici hanno già mostrato che questa è una semplificazione: ogni condizione è poligenica (centinaia di varianti coinvolte), e le varianti si sovrappongono significativamente tra condizioni. La modellazione dà una giustificazione concettuale a questa osservazione: non perché esista un gene-X uguale per autismo e ADHD, ma perché la stessa rete genetica produce profili neurocomputazionali che si traducono in difficoltà di domini diversi.

Cosa significa nella pratica

Lo studio è eminentemente teorico. Non offre interventi nuovi, non cambia le linee guida cliniche, non propone protocolli farmacologici diversi. Ma ha implicazioni indirette per come ci pensiamo.

Per chi vive un profilo cognitivo "a punte": è un argomento scientifico contro la lettura semplicistica "se sei bravo in X, dovresti essere bravo anche in Y". I tuoi picchi e le tue cadute non sono incoerenti né segno di "non applicarti abbastanza". Sono il prodotto naturale di un'interazione tra la tua genetica, il tuo sviluppo, e quali compiti cognitivi richiedono cosa. Saperlo aiuta a riconfigurare la propria narrazione interna.

Per genitori e insegnanti: l'idea che un bambino "dovrebbe" essere bilanciato attraverso le materie scolastiche è una semplificazione poco realistica. Profili disomogenei sono la norma, non l'eccezione, in tutta la popolazione (anche nei profili neurotipici), e sono particolarmente accentuati nei bambini neurodivergenti. Costruire piani educativi che valorizzano i picchi e supportano le cadute è coerente con la realtà biologica.

Per i clinici: la modellazione suggerisce che valutare una persona neurodivergente solo come "ADHD" o "autismo" o "DSA" cattura una parte limitata del suo profilo. Una valutazione neuropsicologica completa, che cartografi i picchi e le cadute attraverso i domini cognitivi, è più informativa di un'etichetta diagnostica isolata. La pratica clinica più informata già lo fa, ma il quadro teorico la rinforza.

Per la ricerca: gli autori suggeriscono che cercare interventi mirati ai parametri generali del sostrato neurocomputazionale (per esempio interventi che migliorano la velocità di processamento in generale, o la stabilità delle reti neurali) potrebbe avere effetti più ampi rispetto a interventi mirati alla singola abilità.

I limiti dello studio

Vanno riconosciuti senza nasconderli, perché altrimenti si rischia di sopravvalutare le conclusioni di una modellazione computazionale come fossero misurazioni dirette del cervello reale.

Nessun cervello è stato studiato. Lo studio simula. Le reti neurali artificiali sono modelli semplificati di come il cervello potrebbe funzionare. Possono catturare alcuni principi computazionali generali, ma non riproducono la complessità reale del cervello biologico — neurochimica, glia, plasticità sinaptica fine, fattori ambientali, esperienza individuale.

Solo cinque compiti sono stati modellati. Il cervello reale supporta migliaia di abilità diverse, alcune delle quali non si esauriscono in test cognitivi standardizzati. Le conclusioni sui pattern di sensibilità differenziale potrebbero cambiare con un set diverso di compiti.

La selezione viene applicata in modo controllato. Le pressioni evolutive reali sulle abilità cognitive umane sono molto più complesse di quanto la simulazione possa rappresentare. La selezione storica per ADHD e autismo è probabilmente debole o addirittura assente in molti contesti, mentre le simulazioni applicano selezioni esplicite.

Il modello supporta la domain relevance, ma non esclude la domain specificity. Gli autori non sostengono che la specificità di dominio non esista. Affermano che la rilevanza di dominio sia sufficiente, da sola, a generare i pattern osservati nei dati genetici e cognitivi. La realtà biologica è probabilmente una miscela.

La generalizzazione clinica richiede prudenza. Una modellazione teorica non sostituisce la ricerca clinica diretta. È uno strumento per generare ipotesi, non per validare interventi.

Conclusione

Lo studio offre una cornice concettuale utile per leggere uno dei tratti più solidi e più sconcertanti della neurodivergenza: il fatto che lo stesso individuo possa eccellere in alcuni domini e faticare drammaticamente in altri, e che condizioni concettualmente distinte (autismo, ADHD, dislessia) condividano architettura genetica e produca traiettorie individuali così diverse.

L'idea centrale — che la chiave non stia nei geni "specifici per una condizione" ma nella sensibilità differenziale di abilità diverse a una rete neurale condivisa — è suggestiva e converge con altre linee di ricerca contemporanee.

Per chi vive un profilo neurodivergente, può essere utile sapere che la propria disomogeneità cognitiva non è un fallimento dell'integrazione né un'eccezione strana. È, plausibilmente, l'espressione naturale di un cervello sviluppato sotto un certo set di pressioni biologiche, su un substrato comune all'intera specie ma sintonizzato in un modo particolare nella tua storia individuale.