Pilota RCT in giovani che balbettano: VR con avatar fotorealistico è accettata e suscita arousal, ma una sessione non supera il role-play

Contesto

La balbuzie nei bambini in età scolare e negli adolescenti è frequentemente accompagnata da ansia sociale. Iverach et al. (2016) hanno riportato che i bambini che balbettano hanno circa sei volte più probabilità rispetto ai coetanei non balbettanti di sviluppare un disturbo d’ansia sociale, e l’ansia sociale in questa popolazione tende ad aumentare nel corso dell’adolescenza. La CBT con esposizione graduata è efficace nel ridurre l’ansia sociale negli adulti che balbettano, ma pochi interventi empirici hanno affrontato specificamente l’ansia nei giovani che balbettano.

La terapia di esposizione si basa tradizionalmente su esperienze in vivo o su giochi di ruolo nello studio clinico. Entrambe presentano dei limiti: l’esposizione in vivo è logisticamente difficile e lascia al terapista poco controllo sulla situazione, mentre il gioco di ruolo è limitato dal fatto che i partecipanti sono consapevoli che il clinico è una figura familiare e sicura, non uno sconosciuto. La realtà virtuale è stata proposta come un punto intermedio controllabile, ma la maggior parte del lavoro sulla VR per la balbuzie finora ha utilizzato scenari di gruppo o di pubblico (Brundage et al. 2006, 2016; Brundage & Hancock 2015; Moise-Richard et al. 2021) piuttosto che una conversazione naturalistica faccia a faccia con un interlocutore unico, e si è affidata a comportamenti avatar prestabiliti o statici anziché a risposte dinamiche in tempo reale.

Delangle e colleghi (lo stesso gruppo di ricerca di Moise-Richard et al. 2021) si sono proposti di colmare due lacune: l’assenza di misure fisiologiche nel precedente lavoro del gruppo su classi virtuali, e l’assenza di uno scenario VR faccia a faccia in tempo reale che simuli le dinamiche naturalistiche e reciproche della conversazione quotidiana.

Cosa hanno fatto i ricercatori

Tredici bambini e adolescenti che balbettano sono stati reclutati dal Centre de réadaptation Marie Enfant (CHU Sainte-Justine), dall’Institut Raymond-Dewar e da studi privati di logopedia a Montreal, Quebec. Un’adolescente è stata esclusa (precedente esposizione VR simile durante la registrazione di uno spettacolo televisivo), lasciando dodici partecipanti nell’analisi (6 femmine; età 9-18, M=13,1, DS=3,0). Tutti erano stati diagnosticati professionalmente con balbuzie da un logopedista certificato, erano attualmente in trattamento terapeutico e avevano completato almeno tre sessioni con il proprio terapista. L’assegnazione casuale tramite generatore di numeri casuali ha prodotto due gruppi bilanciati (n=6 per braccio). Le misure basali di ansia sociale (LSAS-CA) e di fiducia nell’eloquio pubblico (PRCS forma breve) non hanno mostrato differenze significative tra i gruppi.

Il sistema VR. Un insegnante virtuale fotorealistico è stato realizzato con MetaHuman e renderizzato su un Meta Quest 2 in Unreal Engine 5.03. Da una stanza adiacente, il logopedista controllava l’avatar in tempo reale: un iPhone 11 con Live Link Face catturava i movimenti delle labbra, della bocca, degli occhi, delle sopracciglia e della testa del terapista e li trasmetteva all’avatar; Clownfish Voice Changer applicava un effetto voce maschile costante (i logopedisti erano prevalentemente femmine, ed è stato scelto un avatar maschile di circa 40-50 anni specificamente per limitare il riconoscimento). Il logopedista vedeva una visualizzazione in diretta della prospettiva del partecipante su un laptop, consentendo reattività verbale e non verbale dinamica. L’animazione corporea sottile dell’avatar (leggero dondolio, movimento neutro delle braccia) era gestita da Adobe Mixamo per evitare un aspetto statico innaturale. La classe virtuale e la stanza di sperimentazione utilizzavano una geometria delle scrivanie corrispondente per migliorare il senso di incorporazione.

Procedura. Ogni partecipante ha completato due sessioni distanziate di circa due settimane (M=12 giorni, DS=11,3, range 3-42). Ogni sessione aveva tre fasi:

1. Basale - una conversazione di 3 minuti con un membro del gruppo di ricerca sconosciuto (diverso sia dal logopedista sia dall’attore-insegnante) su argomenti neutri (hobby, musica, mete di viaggio) per rilevare l’arousal correlato all’eloquio.
2. Preparazione del discorso - una discussione di 3 minuti con lo stesso membro del gruppo sulle possibili sistemazioni in classe che il partecipante potrebbe richiedere in relazione alla propria balbuzie.
3. Compito di conversazione - una conversazione di 5 minuti (M=4,7 min, DS=1,6) con l‘“insegnante” in cui il partecipante dichiarava la propria balbuzie e negoziava sistemazioni in classe. L’insegnante introduceva tre categorie di stimoli ansiogeni, ciascuna presentata almeno una volta: smorfie di disappunto, sbadigli, e frasi scomode prestabilite (“Non è giusto nei confronti degli altri studenti”, “Perché dovrei fare speciali concessioni per te?”). I logopedisti ricevevano la formazione per aspettare almeno 20 secondi tra gli stimoli e non introdurne due contemporaneamente; veniva loro istruito di non rinforzare la ricerca di rassicurazione o i comportamenti di evitamento.

Nella Sessione 1, il Compito di conversazione del gruppo sperimentale era in virtuo (il loro logopedista controllava l’avatar dalla stanza adiacente); quello del gruppo di controllo era un gioco di ruolo di persona con il logopedista. Nella Sessione 2 (in vivo, per entrambi i gruppi), il Compito di conversazione era con un attore-insegnante sconosciuto di persona.

Misure.

• Accettabilità e presenza (Obiettivo 1): ITC-SOPI (44 item su sottoscale di Presenza Spaziale, Coinvolgimento, Validità Ecologica, Effetti Negativi) e un questionario Interazione con Avatar (IWA) personalizzato.
• Ansia fisiologica (Obiettivi 2 e 3): Attività elettrodermica (livello di conduttanza cutanea SCL, risposta di conduttanza cutanea SCR) ed elettrocardiogramma (frequenza cardiaca FC, variabilità della frequenza cardiaca via RMSSD) registrati con un sistema Biopac MP36R ed elaborati con AcqKnowledge e NeuroKit2. È stato utilizzato un posizionamento periferico degli elettrodi ECG (gamba sinistra + avambraccio destro) invece del posizionamento standard clavicola-costola per evitare di essere invasivi con i bambini.
• Ansia soggettiva (Obiettivi 2 e 3): un SUDS modificato su scala 0-10 somministrato dopo il basale, dopo la preparazione del discorso, e retrospettivamente dopo la conversazione (per l’inizio e la fine della conversazione separatamente).
• Autoefficacia (Obiettivo 3): un questionario personalizzato di 14 item (1 = “Per niente fiducioso” a 5 = “Molto fiducioso”) adattato da Bray et al. 2003 / Manning 1994 (quadro cognitivo sociale di Bandura). Alpha di Cronbach = 0,87.

Analisi statistica. A causa del campione ridotto, gli autori hanno utilizzato il ricampionamento bootstrap parametrico (dati fisiologici continui) e non parametrico (dati ordinali dei questionari) con 10.000 iterazioni in IBM SPSS Statistics 29 e Python. La significatività è stata inferita dagli intervalli di confidenza al 95% e dai p-value bootstrap. Le dimensioni dell’effetto (d di Cohen, r di Pearson) sono state riportate contestualmente. Non sono state applicate correzioni per confronti multipli perché il ricampionamento bootstrap fornisce stime empiriche di significatività senza assunzioni parametriche.

Cosa hanno trovato

Obiettivo 1 - accettabilità e presenza. Le sottoscale ITC-SOPI hanno indicato una buona presenza: Presenza Spaziale M=3,60 (DS=0,70), Coinvolgimento M=3,87 (DS=0,78), Validità Ecologica M=3,27 (DS=1,53; un partecipante ha valutato questo aspetto 1/5, contribuendo all’SD più ampio), Effetti Negativi M=1,58 (DS=0,60). All’IWA, i partecipanti si sentivano come se stessero parlando con una persona reale (M=8,43/10), NON si sentivano come se stessero parlando con il proprio logopedista (M=2,86/10; punteggi più bassi indicano che l’incarnazione del logopedista è stata mascherata con successo), hanno trovato gli scenari simulati rilevanti (M=9,29/10), e desideravano fortemente accedere allo strumento per praticare situazioni stressanti (M=9,57/10). I due partecipanti più grandi (16 e 18 anni) hanno dato i punteggi più alti per “mi sembrava di parlare con il mio logopedista” (10 e 8 rispettivamente), riconoscendo la prosodia e l’intonazione del logopedista anziché la voce modulata.

Obiettivo 2 - risposte fisiologiche e soggettive all’ansia. Lo SCL del gruppo sperimentale VR era significativamente elevato rispetto al basale durante sia la preparazione del discorso (Sessione 1: IC 95% [0,404; 2,578], p=,006; Sessione 2: IC 95% [0,215; 0,935], p<,001) sia la conversazione (Sessione 1: IC 95% [0,351; 2,142], p=,009; Sessione 2: IC 95% [0,859; 4,471], p=,008). Il gruppo di controllo con gioco di ruolo del logopedista NON ha mostrato elevazione significativa dello SCL rispetto al basale in nessuna fase di nessuna sessione (tutti p>,05).

I tassi di rilevazione SCR hanno mostrato un pattern inatteso nella Sessione 1: il gruppo di controllo ha esibito MAGGIORI SCR rispetto al gruppo sperimentale, in particolare per le smorfie di disappunto (t=-3,79, p<,05) e per tutti gli stimoli combinati (t=-3,76, p<,05). All’interno del gruppo sperimentale, i tassi di rilevazione SCR erano comparabili tra le condizioni in virtuo (Sessione 1) e in vivo (Sessione 2) (t(4)=-1,07, p=,35).

La frequenza cardiaca e l’RMSSD hanno prodotto un pattern inatteso in entrambi i gruppi. Anziché il previsto aumento della FC sotto stress, entrambi i gruppi hanno mostrato una DIMINUZIONE della FC rispetto al basale nella maggior parte delle fasi e un AUMENTO dell’RMSSD. Gli autori interpretano questo come adattamento autonomico o abituazione durante lo stress sociale (Kreibig, 2010).

Il SUDS soggettivo ha mostrato una chiara dissociazione dall’arousal fisiologico. Nella Sessione 1, il SUDS del gruppo VR durante la conversazione in virtuo NON differiva significativamente dal basale. Il SUDS del gruppo con gioco di ruolo era significativamente elevato sopra il basale sia all’inizio sia alla fine della conversazione (p<,001). L’effetto tra gruppi alla fine della conversazione era ampio (d=1,35, IC 95% [-2,77; -0,67], p=,031).

Obiettivo 3 - valore aggiunto della VR rispetto al gioco di ruolo del logopedista. L’autoefficacia non ha mostrato differenze statisticamente significative tra i gruppi in nessun momento di misurazione (Mann-Whitney U, tutti p>,58) e nessun cambiamento statisticamente significativo all’interno dei gruppi dalla Sessione 1 alla Sessione 2 (sperimentale Wilcoxon Z=-1,36, p=,17, r=,60; controllo Z=-0,94, p=,345, r=,39). Gli autori concludono che una singola sessione di training in nessuna delle due condizioni ha prodotto guadagni significativi nell’autoefficacia o ha ridotto l’ansia durante la successiva conversazione in vivo con l’attore-insegnante sconosciuto.

Perché è importante

Questo è il primo studio sulla balbuzie a implementare un ambiente VR faccia a faccia in tempo reale con un avatar fotorealistico il cui comportamento verbale e non verbale è guidato in diretta da un clinico tramite motion capture facciale, abbinando ciò a misure fisiologiche e soggettive accoppiate. Estende il precedente lavoro su classi virtuali dello stesso gruppo di ricerca (Moise-Richard et al. 2021) dagli scenari di pubblico di gruppo alla conversazione individuale.

Il contributo interpretativo centrale è la dissociazione tra arousal fisiologico elevato (SCL) e disagio soggettivo invariato (SUDS) nella condizione VR - un pattern coerente con il modello tripartito dell’ansia di Lang e con Brundage et al. (2016) negli adulti che balbettano. Se un futuro protocollo multisessione conferma questa dissociazione in modo affidabile, gli autori propongono che potrebbe supportare la VR come punto di ingresso iniziale per gli adolescenti evitanti che altrimenti rifiuterebbero l’esposizione in vivo. Gli autori sono espliciti nel precisare che questa è un’inferenza dal pattern di dissociazione, non un effetto terapeutico dimostrato da questo studio.

Altrettanto importante è ciò che lo studio NON ha mostrato: una singola sessione di training VR non era superiore a una singola sessione di gioco di ruolo del logopedista nel ridurre l’ansia o migliorare l’autoefficacia quando i partecipanti affrontavano successivamente un attore-insegnante sconosciuto. Gli autori sono chiari nel ritenere che siano necessari protocolli multisessione all’interno di un quadro CBT completo prima che si possa formulare qualsiasi raccomandazione clinica sul valore aggiunto della VR.

Per Therapy withVR specificatamente: questo studio non ha utilizzato, valutato o confrontato Therapy withVR. Il sistema testato è un’applicazione personalizzata Unreal Engine 5.03 / MetaHuman guidata dal motion capture facciale del logopedista su un Meta Quest 2. Therapy withVR è una piattaforma diversa con un modello di controllo diverso (ambienti, emozioni e comportamento del pubblico regolabili dal clinico da un’applicazione web).

Limiti

Gli autori segnalano esplicitamente i seguenti limiti:

• Campione molto piccolo. N=12, 6 per gruppo. È stata osservata una sostanziale variazione individuale nelle risposte sia percepite sia fisiologiche. È necessario un campione più ampio per caratterizzare la variabilità e identificare i profili di risposta.
• Singola sessione di training. Gli autori sono espliciti nel ritenere che una sessione sia insufficiente per valutare gli effetti del training sull’autoefficacia e sull’ansia; sono necessari protocolli multisessione.
• Incoerenza degli attori-insegnanti nella Sessione 2. Due diversi attori hanno interpretato l’insegnante in vivo attraverso il campione (abbinati per fascia d’età e tipo fisico), ma ogni attore aveva naturalmente caratteristiche prosodiche diverse e reazioni uniche.
• Lo stesso logopedista ha interpretato entrambi i ruoli. Il logopedista di ogni partecipante a volte interpretava l’avatar (gruppo sperimentale) e a volte il partner di gioco di ruolo di persona (gruppo di controllo). Questo riflette la variazione naturale del contesto clinico ma aggiunge variabilità ai dati.
• Riconoscimento del logopedista da parte dei partecipanti più grandi. I due partecipanti più grandi (16 e 18 anni) hanno riconosciuto la prosodia e lo stile del parlato del loro logopedista nonostante la modulazione vocale, il che potrebbe aver influenzato le loro risposte emotive.
• Misurazione retrospettiva del SUDS. Il SUDS è stato somministrato dopo la conversazione per evitare di interrompere il compito. I partecipanti che hanno regolato naturalmente la loro ansia durante la conversazione potrebbero aver sottostimato l’ansia di picco retrospettivamente.
• Nessuna misura delle tendenze immersive. Il Questionario sulle Tendenze Immersive (Witmer & Singer, 1998) è stato escluso per ridurre il carico cognitivo sui partecipanti più giovani. Le differenze individuali nella propensione all’immersione possono spiegare la variabilità nelle risposte di presenza soggettiva ed emotiva.
• Confronto tra setting individuale e di gruppo non effettuato. Alcuni partecipanti hanno riportato un’ansia inferiore alle attese in contesti individuali; lavori futuri potrebbero confrontare la VR con un singolo avatar con scenari di gruppo virtuali.
• Nessun eye-tracking. Alcuni bambini sembravano evitare il contatto visivo con l’insegnante virtuale; l’eye-tracking aiuterebbe a quantificare i comportamenti di evitamento.
• Attore sconosciuto anziché insegnante reale. La Sessione 2 in vivo ha utilizzato un attore sconosciuto anziché l’insegnante reale di ogni partecipante. Questo ha migliorato il controllo sperimentale ma ha ridotto le poste personali (nessuna conseguenza accademica o sociale reale per le risposte del partecipante), contribuendo potenzialmente a una minor ansia percepita.
• Non un quadro di esposizione CBT completo. La procedura è più accuratamente una “sessione di training” che una formale terapia di esposizione. Non è stato implementato un protocollo CBT completo basato sull’esposizione.
• Conflitto di interessi da dichiarare. Il co-autore Stephane Bouchard è consulente e detiene partecipazione azionaria in Cliniques et Developpement In Virtuo, una società di sviluppo VR. L’articolo afferma esplicitamente che tale società non ha creato gli ambienti utilizzati in questo studio, ma la relazione azionaria è un fattore di sfondo rilevante nella valutazione dell’impostazione interpretativa dell’articolo.