La tesi presenta l’applicazione di metodi matematici per lo studio delle funzioni cognitive sia in soggetti sani che in pazienti con malattie neurodegenerative. Il lavoro è articolato in tre parti, che spaziano dai fondamenti teorici, agli esperimenti comportamentali, fino alle applicazioni su dati clinici. La prima parte introduce la teoria dell’inferenza attiva, in cui cervello è concepito come una struttura Bayesiana che esegue inferenza probabilistica non solo per la percezione, ma anche per guidare le azioni. Queste vengono scelte minimizzando l’energia libera attesa, che rappresenta un compromesso tra conseguire delle proprie preferenze e guadagnare informazione. In questa prima sezione della tesi sono infine presentati i Processi di Decisione di Markov Parzialmente Osservabili (POMDP) come modelli formali dell’inferenza attiva in tempo discreto. La seconda parte adotta l’approccio dell’inferenza attiva per modellare il comportamento di 20 adulti sani impegnati in un compito di Stroop, svolto sotto due livelli di sforzo cognitivo. Qui, un POMDP gerarchico è stato invertito a partire dai dati comportamentali, e i risultati suggeriscono che la modulazione volontaria dello sforzo cognitivo può essere spiegata da variazioni nella motivazione durante lo svolgimento del compito. La terza parte presenta tre approcci matematici per affrontare problemi clinici. In primo luogo, la prevalenza stratificata per età della malattia di Alzheimer e della demenza frontotemporale è stata stimata mediante funzioni logistiche generalizzate. Successivamente, viene presentata la definizione di una soglia diagnostica per i neurofilamenti a catena leggera (NfL), utilizzando un classificatore Support Vector Machine. Infine, viene descritta un’analisi di regressione impiegata per valutare la concordanza tra due piattaforme di laboratorio per misurare le concentrazioni di NfL. Nel complesso, la tesi illustra come la modellizzazione matematica possa essere applicata a diversi ambiti delle neuroscienze, dai modelli teorici della cognizione alle sfide pratiche legate ai biomarcatori clinici.
This thesis presents the application of mathematical methods to the study of cognition and neurodegeneration. The work is organized in three main parts, spanning theoretical foundations, behavioral experiments, and applications to clinical data. The first part introduces the theory of active inference. Within this framework, the brain is seen as a Bayesian machine that employs probabilistic inference not only for perception, but also to guide action. Action selection is formalized as the minimization of expected free energy, representing a trade-off between seeking out preferred sensations and information gain. Partially Observable Markov Decision Processes (POMDPs) are then presented as formal models of discrete-time active inference. The second part adopts the active inference approach to model the behavior of 20 healthy adults performing a color--word Stroop task under two levels of intentional cognitive effort. A hierarchical POMDP was inverted on both choice and reaction time data, and competing model structures were compared using Parametric Empirical Bayes. The results suggest that voluntary modulation of effort can be explained by changes in motivation. The third part includes three mathematical approaches for clinical problems. First, the age-specific prevalence of Alzheimer’s disease and frontotemporal dementia was estimated using generalized logistic functions. Second, an age-adjusted diagnostic cut-off for neurofilament light chain (NfL) was developed using a two-threshold Support Vector Machine classifier, combined with Bayesian regression to account for confounding variables. Third, the agreement between two laboratory platforms for the measurement of NfL concentrations was evaluated through regression analyses. Overall, the thesis illustrates how mathematical modeling can be applied to different areas of neuroscience, from abstract theories of cognition to practical challenges related to clinical biomarkers.
Mathematical models of cognition: from active inference to clinical applications
MARAMOTTI, RICCARDO
2026
Abstract
La tesi presenta l’applicazione di metodi matematici per lo studio delle funzioni cognitive sia in soggetti sani che in pazienti con malattie neurodegenerative. Il lavoro è articolato in tre parti, che spaziano dai fondamenti teorici, agli esperimenti comportamentali, fino alle applicazioni su dati clinici. La prima parte introduce la teoria dell’inferenza attiva, in cui cervello è concepito come una struttura Bayesiana che esegue inferenza probabilistica non solo per la percezione, ma anche per guidare le azioni. Queste vengono scelte minimizzando l’energia libera attesa, che rappresenta un compromesso tra conseguire delle proprie preferenze e guadagnare informazione. In questa prima sezione della tesi sono infine presentati i Processi di Decisione di Markov Parzialmente Osservabili (POMDP) come modelli formali dell’inferenza attiva in tempo discreto. La seconda parte adotta l’approccio dell’inferenza attiva per modellare il comportamento di 20 adulti sani impegnati in un compito di Stroop, svolto sotto due livelli di sforzo cognitivo. Qui, un POMDP gerarchico è stato invertito a partire dai dati comportamentali, e i risultati suggeriscono che la modulazione volontaria dello sforzo cognitivo può essere spiegata da variazioni nella motivazione durante lo svolgimento del compito. La terza parte presenta tre approcci matematici per affrontare problemi clinici. In primo luogo, la prevalenza stratificata per età della malattia di Alzheimer e della demenza frontotemporale è stata stimata mediante funzioni logistiche generalizzate. Successivamente, viene presentata la definizione di una soglia diagnostica per i neurofilamenti a catena leggera (NfL), utilizzando un classificatore Support Vector Machine. Infine, viene descritta un’analisi di regressione impiegata per valutare la concordanza tra due piattaforme di laboratorio per misurare le concentrazioni di NfL. Nel complesso, la tesi illustra come la modellizzazione matematica possa essere applicata a diversi ambiti delle neuroscienze, dai modelli teorici della cognizione alle sfide pratiche legate ai biomarcatori clinici.I documenti in SFERA sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.
