Il declino dei processi di apprendimento secondo la prospettiva del cervello bayesiano: differenze tra invecchiamento sano e deterioramento cognitivo lieve

This work aims to examine the relationship between ageing and decline of learning processes from a Bayesian Brain perspective. In this framework, learning, in particular Perceptual Learning, comprises processes of acquiring information that is useful for building internal predictive models, which are fundamental for interpreting the environment, guiding behavior and promoting adaptation. Predictive Coding theory argues that the nervous system is able to generate internal models, based on prior knowledge, to infer the causes of external events. In this way, the nervous system makes the environment more predictable, avoiding states of unpredictability. However, the environment is changeable, inconsistencies may emerge between these representations and sensory input. Therefore, these models are continuously compared with the inputs through bottom-up and top-down mechanisms. In case of mismatches, these mechanisms update the predictions so that the models become increasingly accurate. Given the decline in learning abilities associated with ageing, this study investigated differences in the deterioration of predictive models by comparing a control sample composed of healthy elderly people with an experimental sample of elderly people diagnosed with Mild Cognitive Impairment (MCI). The aim was to assess differences in two learning markers in both groups to measure how the nervous system reacts to unexpected stimuli. After an initial neuropsychological assessment to diagnose the presence and severity of MCI, electrophysiological activity in response to standard roving auditory stimulation was recorded in both groups to detect two learning markers: Mismatch Negativity (MMN) and correlation with the Bayesian Surprise Index. Although the results showed differences in the time intervals of interest for both measures, these differences were not statistically significant. However, a significant effect was detected at 400 ms after stimulus presentation, an unexpected result that opens the way for further electrophysiological investigations on learning.

Questo lavoro ha l’obiettivo di esaminare il rapporto tra invecchiamento e deterioramento dei processi di apprendimento dal punto di vista del cervello Bayesiano. Secondo questa prospettiva, l’apprendimento, in particolare il Perceptual Learning, comprende processi di acquisizione di informazioni utili per costruire modelli predittivi interni, fondamentali per interpretare l'ambiente circostante, guidare il comportamento e favorire l’adattamento. La teoria del Predictive Coding sostiene che il sistema nervoso è in grado di generare modelli interni, basati su conoscenze pregresse, per inferire le cause degli eventi esterni. In questo modo, il sistema nervoso rende l'ambiente più prevedibile, evitando stati di imprevedibilità. Tuttavia, poiché l'ambiente è mutevole, possono emergere incongruenze tra queste rappresentazioni e gli input sensoriali. Pertanto, tali modelli vengono costantemente confrontati con gli input attraverso meccanismi bottom-up e top-down. In caso di incongruenze, questi meccanismi aggiornano le previsioni, affinché i modelli diventino sempre più accurati. Considerato il declino delle capacità di apprendimento associato all’invecchiamento, questo studio ha indagato le differenze nel deterioramento dei modelli predittivi confrontando un campione di controllo composto da anziani sani con un campione sperimentale di anziani con diagnosi di Mild Cognitive Impairment (MCI). L'obiettivo era valutare in entrambi i gruppi le differenze in due marcatori di apprendimento, per misurare come il sistema nervoso reagisce a stimoli inattesi. Dopo una sessione iniziale di test neuropsicologici per diagnosticare la presenza e gravità di MCI, è stata registrata l’attività elettrofisiologica in risposta a stimolazioni uditive roving standard in entrambi i gruppi, per rilevare due misure di apprendimento: la Mismatch Negativity (MMN) e la correlazione con l'Indice di Sorpresa Bayesiana. I risultati mostrano differenze negli intervalli temporali di interesse per entrambe le misure, sebbene non siano risultate statisticamente significative. Tuttavia, è stata rilevata una differenza significativa a 400 ms dalla presentazione degli stimoli, un risultato inaspettato che apre la strada a ulteriori indagini elettrofisiologiche sull’apprendimento.