Metodi Computazionali e di Apprendimento Automatico Applicati alle Neuroscienze Cognitive e delle Emozioni

La premessa dell'emergente settore delle neuroscienze cognitive computazionali è rappresentata dallo sviluppo di modelli matematici e computazionali delle strutture cerebrali al fine di comprendere nel dettaglio i funzionamenti mentali e comportamentali. Tali modelli possono contemplare diversi livelli di astrazione e di analisi, spaziando dalle attività unitarie di neuroni e sinapsi fino a livello delle reti neurali o di sistema, in cui diverse regioni cerebrali interagiscono, dando vita alla cognizione, ai comportamenti ed alle azioni. L'importanza dei metodi computazionali nelle neuroscienze cognitive è ragguardevole per differenti discipline e sotto diversi punti di vista; per esempio, essi rappresentano uno strumento fondamentale per comprendere le origini fisiologiche delle neuropatologie, dei disturbi mentali, o dei meccanismi neurobiologici alla base del "processo decisionale", del processamento emozionale e del comportamento. La presente tesi riguarda le metodologie e le tecniche applicate al settore delle neuroscienze cognitive computazionali. In particolare vengono considerati il processamento emozionale implicito ed i meccanismi di elaborazione non consapevole (inconscia). Attraverso una analisi sistematica della letteratura tecnica, sono stati ottenuti dei modelli matematici e computazionali che descrivono il processamento inconscio del cervello ed il sistema di valutazione emozionale implicito. Successivamente, tali modelli sono stati utilizzati in una analisi deduttiva che fornisce una descrizione meccanicistica di come i comportamenti e le reazioni emozionali anormali derivano da disfunzioni neurocircuitali. Inoltre, vengono presentate simulazioni numeriche che mostrano una evoluzione temporale (plausibile da un punto di vista neurofisiologico) delle risposte neurali durante il processamento emozionale traumatico. I modelli proposti e le simulazioni numeriche suggeriscono metodi innovativi per la modulazione emozionale in modelli animali (ad esempio come indurre risposte emozionali traumatiche inestinguibili, o come ridurre ed estinguere reazioni patologiche); questi metodi si basano sulla recente tecnologia di manipolazione optogenetica (la cosiddetta "engram technology", sviluppata all'interno del Labgoratorio Tonegawa, MIT) congiuntamente ad una innovativa tecnica neurocomportamentale, denominata "iterative climbing", proposta all'interno di questa tesi. Inoltre, i modelli derivati per i processamenti inconsci ed impliciti vengono estesi ad altre popolazioni neuronali oltre al sistema emozionale, suggerendo, e permettendo di modellare differenti meccanismi neurofisiologici alla base del cosiddetto effetto placebo implicito (o inconscio). I modelli proposti forniscono alcune basi teoriche per ottenere un incremento dell'efficacia di sostanze neurofarmacologiche, sfruttando specifici meccanismi neurofisiologici ed il processamento implicito. Inoltre, in questa tesi viene analizzata la possibilità di inferire le emozioni umane partendo dall'analisi della variazione della dimensione pupillare nel tempo. Il metodo proposto si basa su una moderna tecnica di machine learning, nota come modello support vector machine (SVM), che viene addestrato sulla base di dati sperimentali. Diverse features derivate dalla cosiddetta trasformata wavelet discreta e dalla rappresentazione nello spazio delle fasi del segnale pupillare, sono state estratte e processate per la classificazione. Infine, viene discusso di come tecniche di machine learning e modelli computazionali relativi al processamento non-conscio (implicito) possono essere sfruttati per lo sviluppo di uno strumento diagnostico non invasivo, basato sul segnale relativo alla variazione pupillare, per problematiche neuropsichiatriche e psicologiche, oltre che per l'inferenza dei tratti di personalità.