La motivation dans tous ses K

Approche computationnelle des pathologies neuropsychiatriques

Motivation in all Ks: computational approach to neuro-psychiatric diseases

¹ Motivation, Brain and Behavior (MBB) lab, institut du cerveau et de la moelle épinière (ICM), hôpital de la Pitié-Salpêtrière, 47, boulevard de l’hôpital, 75013 Paris, France
² Inserm U1127, CNRS U9225, université Pierre et Marie Curie (UPMC-Paris 6), Paris, France
³ Urgences cérébro-vasculaires, hôpital de la Pitié-Salpêtrière, université Pierre et Marie Curie, Paris, France

^* rlebouc@gmail.com

Résumé

La motivation peut être définie comme la fonction qui oriente et active le comportement. Nous résumons dans cette revue les acquis récents des neurosciences concernant les bases cérébrales des fonctions motivationnelles. En clinique neuropsychiatrique, les troubles de la motivation sont fréquents et actuellement évalués par des échelles qui ne renseignent pas sur les mécanismes sous-jacents. Nous présentons ici une nouvelle approche, dite computationnelle. Elle consiste à phénotyper le comportement des patients dans des tests de motivation, au moyen de modèles computationnels. Ces phénotypes computationnels caractérisent l’état du patient et pourraient aider au suivi et à la personnalisation du traitement.

Abstract

Motivation can be defined as the function that orients and activates the behavior. Motivation deficits such as apathy are pervasive in both neurological and psychiatric diseases, and are currently assessed with clinical scales that do not give any mechanistic insight. Here, we present another approach that consists in phenotyping the behaviour of patients in motivation tests, using computational models. These formal models impose a precise and operational definition of motivation that is embedded in decision theory. We then review basic and clinical studies that have investigated the neural bases of motivation processes and shown the involvement of specific cortical, subcortical and neuromodulatory systems. Finally, we emphasize the promises of computational phenotyping for clinical purposes, as it may not only give insight into motivation deficits but also help personalize treatment.