Motivation can be defined as a function that activates and directs the behavior toward goals. In neuropsychiatric conditions, motivation deficits such as apathy are frequent and interfere with treatment observance and clinical outcome. The current standard approach is to assess motivation deficits with subjective questionnaires that depend on patients' insight and provide no information about underlying pathophysiological mechanisms. Here, I present a novel approach that consists in fitting computational models to the behavior observed in objective tests, so as to infer parameters that specify the patient's motivational state. These computational parameters provide (1) an explanation at the cognitive level (e.g., reduced sensitivity to reward), (2) a dysfunction at the neural level (e.g., altered dopamine release) and (3) a prediction of treatment outcome (e.g., improvement with psychostimulants). Computational fingerprinting may therefore pave the way toward a more personalized medicine.
La motivation peut être définie comme une fonction qui active et dirige le comportement vers des buts. Dans les pathologies neuropsychiatriques, les déficits de motivation tels que l’apathie sont fréquents et interfèrent avec l’observance des traitements et leur impact thérapeutique. L’approche standard actuelle consiste à évaluer les déficits de motivation à l’aide de questionnaires subjectifs qui dépendent de l’introspection du patient et ne fournissent aucune information sur les mécanismes physiopathologiques sous-jacents. Je présente ici une nouvelle approche, qui consiste à ajuster des modèles computationnels sur le comportement observé dans des tests objectifs, de manière à déduire des paramètres qui spécifient l’état motivationnel du patient. Ces paramètres computationnels fournissent (1) une explication au niveau cognitif (par exemple, une sensibilité réduite à la récompense), (2) un dysfonctionnement au niveau neuronal (par exemple, une libération de dopamine altérée) et (3) une prédiction concernant le résultat du traitement (par exemple, l’effet bénéfique des psychostimulants). L’empreinte computationnelle pourrait donc ouvrir la voie à une médecine davantage personnalisée.
Keywords: Apathy; Behavioral test; Computational model; Motivation; Neurology; Psychiatry; Treatment.