S'abonner

Théorie multidimensionnelle et computationnelle de l’humeur - 18/08/22

Multidimensional and computational theory of mood

Doi : 10.1016/j.encep.2022.02.002 
Hugo Bottemanne a, b, c, , Anouk Barberousse b, Philippe Fossati a, c
a Paris Brain Institute – Institut du Cerveau (ICM), Sorbonne University/CNRS/Inserm, Paris, France 
b Department of philosophy, Sciences Normes Démocratie research unit, Sorbonne university/CNRS, Paris, France 
c Department of psychiatry, DMU Neuroscience, Pitié-Salpêtrière hospital, Sorbonne university/Assistance publique–Hôpitaux de Paris (AP–HP), Paris, France 

*Auteur correspondant.
Sous presse. Épreuves corrigées par l'auteur. Disponible en ligne depuis le Thursday 18 August 2022
Cet article a été publié dans un numéro de la revue, cliquez ici pour y accéder

Résumé

Qu’est-ce que l’humeur ? Malgré sa place essentielle dans notre nosographie psychiatrique et en sciences cognitives, on peine toujours à en délimiter le territoire conceptuel. La distinction entre l’émotion et l’humeur est ambiguë : l’humeur est souvent présentée comme un état affectif plus prolongé et moins intense que l’émotion, ou encore sous la forme d’une polarité affective distinguant une humeur haute et une humeur basse oscillant autour d’une ligne de base. Toutefois, ces définitions ne correspondent pas à la réalité clinique des troubles de l’humeur comme la dépression unipolaire et le trouble bipolaire, et ne permettent pas de comprendre l'effet de l'humeur sur les comportements, la perception et la cognition. Dans cet article, nous proposons une théorie multidimensionnelle et computationnelle de l’humeur inspirée des hypothèses contemporaines en neurosciences théoriques et en philosophie de l’émotion. Après avoir proposé une distinction opératoire entre l’émotion et l’humeur, nous montrons comment une succession d’émotions peut générer de manière cumulative une humeur congruente au fil du temps, faisant de l’humeur un état émergent à partir de l’émotion. Nous présentons ensuite comment l’humeur détermine les états mentaux et comportementaux lors de l’interaction avec l’environnement, constituant un état dispositionnel de l’émotion, de la perception, de la croyance, et de l’action. À l’aide de ce cadre théorique, nous proposons une représentation computationnelle des dimensions émergentes et dispositionnelles de l’humeur en formalisant l’humeur sous la forme d’une couche de croyances bayésiennes de troisième-ordre encodant la précision de l’émotion, et régulée par les erreurs de prédiction associées aux prédictions intéroceptives. Enfin, nous montrons comment ce cadre théorique éclaire les processus impliqués dans les troubles de l’humeur, l’émergence de croyances congruentes à l’humeur, ou encore les mécanismes d’action des traitements antidépresseurs en psychiatrie clinique.

Le texte complet de cet article est disponible en PDF.

Abstract

What is mood? Despite its crucial place in psychiatric nosography and cognitive science, it is still difficult to delimit its conceptual ground. The distinction between emotion and mood is ambiguous: mood is often presented as an affective state that is more prolonged and less intense than emotion, or as an affective polarity distinguishing high and low mood swinging around a baseline. However, these definitions do not match the clinical reality of mood disorders such as unipolar depression and bipolar disorder, and do not allow us to understand the effect of mood on behaviour, perception and cognition. In this paper, we propose a multidimensional and computational theory of mood inspired by contemporary hypotheses in theoretical neuroscience and philosophy of emotion. After suggesting an operational distinction between emotion and mood, we show how a succession of emotions can cumulatively generate congruent mood over time, making mood an emerging state from emotion. We then present how mood determines mental and behavioral states when interacting with the environment, constituting a dispositional state of emotion, perception, belief, and action. Using this theoretical framework, we propose a computational representation of the emerging and dispositional dimensions of mood by formalizing mood as a layer of third-order Bayesian beliefs encoding the precision of emotion, and regulated by prediction errors associated with interoceptive predictions. Finally, we show how this theoretical framework sheds light on the processes involved in mood disorders, the emergence of mood congruent beliefs, or the mechanisms of antidepressant treatments in clinical psychiatry.

Le texte complet de cet article est disponible en PDF.

Mots clés : Humeur, Emotion, Psychiatrie computationnelle, Neurosciences computationnelles, Cerveau bayésien, Inférence active, Troubles de l’humeur, Trouble bipolaire

Keywords : Mood, Emotion, Computational psychiatry, Computational neuroscience, Bayesian brain, Active inference, Mood disorder, Bipolar disorder


Plan


© 2022  L'Encéphale, Paris. Publié par Elsevier Masson SAS. Tous droits réservés.
Ajouter à ma bibliothèque Retirer de ma bibliothèque Imprimer
Export

    Export citations

  • Fichier

  • Contenu

Bienvenue sur EM-consulte, la référence des professionnels de santé.
L’accès au texte intégral de cet article nécessite un abonnement.

Déjà abonné à cette revue ?

Mon compte


Plateformes Elsevier Masson

Déclaration CNIL

EM-CONSULTE.COM est déclaré à la CNIL, déclaration n° 1286925.

En application de la loi nº78-17 du 6 janvier 1978 relative à l'informatique, aux fichiers et aux libertés, vous disposez des droits d'opposition (art.26 de la loi), d'accès (art.34 à 38 de la loi), et de rectification (art.36 de la loi) des données vous concernant. Ainsi, vous pouvez exiger que soient rectifiées, complétées, clarifiées, mises à jour ou effacées les informations vous concernant qui sont inexactes, incomplètes, équivoques, périmées ou dont la collecte ou l'utilisation ou la conservation est interdite.
Les informations personnelles concernant les visiteurs de notre site, y compris leur identité, sont confidentielles.
Le responsable du site s'engage sur l'honneur à respecter les conditions légales de confidentialité applicables en France et à ne pas divulguer ces informations à des tiers.


Tout le contenu de ce site: Copyright © 2024 Elsevier, ses concédants de licence et ses contributeurs. Tout les droits sont réservés, y compris ceux relatifs à l'exploration de textes et de données, a la formation en IA et aux technologies similaires. Pour tout contenu en libre accès, les conditions de licence Creative Commons s'appliquent.