The translation of this page is being prepared; the Turkish original is shown for now. Read the original

This page is an AI-assisted Turkish summary of the study presented at the 26th World Congress of Psychiatry. The study belongs to the presenting authors; please refer to the original source when citing it.

SO037

Yapay zekâ psikedelik psikiyatriyle buluşuyor: gelişen hesaplamalı ve klinik arayüzlerin şemsiye derlemesi

ARTIFICIAL INTELLIGENCE MEETS PSYCHEDELIC PSYCHIATRY: AN UMBRELLA REVIEW OF EMERGING COMPUTATIONAL AND CLINICAL INTERFACES

Yapay zekâ ile psikedelik psikiyatrinin kesişimi kuramsal olarak güçlü gelişmiş, ancak ampirik doğrulaması sınırlı bir alandır.

Amaç, psikedelik araştırmalarında yapay zekânın (artificial intelligence, AI) nasıl kullanıldığına dair derleme düzeyindeki kanıtları sentezlemek, hesaplamalı çerçeveleri tanımlamak ve klinik çıkarımları incelemektir. Çalışmanın hipotezi, yapay zekânın hasta katmanlandırması (patient stratification), tedavi yanıtının öngörülmesi ve terapötik ortamın eniyilenmesi yoluyla kesinlik psikiyatrisi (precision psychiatry) için temel bir olanak sağlayıcı teknoloji işlevi gördüğüdür. Yöntem olarak 26 Mart 2026'da PubMed üzerinde psikedelik ve yapay zekâ terimlerini birleştiren önceden tanımlanmış bir sorgu çalıştırılmış, "review" filtresi 45 kayıt getirmiş, ilgililik taramasından sonra dört derleme dahil edilerek nitel olarak sentezlenmiştir. Preklinik bağlamda derin öğrenmenin (deep learning) farmakolojik mekanizmaları modellemek ve ilaç keşfini hızlandırmak için önerildiği bildirilmiştir (Kim ve ark., 2025). Klinik araştırmada yapay zekânın çalışma tasarımını eniyilemesi, hasta katmanlandırmasına olanak vermesi, tedavi yollarını kişiselleştirmesi ve bakımın dijital sunumu ile izlemini desteklemesi öne sürülmüştür (Sarris ve ark., 2024). Kuramsal düzeyde öngörücü işlemleme (predictive processing) ve etkin çıkarım (active inference) gibi hesaplamalı çerçeveler, ego çözülmesi dahil psikedelik kaynaklı durumları benlik modellemesi ve çıkarım süreçlerindeki değişimlerle ilişkilendiren modeller sunmaktadır (Deane, 2021); öğrenme temelli modeller psikedelik etkileri artmış plastisite ve bağlama bağlı inanç güncellemesi olarak kavramsallaştırmaktadır (Caulfield ve ark., 2025). Sonuç olarak alan güçlü kuramsal gelişime karşın sınırlı ampirik doğrulamaya sahiptir; klinik çeviriyi desteklemek için veri temelli çalışmalara ve etik ile uygulama sorunlarının ele alınmasına öncelik verilmesi önerilmektedir.

All WCP 2026 summaries