Bu sayfa, 26. Dünya Psikiyatri Kongresi'nde sunulan çalışmanın yapay zekâ desteğiyle hazırlanmış Türkçe özetidir. Çalışmanın sahibi sunan yazarlardır; atıf için orijinal kaynağa başvurun.

EV0464

LAGUN_Şizofreni: şizofreni hastalarında riskleri öngörmek ve alevlenmeleri azaltmak için yapay zekâ temelli bir sistem

LAGUN_SCHIZOPHRENIA: ARTIFICIAL INTELLIGENCE-BASED SYSTEM FOR PREDICTING RISKS AND MINIMIZING RELAPSES IN PATIENTS WITH SCHIZOPHRENI.

Klinik, hasta bildirimli ve giyilebilir cihaz verilerini birleştiren yapay zekâ temelli LAGUN platformu erken klinik uygulamaya geçmiştir; öngörü başarısı ve alevlenmeye etkisi henüz doğrulanmamıştır.

Çalışmanın amacı, klinik, davranışsal ve fizyolojik verileri birleştirerek dijital biyobelirteçleri saptayan, bireysel alevlenme riskini kestiren ve hastaneden eve geçiş dönemlerinde klinisyenlere eyleme dönüştürülebilir bilgi sunan yapay zekâ temelli bir dijital sağlık platformu geliştirmek ve doğrulamaktır. LAGUN üç boylamsal veri kaynağını bütünleştirmektedir: klinik ve bağlamsal veriler (başlangıç özellikleri, klinik öykü, psikososyal etmenler), hasta kaynaklı veriler (mobil uygulama üzerinden özbildirimli sağlık, günlük etkinlik ve tedavi uyumu) ve pasif dijital biyobelirteçler (giyilebilir cihazdan elde edilen etkinlik, uyku ve kardiyovasküler ölçümler). Çok kipli veriler yapay zekâ analiz modüllerinde bireysel örüntü tanıma, başlangıç durumundan sapmaların saptanması ve alevlenme riski kestirimi için işlenmekte, sonuçlar profesyonellere web tabanlı bir panel üzerinden sunulmaktadır. Pilot uygulamada 15 katılımcı alınmış, 9'u giyilebilir cihazla izlenmiş, 481 hasta günü izlenmiş ve 147 hastaneden eve geçiş kaydedilmiştir; evde izin dönemlerinin veri kapsaması %60,7 olarak bildirilmiştir. Uygulama sırasında boylamsal uyku ve solunum hızı ölçümleri başarıyla toplanmış, ancak giyilebilir cihazdan türetilen bazı değişkenlerin eksik kaldığı saptanmış ve bu bulgu veri hattının iyileştirilmesinde kullanılmıştır. Yazarlar mevcut kohortun küçük olduğunu, öngörü performansı ile alevlenme ve yeniden yatış üzerindeki etkinin daha geniş ölçekli doğrulama gerektirdiğini belirtmektedir. Sonuç olarak platformun, klinisyen önderliğindeki karar vermeyi koruyarak sürekli, öngörücü ve kişiselleştirilmiş şizofreni bakımını desteklemeyi hedeflediği, ileriye dönük doğrulamanın alevlenmeyi öngörme ve önleme yeteneğini ortaya koyacağı ifade edilmektedir.

Tüm WCP 2026 özetleri