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

EV0811

Açıklanabilir yapay zekâ antidepresan yanıtını öngörmede yeni genomik, immünoprofilleme ve bağırsak beyin ekseni biyobelirteçlerini tanımlıyor: çok kıtalı bir gözlemsel çalışmanın bulguları

EXPLAINABLE AI IDENTIFIES NOVEL GENOMIC, IMMUNOPROFILING, AND GUT-BRAIN AXIS BIOMARKERS FOR PREDICTING ANTIDEPRESSANT RESPONSE: FINDINGS FROM A MULTI-CONTINENTAL OBSERVATIONAL STUDΥ

Çok modaliteli biyobelirteç verisine uygulanan açıklanabilir yapay zekâ ile genomik model %85,7 doğrulukla antidepresan yanıtını öngörmüş ve yayımlanmış SNP temelli modelleri geride bırakmıştır.

Çalışmanın amacı, majör depresif bozuklukta (MDD) birinci basamak tedaviyle remisyonun %30'un altında kalması ve yayımlanmış modellerin büyük ölçüde tek modaliteli (%70 ile %77 doğruluk) ve sınırlı yorumlanabilirlikte olması nedeniyle, çok modaliteli biyobelirteç verisine açıklanabilir yapay zekâ (explainable AI, XAI) uygulamaktır. Yöntem olarak OPADE çok merkezli gözlemsel kohortunda (HE GA 101095436) İtalya, İspanya, Kolombiya ve Türkiye'den MDD tanılı 150 erişkin (%59 kadın) incelenmiş; sonlanım ikili olarak tanımlanmıştır (yanıt verenler: HAM-D17 puanında T0'dan T1'e %50 ve üzeri azalma; kısmi yanıt verenler %25 ile %49 ve yanıt vermeyenler %25 altı birleştirilmiştir). Modalite modelleri genomik (730K SNP'den 200 özelliğe), immünoprofilleme (antikor repertuvarı mikrodizileri), mikrobiyom (shotgun metagenomik, GTDB taksonomisi), metilasyon (789K CpG'den 200 bölgeye) ve klinik (belirti maddeleri ve vital bulgular; sonlanımla bağlanmayı önlemek için HAM-D17 toplam puanı dışlanmıştır) olarak kurulmuş; işlem hattında AutoML (12 ile 15 algoritma) ile küresel ve hasta düzeyinde yorumlanabilirlik için SHAP ve PFI kullanılmıştır. Model başarımı genomikte doğruluk %85,7, AUC %85,4, özgüllük %90, duyarlılık %81,8; immünoprofillemede %81, %85,5, %81,8 ve %80; klinik modelde %80, %81,2, %91,2 ve %56,2; metilasyonda %78,3, %77,3, %83,3 ve %72,7; mikrobiyomda %77, %75, %73,3 ve %81,8 olarak bildirilmiştir. Yanıt oranının %34 varsayıldığı 100 hastalık temsilde genomik model 28 yanıt vereni doğru saptamış, 6'sını kaçırmış, 59 yanıt vermeyeni doğru sınıflamış ve 7 yanlış alarm vermiştir. Bağırsak beyin ekseni adaylarında yanıt ile Citrobacter braakii ve Blautia intestinalis artışı, Lactiplantibacillus pentosus azalışı; yanıtsızlık ile Agathobacter rectalis ve Lacticaseibacillus paracasei artışı ilişkilendirilmiş, cinsiyete özgü diyet etkileşimleri bildirilmiştir (erkeklerde düşük şekerle Enterococcus artışı; kadınlarda düşük şekerle Bifidobacterium, orta düzey şekerle Faecalibacterium ve Eggerthella azalışı). Diğer modalitelerde SHAP çözümlemesi immünoprofillemede öncü özelliklerin herpesvirüs (CMV/EBV) epitoplarıyla dizi benzerliği gösterdiğini, metilasyonda cg20305683_TC21'in bir hastanın öngörülen yanıt verme olasılığını %23 artırdığını ortaya koymuştur. Sonuç olarak genomik doğruluk yayımlanmış SNP temelli modellerin üzerindedir, yalnızca peptit immünoprofilleme biyobelirteçlerine dayanan ilk MDD yanıt modeli sunulmuştur ve bağırsak beyin ekseni ile cinsiyete özgü diyet etkileşimleri hipotez üretici adaylar olarak bildirilmiştir.

Tüm WCP 2026 özetleri