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

EV1212

Psikotik bozuklukların belirti yapısının altında yatan nörobilimsel mekanizmaları anlamak için hesaplamalı modelleme kullanımı

USING COMPUTATIONAL MODELING TO ADVANCE UNDERSTANDING OF THE NEUROSCIENTIFIC MECHANISMS UNDERLYING PSYCHOTIC DISORDERS SYMPTOMATOLOGY.

Şizofreni spektrum bozukluğu olan hastalarda pekiştirmeli öğrenme görevlerinde daha düşük öğrenme hızları ile ödül ve cezaya düşük duyarlılık saptanmış, en belirgin bozulma negatif belirtileri baskın hastalarda görülmüştür.

Çalışmanın amacı, hesaplamalı modellerin (computational modeling) pekiştirmeli öğrenme (reinforcement learning) ve karar vermedeki özgül farklılıkları ayrıştırarak psikotik bozukluk belirtilerinin nörobilimsel temelini aydınlatmasıdır. Örnekleme 138 şizofreni spektrum bozukluğu hastası ve 188 sağlıklı kontrol alınmış; katılımcılar hem olasılıksal öğrenmeyi hem de talimatla öğrenmeyi değerlendiren pekiştirmeli öğrenme görevlerini tamamlamıştır. Davranışsal sonuçlar ayrıca bazal ganglionların yapay sinir ağı modeli (artificial neural network model) bağlamında çözümlenmiş, dopaminerjik yolaklarla iletilen olumlu ve olumsuz pekiştirme sinyallerinin öğrenme ve karar verme üzerindeki etkisi gösterilmiştir. Görevin öğrenme aşamasında üç sembol çifti olasılıksal geri bildirimle sunulmuş (A %80 ve B %20, C %70 ve D %30, E %60 ve F %40), test aşamasında ise yeni kombinasyonlar (AC, AD, AE ile BC, BD, BE) kullanılarak öğrenilen değerlerin genellenmesi ölçülmüştür. Sağlıklı kontrollerle karşılaştırıldığında hastalarda daha düşük öğrenme hızları ile hem ödüle hem cezaya karşı daha düşük duyarlılık gözlenmiş, bu bozulma özellikle negatif belirtileri baskın hastalarda belirgin olmuştur. Yanlış talimattan hastalar ve kontroller eşit ölçüde etkilenmiş; ancak talimat yanlılığının (instructional bias) aşılmasıyla ilişkili öğrenme hızları sağlıklı kontrollerde şizofreni hastalarına kıyasla anlamlı olarak daha yüksek bulunmuştur. Posterde bu karşılaştırmalara ait sayısal etki büyüklüğü (effect size) ya da p değeri verilmemiştir. Yazarlar, hesaplamalı modellerin standart klinik değerlendirme ve öz bildirim ölçekleriyle yakalanamayan bireysel özellikleri ortaya koyduğu ve ortaya çıkmakta olan psikiyatrik belirtilerin nörobilimsel temelini ayrıştırmaya katkı sağladığı sonucuna varmıştır.

Tüm WCP 2026 özetleri