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

SO237

Yapay zekâ ve intiharın önlenmesi: dijital sinyalleri klinik içgörüye çevirmek

ARTIFICIAL INTELLIGENCE (AI) AND SUICIDE PREVENTION: TRANSLATING DIGITAL SIGNALS INTO CLINICAL INSIGHT

Sosyal medya, akıllı telefon ve giyilebilir cihazlardan elde edilen aktif ve pasif dijital sinyaller yapay zekâ modelleriyle intihar riskinin saptanmasında umut verici bulunmuş, bu da önlemeyi tepkisel olmaktan çıkarıp öngörücü hale getirebilir.

Çalışmanın amacı, dijital davranış sinyalleri üzerinden intiharın önlenmesine yönelik yapay zekâ (artificial intelligence, AI) temelli yaklaşımları değerlendirmek ve bunların psikiyatri pratiğindeki uygulanabilirliğini incelemektir. Gerekçe olarak, geleneksel psikiyatrik değerlendirmenin aralıklı klinik görüşmelere ve öznel bildirime dayandığı, bu nedenle intihar düşüncesinin dinamik doğasını yakalayamayabileceği belirtilmektedir. Yöntem olarak son beş yılda yayımlanan çalışmaların anlatısal derlemesi (narrative review) yapılmış; PubMed'de "artificial intelligence", "suicide prevention" ve "machine learning" terimleriyle ulaşılan 17 çalışmanın 13'ü dahil edilme ölçütlerini karşılamıştır. Dahil edilen çalışmalar sosyal medya, akıllı telefon, giyilebilir cihaz ve diğer dijital platformlardan elde edilen verileri analiz etmiş, klinik ilgi ve çeviri potansiyeline odaklanmıştır. Bulgulara göre yapay zekâ modelleri, aktif sinyaller (olumsuz duygulanımın dilsel belirteçleri, kendine gönderimli dil, umutsuzluk) ve pasif davranışsal sinyaller (azalmış hareketlilik, değişmiş uyku, azalmış sosyal etkileşim) üzerinden intihar riskini saptamada güçlü bir potansiyel göstermiştir. Birçok çalışma, klinik olarak eyleme dönüştürülebilir uyarılar üretebilen gerçek zamanlı izleme sistemlerinin uygulanabilirliğini ortaya koymuştur. Yazarlar, dijital fenotipleme (digital phenotyping) kaynaklı verilerin psikiyatrik bakıma entegrasyonunun klinik karar vermeyi sürekli ve nesnel veriyle destekleyebileceğini, ancak etik sorunlar, mahremiyet, algoritmik yanlılık (algorithmic bias) ve sistemlere aşırı güvenin başlıca güçlükler olduğunu vurgulamaktadır. Gelecek araştırmaların etik uygulama, klinik iş akışlarına entegrasyon ve gerçek yaşamdaki hasta sonuçlarına etkinin değerlendirilmesine odaklanması önerilmektedir.

Tüm WCP 2026 özetleri