Oct 2026· Atlas Universitesi Tip ve Saglik Bilimleri Dergisi· 0 citations
Abstract
Ruhsal hastalıkların küresel ölçekte artan yükü, özellikle düşük ve orta gelirli ülkelerde psikiyatri hizmetlerine erişimde eşitsizlikler yaratmaktadır. COVID-19
pandemisi bu durumu daha da ağırlaştırarak, dijital çözümlere ve yeni müdahale yöntemlerine olan ihtiyacı artırmıştır. Bu bağlamda yapay zekâ, psikiyatri
ve psikoterapide önemli bir dönüşüm potansiyeli sunmaktadır. Yapay zekâ; alt teknolojiler aracılığıyla tanı, prognoz, tedavi ve psiko-eğitim süreçlerinde
giderek daha yaygın kullanılmaktadır. Klinik karar destek sistemleri, doğal dil işleme tabanlı duygu analizi, mobil uygulamalar ve telepsikiyatri çözümleri,
sağlık profesyonellerine iş yükünü hafifletme ve hizmet erişimini artırmada güçlü imkânlar sunmaktadır. Duygudurum bozukluklarında elektroensefalografi
tabanlı derin öğrenme modelleri tanıda yüksek doğruluk sağlamış; sanal terapi araçları ise psiko-eğitim ve semptom azaltmada anlamlı etkiler göstermiştir.
Şizofreni, bipolar bozukluk ve otizmde kullanılan algoritmalar, hastalık seyri tahmininde ve erken tanıda umut verici sonuçlar vermektedir. Bununla birlikte,
veri gizliliği, etik sorunlar ve klinik doğrulama ihtiyacı, bu teknolojilerin yaygınlaşmasının önündeki başlıca engellerdir. Yapay zekâ ruh sağlığı alanında büyük
fırsatlar sunsa da etik riskler ve insan-insan etkileşiminin azalması nedeniyle ancak insan merkezli, şeffaf ve tarafsız bir şekilde uygulandığında etkili
olabilir. Sonuç olarak, yapay zekânın psikiyatrideki rolü hızla genişlemekte olup, gelecekte daha erişilebilir, maliyet-etkin ve kişiselleştirilmiş ruh sağlığı
hizmetleri sunulmasına katkı sağlayacağı öngörülmektedir. Bu süreçte etik ilkelerin, hasta mahremiyetinin ve insan merkezli yaklaşımların korunması kritik
önemdedir.
Anahtar Kelimeler: Yapay Zekâ, Öğrenme, Ruhsal Bozukluklar, Etik
Investigating how experienced developers use agents in building software, including their motivations, strategies, task suitability, and sentiments finds that while experienced developers value agents as a productivity boost, they retain their agency in software design and implementation out of insistence on fundamental software quality attributes.
This systematic review evaluates 55 studies from 2017 to 2023 on the application of machine learning techniques to ASD, highlighting key challenges and opportunities, particularly the need for models that can integrate complex data to improve diagnostic accuracy and treatment outcomes.
Rafael Muñoz-Terol, Jesús Peral, Sandra Amador et al.· Heliyon· 4 citations· ⚡1
This paper identifies two different routes through which models can acquire geometrically separable features: they can learn them from complementary co-occurrence signals in general language data, including text-number co-occurrence and cross-number interaction, or from multi-token addition problems.
A novel quantum generative model for synthesizing tabular data by proposing a quantum generative adversarial network architecture with flexible data encoding and a novel quantum circuit ansatz for effectively modeling tabular data is introduced.
P. Bhardwaj, Caitlin Jones, Lasse Dierich et al.· Scientific Reports· 2 citations
This survey model agent state as a dynamic graph, where memories, tools, skills, workflows, and inter-agent relations are represented as typed nodes, edges, and subgraphs updated through schema-constrained rewrites to provide a compact structural lens for designing and governing self-evolving agents.
Yuanyuan Xu, Wenjie Zhang, Yin Chen et al.· 2 citations