Araştırma Alanında Yapay Zeka Uygulamaları YZ, makinelerin insan beynine benzer şekilde problem çözme ve karar verme becerileri geliştirmesiyle ilgilenen bilgisayar bilimleri alanıdır (1). YZ tabanlı sistemlerin çok büyük miktarda veriyle eğitilerek bu becerileri kazanmasında makine öğrenme algoritmaları kullanılır (2). Geleneksel bilgisayar sistemlerinin aksine YZ, verilen hipotezi test etme yerine hipotez geliştirmeye odaklanır (3). Psikiyatrik hastalıkların erken tanısı ve önlenmesiyle ilgili araştırmalarda YZ uygulamaları yeni bir alan açmıştır. YZ; beyin görüntüleme, genetik incelemeler, elektroensefalografi, polisomnografi, kan testleri, fiziksel ölçümler gibi yöntemlerle elde edilen, yüz binlerce katılımcıdan toplanan büyük verilerde ortak kalıpların saptanması ve yüksek riskli kişilerin belirlenmesinde kullanılabilmektedir (4). Beyin görüntüleme verilerine dayanarak kişinin sağlıklı kontrol grubunda mı yoksa hasta grubunda mı olduğunu tahmin etmede %98 isabete varan sonuçlar bildirilmiştir (5). Sofistike yöntemlerle elde edilen veriler dışında, hastaların yaş, cinsiyet, etnik köken, gelir düzeyi vb. sosyodemografik bilgilerinden yararlanarak tanı ve tedavi yanıtını öngörmede YZ ile başarılı sonuçlar elde edilmiştir (6). Özetle, duygudurum bozuklukları, şizofreni, bağımlılık, uyku bozuklukları, Alzheimer hastalığı gibi birçok hastalıkta YZ, karmaşık verilere dayanarak geleneksel analiz yöntemlerine göre daha güçlü tahminler yapmaya olanak tanır (2, 3, 7, 8). Kasım 2022’de geniş dil modeli (GDM) ChatGPT’nin kullanıma sunulmasıyla akademik alanda YZ kullanımı giderek yaygınlaşmıştır. ChatGPT, istek ve sorulara insan konuşmasına benzer yanıtlar veren bir sohbet robotudur. Dil ve gramer açısından yazım önerilerinin yanında ChatGPT; verileri analiz etme ve sunma, kod yazma, gözden geçirme yazıları yazma, proje başvuruları hazırlama, yazılan yazıyı bir hakem gibi eleştirme gibi isteklere yanıt verebilmektedir. Bununla birlikte YZ ile sunulan bilgilerin güvenilirliği ile ilgili önemli sorunlar bulunmaktadır. Çalışma mantığı gereği, YZ modelinin sunduğu sonuçlara nasıl ulaştığını kesin olarak saptamak mümkün değildir. Bu bakımdan bir kapalı kutu olan YZ’nin eğitildiği materyalin yanlış ya da taraflı veriler içermesi varılan sonuçlarda önemli etkilere yol açabilir. Yöntem şeffaflığının güvenilirlik açısından özellikle gerekli olduğu bilimsel araştırma alanında bu çok önemli bir kısıtlılıktır. GDM’lerin sunduğu akla yatkın görünen bazı bilgiler eski, çelişkili, büyük ölçüde hatalı olabilmekte, var olmayan yayınlar kaynak olarak sunulabilmektedir (9, 10). Bu doğrultuda yayıncı kuruluşlar da YZ kullanımı ile ilgili çeşitli kısıtlamalar ve rehberler yayınlamıştır. YZ uygulamaları yayınlanan bilgilerle ilgili sorumluluk alamayacağı için yazarlar arasında sayılmamaları, araştırma ve yazının hazırlanmasında herhangi bir aşamada YZ’den yararlanıldıysa yöntem ve/veya bilgilendirme bölümlerinde durumun detaylarıyla açıklanması genel kabul gören bir yaklaşımdır (9, 11). Klinik Alanda Yapay Zeka Uygulamaları Araştırmaların yanı sıra günlük yaşamda da akıllı telefonlar ya da giyilebilir cihazlar ile toplanan sosyal medya etkinliği, internet aramaları, ilaç uyumu, coğrafi konum, fiziksel aktivite hatta konuşma miktarı değişimi gibi verilerin anlık izlenmesinde ve değerlendirilmesinde YZ kullanılabilmektedir (2). YZ’nin insanlara göre en başarılı olduğu alanlardan biri farklı veri tabanlarından topladığı veriyi hızlı biçimde Cite this article as: Hepturgun C. Psikiyatride Yapay Zeka Uygulamalarının Bugünü ve Geleceği. Arch Neuropsychiatry 2024;61:1−2. Hepdurgun. Psikiyatri ve Yapay Zeka 2 Arch Neuropsychiatry 2024;61:1−2 analiz edip sonuca varmasıdır. YZ’nin kişinin kullanımına izin verdiği tıbbi kayıtlar ile günlük yaşamdan verileri hızlı bir şekilde derleyerek özellikle duygudurum bozuklukları ve psikotik bozukluklarda alevlenmeleri erken dönemde saptayabilmesi mümkün görünmektedir (7). YZ, hastalık tanı ve takibinin yanı sıra sağlık hizmetlerinin sunumunda da optimizasyona katkıda bulunabilir. YZ tabanlı robotların, sohbet botlarının ve sanal terapistlerin yüz yüze görüşmeye göre çeşitli eksikliklere rağmen başarıyla kullanıldığını gösteren çok sayıda çalışma vardır. Bu araçların coğrafik bölgeden bağımsız olarak kolay erişilebilir olması ve yorgunluk, stres, tükenmişlik gibi insani faktörlerden olumsuz etkilenmemesi çok sayıda hastaya düşük maliyetle yardımcı olma potansiyeli taşır (8). YZ temelli araçların klinik alanda da önemli kısıtlılıkları mevcuttur. Bilgisayar teknolojileri ve internet bilgiyi yaymanın çok etkin yollarını sunsa da klinik uygulamada empatik bir insanla doğrudan temasın yarattığı “anlaşıldım” düşüncesini ve rahatlamayı sağlamada oldukça yetersizdir. Örneğin doğal afetler gibi olağan dışı durumlarında YZ tabanlı modeller çok sayıda insana hızla ulaşma olanağı sağlasa da empatik yaklaşımın eksikliği ağır stresin söz konusu olduğu bu koşullarda önemli bir kısıtlayıcıdır. Başka bir kısıtlılık da YZ ile işlenen kişisel verilerin güvenliğiyle ilgili standartların henüz oluşturulmamış olmasıdır. Özellikle günlük yaşam verileri ve tıbbi kayıtlar kişisel gizliliğin ihlaliyle ilgili önemli riskler taşımaktadır. Bu anlamda YZ uygulamalarında güvenlik ve gizlilikle ilgili ilke ve kuralların belirlenmesine ihtiyaç duyulmaktadır. Psikiyatristlerin YZ uygulamalarına bakışını araştıran, 2019 yılında yapılan bir uluslararası anket çalışmasında, YZ’nin mesleklerini önemli ölçüde değiştireceğini düşünenlerin oranı yaklaşık %50, hastalara empatik bakım vermede insanların yerini alabileceğini düşünenlerin oranı ise %17 olarak saptanmıştır (12). Koronavirus Hastalığı 2019 (COVID-19) pandemisiyle uzaktan psikiyatri uygulamalarının yaygınlaşması ve son yıllarda farklı alanlarda YZ uygulamalarına günlük pratikte erişimin giderek kolaylaşması gibi etkenlerin psikiyatristlerin bu konudaki fikirlerini etkilemiş olması muhtemeldir. Bununla birlikte bugünkü güçlü ve kısıtlı yanları göz önünde bulundurulduğunda da YZ’nin tanı koymayla ilgili süreçlerde tedavi uygulamalarına göre daha kolay entegre olacağını tahmin etmek mümkündür (7). Sonuç YZ ile ilgili güncel çalışmalar bir yandan psikiyatri pratiğinde tarama, tanı ve tedavi başarısının artırılmasına odaklanırken bir yandan güvenilirlik ve gizlilikle ilgili ortaya çıkan yeni sorunlara çözüm aramaktadır. Potansiyel yararları ve sakıncaları öngörmek için bilgilerimiz sınırlı da olsa YZ’nin hem araştırmalar hem klinik uygulamalar üzerine köklü etkilerinin olması muhtemel görünmektedir: Bugün için YZ’nin en erişebilir ve başarılı olduğu alanlardan biri metinlerin dil ve gramer açısından düzeltilmesidir. Bu durum, araştırmacıların bilimsel yayınlarındaki dilin akıcılığı ve doğruluğundan emin olmaları için büyük bir kolaylık sağlamaktadır. Yazıda YZ’nin ne şekilde kullanıldığının açıkça ifade edilmesi ve YZ’nin yazarlar arasında sayılmaması genel kabul gören yaklaşımdır. Büyük verilerin analiz edilmesinde YZ çok büyük ilerlemeler sağlamıştır. Bununla birlikte YZ’nin eğitildiği verinin özelliklerine göre önemli yanlılıklar ortaya çıkabilmektedir. Bu nedenle YZ ile varılan sonuçların doğrudan gerçek kabul edilmemesi, güvenilirliğinin insan aklı tarafından değerlendirilmesi şarttır. Gelecekte güvenilirlikle ilgili sorunların aşılması mümkün olmakla birlikte, biriken verilerden kaynaklanan kirliliğinin neyin gerçek neyin uydurma olduğunu ayırmayı zorlaştırması da mümkündür. Bu nedenle hakem ve yayın yönetmenleri tarafından bilimsel yayınların gözden geçirilmesi önemini korumaktadır. Klinik psikiyatri alanında YZ geniş kitlelere hızlı tarama yapılabilmesi ve psikoeğitim verilebilmesi için önemli fırsatlar sunmaktadır. Kesin tanı ve tedavi için ise YZ uygulamaları yararlı yardımcı araçlar olsa da empatik bir klinisyenle görüşmenin yerini tamamen almaları mümkün görünmemektedir.

Archives of Neuropsychiatry, with roots dating back to 1919 as a traditional sequel of the journal “Istanbul Seririyati” and has been published continuously since 1964, is celebrating its 60th anniversary! The last 60 years have witnessed extraordinary developments in the fields of science and technology, and Archives of Neuropsychiatry is happy and proud to keep pace with this new era by embracing the future. As the journal steps into its seventh decade, this article explores the increasing usage of artificial intelligence (AI) technologies in psychiatry, their future potential, and their limitations that remain to be solved. Applications of Artificial Intelligence in the Research Field AI is the field of computer science that deals with the development of problem-solving and decision-making abilities by machines, similar to the human brain (1). Machine learning algorithms are used to train AI-based systems with large amounts of data to gain these skills (2). Unlike traditional computer systems, AI focuses on development of hypotheses rather than testing a given hypothesis (3). AI applications have opened up a new research field on early diagnosis and prevention of psychiatric disorders. AI can be used to detect common patterns and identify high-risk individuals in big data collected from hundreds of thousands of participants, obtained through methods such as brain imaging, genetic examinations, electroencephalography, polysomnography, blood tests, and physical measurements (4). In predicting whether the person is in the healthy control group or the patient group up to 98% accuracy in results has been reported, based on brain imaging data (5). In addition to data obtained through sophisticated methods, successful results have also been achieved with AI in predicting diagnosis and treatment response by incorporating sociodemographic information such as patients’ age, gender, ethnicity, and income level (6). In summary, based on complex data, AI allows making stronger predictions than traditional methods of analysis in many diseases such as mood disorders, schizophrenia, addiction, sleep disorders, Alzheimer’s disease (2, 3, 7, 8). With the launch of the large language model (LLM) ChatGPT in November 2022, the use of AI in the academic field has become increasingly widespread. ChatGPT is a chatbot that provides human speech-like responses to requests and questions. In addition to providing spelling suggestions and assistance with language and grammar, ChatGPT can respond to requests such as analyzing and presenting data, writing computer code, drafting review articles, preparing project applications, and providing feedback on written articles as a reviewer. However, there are important problems regarding the reliability of the information provided by AI. Due to the nature of its operating style, it is not possible to determine conclusively how the AI achieves the results it offers. Being a closed box in this regard, possible incorrect or biased data in the material on which AI is trained may lead to significant effects on the conclusions reached. This is a very important limitation in the field of scientific research, where methodological transparency is especially essential for reliability. Some seemingly plausible information provided by LLMs may be outdated, contradictory, or largely inaccurate, and non-existent publications may be presented as references (9, 10). In this regard, publishing organizations have also published various restrictions and guidelines regarding the use of AI. Since AI applications cannot take responsibility for the published information, it is generally accepted that they should not be listed among the authors, and if AI was used at any stage in the research or preparation of the article, it should be explained in detail in the methods and/or information sections (9, 11). Applications of Artificial Intelligence in the Clinical Field In addition to research, AI can be used in daily life to instantly monitor and evaluate data collected with smartphones or wearable devices, such as social media activity, internet searches, medication compliance, geographical location, physical activity and even change in the amount of speech (2). One of the areas where AI is most successful compared to humans is rapidly analyzing data Cite this article as: Hepdurgun C. The Present and Future of Artificial Intelligence Applications in Psychiatry. Arch Neuropsychiatry 2024;61:1-2. Hepdurgun. Psychiatry and Artificial Intelligence 2 Arch Neuropsychiatry 2024;61:1-2 collected from different databases and reaching conclusions. It appears possible for AI to rapidly compile data collected in daily life along with medical records allowed by individual, particularly enabling the early detection of exacerbations in mood disorders and psychotic disorders (7). AI can contribute to optimization in disease diagnosis and monitoring, as well as in the delivery of healthcare services. There are numerous studies showing that AI-based robots, chatbots and virtual therapists have been used successfully despite various shortcomings compared to face-to-face meetings. These tools have the potential to assist numerous patients at a low cost, as they are easily accessible regardless of geographical location and are not adversely affected by human factors such as fatigue, stress, and burnout (8). AI-based tools have significant limitations in the clinical field too. Although computer technologies and the Internet offer very effective ways to spread information, in clinical practice they are quite insufficient to bring up the thought of being understood and to provide the relief that direct contact with an empathetic person creates. For example, although AI-based models provide the opportunity to reach a large number of people quickly in extraordinary situations such as natural disasters, the lack of an empathetic approach is a significant limitation in conditions of severe stress. Another limitation is that standards regarding the security of personal information processed with AI, have not yet been established. Daily life data and medical records especially carry significant risks regarding the violation of personal privacy. In this sense, there is a need to determine the principles and rules regarding security and privacy in AI applications. An international survey about psychiatrists’ perspectives on AI applications conducted in 2019 reported that approximately 50% believed AI would significantly change their profession, while 17% believed it could replace humans in providing empathic patient care (12). The increasing use of telepsychiatry during the Coronavirus Disease 2019 (COVID-19) pandemic and the growing accessibility of AI applications in various fields may have influenced psychiatrists’ opinions on this matter. However, considering its current strengths and limitations, it is possible to predict that AI will be more easily integrated into diagnostic processes than treatment applications (7). Conclusion While current studies on AI focus on increasing the success of screening, diagnosis and treatment in psychiatric practice, they also seek solutions for new problems related to reliability and confidentiality. Although we have limited information to predict potential benefits and drawbacks, it is likely that AI will have profound impacts on both research and clinical practice: Today, one of the most accessible and successful areas of AI is the correction of texts in terms of language and grammar. This provides great convenience for researchers to ensure the fluency and accuracy of the language in their scientific publications. The generally accepted approach is to clearly state how AI is utilized in the article and not to include AI among the authors. AI has made great progress in analyzing big data. However, significant biases may arise depending on the characteristics of the data on which the AI is trained. For this reason, the results obtained by AI should not be directly accepted as the truth, but their reliability should be evaluated by the human mind. While overcoming issues related to reliability may be possible in the future, it is also possible that the contamination arising from accumulated data can make it difficult to distinguish between real and fabricated. Therefore, the importance of peer reviews by human reviewers and editors remains essential for scientific publications. In the field of clinical psychiatry, AI offers significant opportunities for rapid screening of large populations and for providing psychoeducation. While AI applications may be useful adjunct tools for accurate diagnosis and treatment, it does not seem possible for them to entirely replace the role of an empathetic clinician.