Building the Developmental Foundations of Developmental Computational Psychiatry

2021 ◽  
Vol 89 (9) ◽  
pp. S14
Author(s):  
Leah Somerville
2017 ◽  
Vol 65 (1) ◽  
pp. 21-26 ◽  
Author(s):  
Quentin J. M. Huys

Zusammenfassung. „Computational Psychiatry“ ist eine neue Forschungsrichtung, die Fortschritte aus den theoretischen und experimentellen Neurowissenschaften in klinische Anwendungen für die Psychiatrie umzusetzen will. Der mögliche Nutzen mathematischer Modelle für psychiatrische Anwendungen ergibt sich vor allem aus der Komplexität psychiatrischer Phänomene, deren Beherrschung neue analytische Herangehensweisen erfordert. Konkret können mithilfe solcher Modelle erstens innerpsychische und ansonsten nicht direkt messbare Prozesse erfasst werden. Ein Beispiel hierfür sind Lernprozesse. Zweitens können Phänomene auf verschiedenen Ebenen quantitativ miteinander in Verbindung gebracht werden, z.B. der Effekt von Ionenkanalstörungen auf das Kurzzeitgedächtnis. Drittens können Methoden aus dem maschinellen Lernen mit diesen Modellen verbunden werden, um grosse Datensätze zu analysieren. Obwohl erste Ansätze aus dieser Forschung schon möglichen klinischen Nutzen erwiesen haben, ist das Feld noch jung. Der Artikel schliesst mit dem Vorschlag, Prozeduren aus der Entwicklung pharmazeutischer Produkte für die Validierung theoretischer Anwendungen herbeizuziehen.


2020 ◽  
Vol 59 (10) ◽  
pp. S326-S327
Author(s):  
Nadja Ging-Jehli ◽  
L. Eugene Arnold ◽  
Russ Childers ◽  
Catherine Panchyshyn ◽  
Roger J. deBeus ◽  
...  

Author(s):  
Martin P. Paulus ◽  
Crane Huang ◽  
Katia M. Harlé

Biological psychiatry is at an impasse. Despite several decades of intense research, few, if any, biological parameters have contributed to a significant improvement in the life of a psychiatric patient. It is argued that this impasse may be a consequence of an obsessive focus on mechanisms. Alternatively, a risk prediction framework provides a more pragmatic approach, because it aims to develop tests and measures which generate clinically useful information. Computational approaches may have an important role to play here. This chapter presents an example of a risk-prediction framework, which shows that computational approaches provide a significant predictive advantage. Future directions and challenges are highlighted.


2020 ◽  
Vol 77 (11) ◽  
pp. 1099 ◽  
Author(s):  
Shuyan Liu ◽  
Raymond J. Dolan ◽  
Andreas Heinz

Sign in / Sign up

Export Citation Format

Share Document