INTELIGÊNCIA ARTIFICIAL E PSIQUIATRIA DE PRECISÃO: APLICAÇÕES NA PREDIÇÃO DA RESPOSTA TERAPÊUTICA E IDENTIFICAÇÃO DE FENÓTIPOS CLÍNICOS EM TRANSTORNOS MENTAIS

Pacheco, Thiago Jacobi; Adário, Caio Lima; Bonini, Natália Aparecida

doi:10.5281/zenodo.22964040

CapítuloDescarga librePortugués

INTELIGÊNCIA ARTIFICIAL E PSIQUIATRIA DE PRECISÃO: APLICAÇÕES NA PREDIÇÃO DA RESPOSTA TERAPÊUTICA E IDENTIFICAÇÃO DE FENÓTIPOS CLÍNICOS EM TRANSTORNOS MENTAIS

Pacheco, Thiago Jacobi; Adário, Caio Lima; Bonini, Natália Aparecida

Año: 2026
DOI: 10.5281/zenodo.22964040 (se abre en una pestaña nueva)
Licencia: CC BY

Resumen ADIPA

Elaborado con IA a partir del resumen de los autores

Capítulo que examina las aplicaciones de la inteligencia artificial en psiquiatría de precisión para predecir respuesta terapéutica e identificar fenótipos clínicos en transtornos mentales. Se realizó revisión integrativa de literatura científica entre 2020 y 2026, analizando 27 estudios. Los hallazgos indican que modelos de aprendizado de máquina predicen respuesta a antidepresivos, psicoterapia, litio, intervenciones neuromoduladoras y tratamientos para transtornos psicóticos. La incorporación de neuroimagen, electroencefalografía, datos clínicos estructurados y registros electrónicos permite identificar subgrupos clínicamente significativos. Sin embargo, la heterogeneidad metodológica, el riesgo de sobreajuste, ausencia de validación externa, baja representatividad poblacional e interpretabilidad limitada obstaculizan la aplicación clínica. Los autores concluyen que la inteligencia artificial puede transformar la psiquiatría en enfoque individualizado y dimensional, aunque su implementación requiere validación clínica, transparencia algorítmica y supervisión profesional.

Puntos clave

Los algoritmos de aprendizado de máquina integran datos clínicos, neurobiológicos, genéticos y de prontuarios electrónicos para superar la heterogeneidad clínica y mejorar la selección individualizada de tratamientos.
Los modelos de inteligencia artificial demostraron desempeño relevante en predecir respuesta a antidepresivos, psicoterapia, litio, intervenciones neuromoduladoras y tratamientos para transtornos psicóticos.
La neuroimagen, electroencefalografía y procesamiento de lenguaje natural permiten identificar fenótipos clínicos y subgrupos homogéneos dentro de diagnósticos tradicionalmente heterogéneos.
La heterogeneidad metodológica, sobreajuste, falta de validación externa y baja representatividad poblacional limitan actualmente la translación de estos modelos a la práctica clínica.

Para quién: Psiquiatras, psicólogos clínicos, investigadores en salud mental y estudiantes de posgrado que buscan comprender el potencial y limitaciones actuales de la inteligencia artificial en la personalización del tratamiento psiquiátrico.

Resumen de los autores

A heterogeneidade clínica dos transtornos mentais constitui importante obstáculo para a escolha individualizada de tratamentos, uma vez que pacientes com o mesmo diagnóstico podem apresentar trajetórias clínicas e respostas terapêuticas substancialmente diferentes. Nesse contexto, a inteligência artificial, especialmente por meio de algoritmos de aprendizado de máquina, vem sendo investigada como ferramenta para integrar informações clínicas, neurobiológicas, genéticas, comportamentais e provenientes de prontuários eletrônicos. O presente estudo teve como objetivo analisar as aplicações da inteligência artificial na psiquiatria de precisão, com ênfase na predição da resposta terapêutica e na identificação de fenótipos clínicos em transtornos mentais. Foi realizada revisão integrativa da literatura científica, contemplando publicações prioritariamente entre 2020 e 2026. Após aplicação dos critérios de elegibilidade, 27 estudos compuseram a amostra final. As evidências indicam que modelos de aprendizado de máquina podem apresentar desempenho relevante na previsão de resposta a antidepressivos, psicoterapia, lítio, intervenções neuromodulatórias e tratamentos para transtornos psicóticos. A utilização de neuroimagem, eletroencefalografia, dados clínicos estruturados, linguagem natural e informações de prontuários eletrônicos amplia a possibilidade de identificação de subgrupos clinicamente significativos. Entretanto, a heterogeneidade metodológica, o risco de sobreajuste, a ausência de validação externa, a baixa representatividade populacional e os problemas de interpretabilidade ainda limitam a translação desses modelos para a prática clínica. Conclui-se que a inteligência artificial apresenta potencial para transformar a psiquiatria baseada em categorias diagnósticas em uma abordagem mais dimensional e individualizada, mas sua implementação deve permanecer vinculada à validação clínica, transparência algorítmica, proteção de dados e supervisão profissional.

Áreas y palabras clave

Psicología clínica y psicoterapia

Cómo citar (APA 7)

Pacheco, T. J., Adário, C. L., & Bonini, N. A. (2026). INTELIGÊNCIA ARTIFICIAL E PSIQUIATRIA DE PRECISÃO: APLICAÇÕES NA PREDIÇÃO DA RESPOSTA TERAPÊUTICA E IDENTIFICAÇÃO DE FENÓTIPOS CLÍNICOS EM TRANSTORNOS MENTAIS. https://doi.org/10.5281/zenodo.22964040

BibTeX RIS (Zotero, Mendeley, EndNote)CSL-JSON

INTELIGÊNCIA ARTIFICIAL E PSIQUIATRIA DE PRECISÃO: APLICAÇÕES NA PREDIÇÃO DA RESPOSTA TERAPÊUTICA E IDENTIFICAÇÃO DE FENÓTIPOS CLÍNICOS EM TRANSTORNOS MENTAIS

Resumen ADIPA

Puntos clave

Resumen de los autores

Áreas y palabras clave

Cómo citar (APA 7)

INTELIGÊNCIA ARTIFICIAL E PSIQUIATRIA DE PRECISÃO: APLICAÇÕES NA PREDIÇÃO DA RESPOSTA TERAPÊUTICA E IDENTIFICAÇÃO DE FENÓTIPOS CLÍNICOS EM TRANSTORNOS MENTAIS

Resumen ADIPA

Puntos clave

Resumen de los autores

Áreas y palabras clave

Cómo citar (APA 7)

Relacionados