Zaburzenia psychiczne należą obecnie do najpoważniejszych problemów zdrowia publicznego. Depresja dotyka ponad 300 mln ludzi na świecie¹, a liczba ta stale rośnie, powodując poważne konsekwencje społeczne, ekonomiczne i zdrowotne. Mimo tak wysokiej częstości występowania niemal połowa przypadków pozostaje nierozpoznana i nieleczona^2,3. Skala tego zjawiska przekłada się na istotne obciążenie systemów opieki zdrowotnej oraz dramatyczne skutki indywidualne, takie jak obniżona jakość życia, przewlekłość choroby lub zwiększone ryzyko samobójstwa. Szacuje się, że samobójstwo stanowi obecnie drugą najczęstszą przyczynę zgonów wśród młodych dorosłych, a depresja odgrywa w tym zakresie kluczową rolę³. Z kolei psychozy, chociaż rzadziej występujące, wiążą się z poważnym pogorszeniem funkcjonowania, długotrwałą niepełnosprawnością oraz wysokimi kosztami opieki społecznej i medycznej⁴.

Jednym z kluczowych wyzwań współczesnej psychiatrii są trudności w precyzyjnym diagnozowaniu i monitorowaniu zaburzeń psychicznych. Obecne rozpoznania opierają się głównie na subiektywnych wywiadach klinicznych oraz skalach oceny, co wiąże się z dużą zmiennością i wysokim odsetkiem błędnych diagnoz⁵. Brak obiektywnych testów laboratoryjnych oraz znaczna heterogeniczność obrazu klinicznego dodatkowo komplikują proces diagnostyczny⁶. W efekcie wielu pacjentów otrzymuje niewłaściwe leczenie lub trafia do specjalisty dopiero w zaawansowanym stadium choroby, co znacznie zmniejsza szanse na skuteczną terapię. Im później zostanie postawiona diagnoza i wdrożone leczenie, tym gorsze są rokowania, a ryzyko nawrotów znacząco wzrasta⁷. Od dziesięcioleci poszukuje się zatem obiektywnych markerów biologicznych, które mogłyby wspierać psychiatrię w procesie diagnostycznym i prognostycznym.

Pojęcie „psychiatrii biomarkerowej” pojawiło się już w 1966 r., ale dopiero ostatnia dekada przyniosła znaczący postęp w tej dziedzinie8. Biomarker, zgodnie z definicją, to obiektywna cecha biochemiczna, genetyczna lub molekularna wskazująca na ok...

AI integruje osiągnięcia informatyki, matematyki, statystyki i nauk przyrodniczych, umożliwiając wykrywanie wzorców w dostarczonych danych, automatyzację rutynowych zadań i wspomaganie decyzji klinicznych12. Jej zastosowanie w medycynie obejmuje z...