Suscribirse

Approches computationnelles de la schizophrénie - 15/06/19

Computational approaches to schizophrenia

Doi : 10.1016/S0001-4079(19)30344-9 
Renaud Jardri
 Service de psychiatrie de l’enfant et de l’adolescent, hôpital Fontan, CS 70001, CHU de Lille, 59037, Lille, cedex, France ; 

Bienvenido a EM-consulte, la referencia de los profesionales de la salud.
Artículo gratuito.

Conéctese para beneficiarse!

RÉSUMÉ

L’un des défis de la psychiatrie contemporaine est de réussir à articuler des données collectées à différentes échelles (moléculaire, neuronale, comportementale, etc.) en un cadre théorique unifié. Une telle approche permettrait d’affiner nos classifications nosographiques, de prédire l’évolution des troubles mentaux et d’accompagner nos décisions thérapeutiques. Malgré d’indéniables progrès dans le champ de la psychiatrie, ce transfert du fondamental vers la clinique reste complexe, notamment du fait de la très grande hétérogénéité de troubles tels que la schizophrénie. Je souhaite ici défendre l’idée qu’une approche computationnelle pourrait permettre d’atteindre cet objectif : (i) en psychiatrie de manière générale et (ii) dans la schizophrénie en particulier. Afin d’illustrer mon propos, j’exposerai le rôle complémentaire que jouent les modèles computationnels « guidés par les données » et ceux « fondés sur une théorie », en m’appuyant respectivement sur la prédiction diagnostique et pronostique par apprentissage-machine dans la schizophrénie et sur les modèles Bayésiens hiérarchiques de l’expérience psychotique.

El texto completo de este artículo está disponible en PDF.

SUMMARY

One main challenge in modern psychiatry is certainly to combine the multiple levels of understanding today available in the field (i.e., molecular, circuits, behavior, etc.) into a unique theoretical framework, and when possible to refine the nosology, predict major outcomes of the illness and support treatment planning. Despite constant efforts in the field of mental health, such translation from bench to bedside remains very challenging, notably for heterogenous super-categories of disorder such as schizophrenia. I would like to argue that computational modeling may help reaching this goal, in psychiatry in general (i), and in schizophrenia in particular (ii). To illustrate the complementary roles of data-driven and theory-driven computational approaches of schizophrenia, I sketch two recent examples from the literature, taken, respectively, from the diagnosis and outcome predictions using machine-learning, and from the hierarchical Bayesian modeling of psychotic experience.

El texto completo de este artículo está disponible en PDF.

Mots-clés : Modèles théoriques, Classification internationale des maladies, Psychiatrie, Schizophrénie

Key-words : Models, Theoretical, International Classification of Diseases, Psychiatry, Schizophrenia


Esquema


 Séance dédiée : « La schizophrénie »
 L’auteur déclare n’avoir aucun lien d’intérêt en relation avec le contenu de cet article.
 Tirés à part: Professeur Renaud Jardri, même adresse


© 2018  l’Académie nationale de médecine. Publicado por Elsevier Masson SAS. Todos los derechos reservados.
Añadir a mi biblioteca Eliminar de mi biblioteca Imprimir
Exportación

    Exportación citas

  • Fichero

  • Contenido

Vol 202 - N° 1-2

P. 105-114 - janvier 2018 Regresar al número
Artículo precedente Artículo precedente
  • La myosite à inclusions
  • Olivier Benveniste
| Artículo siguiente Artículo siguiente
  • Le déficit motivationnel dans la schizophrénie
  • Sonia Dollfus

Bienvenido a EM-consulte, la referencia de los profesionales de la salud.

Mi cuenta


Declaración CNIL

EM-CONSULTE.COM se declara a la CNIL, la declaración N º 1286925.

En virtud de la Ley N º 78-17 del 6 de enero de 1978, relativa a las computadoras, archivos y libertades, usted tiene el derecho de oposición (art.26 de la ley), el acceso (art.34 a 38 Ley), y correcta (artículo 36 de la ley) los datos que le conciernen. Por lo tanto, usted puede pedir que se corrija, complementado, clarificado, actualizado o suprimido información sobre usted que son inexactos, incompletos, engañosos, obsoletos o cuya recogida o de conservación o uso está prohibido.
La información personal sobre los visitantes de nuestro sitio, incluyendo su identidad, son confidenciales.
El jefe del sitio en el honor se compromete a respetar la confidencialidad de los requisitos legales aplicables en Francia y no de revelar dicha información a terceros.


Todo el contenido en este sitio: Copyright © 2025 Elsevier, sus licenciantes y colaboradores. Se reservan todos los derechos, incluidos los de minería de texto y datos, entrenamiento de IA y tecnologías similares. Para todo el contenido de acceso abierto, se aplican los términos de licencia de Creative Commons.