Psychiatria obliczeniowa. Od modeli matematycznych do nowych pytań o zdrowie psychiczne.
Czy możemy lepiej zrozumieć mechanizmy stojące za zmianami nastroju, podejmowaniem decyzji i funkcjonowaniem mózgu? Przedstawiamy sześć koncepcji badawczych łączących matematykę, neuronaukę i sztuczną inteligencję — od cyfrowych bliźniaków po symulacje społeczne.
Grafika ilustruje koncepcję modelowania; nie przedstawia danych pacjentów.
01
Mechanizmy, nie tylko korelacje
Rozróżniamy modele odtwarzające obserwacje od hipotez o procesach, które mogły je wytworzyć.
02
Niepewność ma znaczenie
Prognoza powinna uwzględniać ograniczenia danych, niejednoznaczność parametrów i alternatywne wyjaśnienia.
03
Weryfikacja przed zastosowaniem
Model wymaga testów na niezależnych danych. Zgodność symulacji z teorią nie oznacza skuteczności klinicznej.
SZEŚĆ KIERUNKÓW B+R / 01–06
Sześć kierunków. Jedno pytanie o mechanizmy.
Od modelu pojedynczej osoby, przez decyzje i dynamikę mózgu, aż po interakcje społeczne. W kolejnych sekcjach omawiamy założenia modeli, stosowane metody, kontekst aktualnych badań oraz ograniczenia wiedzy.
M02 / PSYCH-TWIN / Projekt VB Idea
PSYCH-TWIN.Cyfrowy bliźniak procesów psychicznych.
Zespół VB Idea prowadzi wstępne prace badawcze nad PSYCH-TWIN — koncepcją indywidualnego modelu zmian nastroju, snu, aktywności i stresu. Analizujemy zastosowanie modeli dynamicznych oraz bayesowskich metod szacowania niepewności. To koncepcja badawcza na wczesnym etapie, nie gotowe narzędzie kliniczne.
W VB Idea pracujemy nad modelem wybranych procesów psychicznych, a nie cyfrową kopią człowieka. Analizujemy zależności między snem, aktywnością, stresem i nastrojem.
Podobne objawy mogą wynikać z różnych procesów. Projekt zakłada badanie indywidualnych trajektorii i porównanie ich z podejściem opartym wyłącznie na średnich populacyjnych.
Celem koncepcji PSYCH-TWIN jest badanie zmienności indywidualnej z uwzględnieniem ograniczeń danych i niepewności modelu.
ArchitekturaTrzy warstwy
Trzy warstwy projektu
01
Warstwa obserwacji
Dane o śnie, aktywności, objawach i stresorach stanowią materiał do analizy.
cyfrowe fenotypowanie
02
Warstwa modelu dynamicznego
Projektujemy sposób szacowania procesów ukrytych i parametrów osobniczych opisujących zmiany w czasie.
stany ukryte
03
Warstwa scenariuszy
Rozważamy przewidywane trajektorie i zakres ich niepewności.
prognozy
Weryfikacja naukowaKryteria planowanych testów
Jak sprawdzimy wiarygodność PSYCH-TWIN?
Ważniejsza od złożoności modelu jest odpowiedź na pytanie, czy jego przewidywania wytrzymują rzetelne testy.
01
Prosty punkt odniesienia
Porównamy model z nieskomplikowanymi prognozami, aby ocenić jego rzeczywistą wartość.
02
Test na późniejszych obserwacjach
Sprawdzimy prognozy na późniejszych obserwacjach, niewykorzystanych do uczenia ani wyboru modelu.
03
Kalibracja niepewności
Ocenimy, czy prognozowane przedziały obejmują obserwacje z oczekiwaną częstością.
04
Odporność na braki danych
Zbadamy wrażliwość wyników na luki pomiarowe i zmianę założeń.
To plan oceny jakości projektu na etapie wstępnych prac, a nie deklaracja uzyskanej skuteczności klinicznej.
Stany ukryte są konstrukcjami modelowymi, nie bezpośrednim pomiarem emocji ani rozpoznaniem klinicznym.
Kluczowe rozróżnieniePredykcja vs interwencja
Prognoza nie jest efektem interwencji
P
Prognoza
Szacujemy możliwą zmianę wybranych wskaźników w czasie.
K
Scenariusz hipotetyczny
Rozważamy, jak mogłaby wyglądać trajektoria przy innych założeniach, np. dotyczących snu. Sama symulacja nie pozwala wyznaczyć skutku interwencji.
!
Najważniejsza różnica
Sama korelacja snu z nastrojem nie dowodzi, że zmiana snu wywoła określony efekt. Tu potrzebne są badania przyczynowe.
Kontekst naukowyBadania międzynarodowe
Na jakich kierunkach nauki się opieramy?
01
Cyfrowe fenotypowanie
Smartfony i urządzenia ubieralne pozwalają obserwować zmiany zachowania w czasie, ale jakość pomiarów pozostaje wyzwaniem.
02
Modele personalizowane
Dopasowanie do konkretnej osoby jest obiecujące, lecz wymaga porównania z prostymi modelami odniesienia.
03
Cyfrowe bliźniaki mózgu
Duże konsorcja rozwijają modele wieloskalowe; ich przydatność kliniczna wymaga dalszych dowodów.
Podobne prognozy mogą wynikać z różnych parametrów. Sygnały z czujników nie mierzą bezpośrednio emocji, a symulowane scenariusze nie zastępują dowodów przyczynowych.
Projekt rozwijany przez VB IdeaEtap badań wstępnych
PSYCH-TWIN Lite — nad czym pracujemy?
Zespół VB Idea prowadzi wstępne prace badawcze nad PSYCH-TWIN Lite. Punktem wyjścia jest ograniczony model dynamiki snu, aktywności, stresu i nastroju, z planowaną oceną niepewności prognoz.
Rozwijamy koncepcję na potrzeby dalszych analiz i współpracy badawczej. Projekt nie ma jeszcze potwierdzonej skuteczności klinicznej ani statusu narzędzia diagnostycznego.
Następny projekt: M03 — NEURO-DECISIONBadamy mechanizmy nagrody, motywacji i uczenia się w podejmowaniu decyzji.
NEURO-DECISION.Modele decyzji, motywacji i uczenia przez nagrodę.
VB Idea prowadzi prace badawcze nad modelowaniem decyzji w depresji i anhedonii. Analizujemy znaczenie oczekiwanej nagrody, kosztu wysiłku i informacji zwrotnej. W części poświęconej uczeniu przez nagrodę i motywacji rozpoczęliśmy drugą fazę badań.
Cel badawczy: rozdzielać mechanizmy, które w wywiadzie klinicznym mogą wyglądać podobnie: ograniczoną reakcję na nagrodę, trudność w podejmowaniu wysiłku i odmienny sposób uczenia się na podstawie wyników.
Dlaczego podobne objawy mogą mieć różne przyczyny?
Podobne nasilenie objawów depresyjnych może współwystępować z różnymi trudnościami: słabszym odczuwaniem przyjemności, mniejszą gotowością do wysiłku lub odmiennym uczeniem na podstawie wyniku. Procesy te mogą się nakładać, lecz nie są tożsame. Ich rozróżnienie wymaga odpowiednich zadań i porównania konkurencyjnych modeli.
01 / ODCZUWANIE
Reakcja na nagrodę
Jak dodatni wynik może wpływać na subiektywną ocenę nagrody i doświadczenie przyjemności.
02 / DZIAŁANIE
Motywacja i wysiłek
W jakim stopniu oczekiwana korzyść uzasadnia koszt podjęcia działania w warunkach zadania.
03 / AKTUALIZACJA
Uczenie przez nagrodę
Jak nowe doświadczenie zmienia przewidywania dotyczące przyszłych wyborów.
Program prac VB IdeaDrugi etap badań
NEURO-DECISION: od koncepcji do testowania modeli
Zespół VB Idea rozwija modele decyzji w depresji i analizuje sposoby łączenia zadań poznawczych z pomiarem zachowania. Druga faza badań dotyczy przede wszystkim rozdzielania uczenia na podstawie nagrody od gotowości do wysiłku.
II
Aktywny etap: badanie procesu uczenia i kosztu wysiłku
Porządkujemy hipotezy, warunki zadań oraz sposoby porównywania modeli. Istotne jest ustalenie, czy różne mechanizmy prowadzą do odmiennych decyzji w tych samych warunkach.
Prace mają charakter badawczo-rozwojowy. Nie przedstawiamy modelu jako zwalidowanego biomarkera ani gotowego testu diagnostycznego.
Projektowanie eksperymentuRozróżnianie modeli
Jak sprawdzić, dlaczego zmienia się wybór?
Najważniejsze pytanie nie brzmi, czy model dopasowuje się do wcześniejszych decyzji. Chodzi o to, czy potrafi odróżnić reakcję na nagrodę, koszt działania i uczenie się na podstawie informacji zwrotnej.
W drugiej fazie badań VB Idea istotne jest projektowanie warunków, w których konkurencyjne wyjaśnienia przewidują różne zachowania.
01
Zmienna nagroda
Porównanie wyborów przy różnych oczekiwanych korzyściach.
02
Zmienny wysiłek
Sprawdzenie wpływu kosztu działania przy porównywalnej nagrodzie.
03
Informacja zwrotna
Analiza zmian decyzji po sukcesach i niepowodzeniach.
04
Test rozróżniający
Wybór zadań, w których modele przewidują odmienne wyniki.
To założenia badawcze i kryteria projektowania eksperymentów, nie deklaracja uzyskania wyników klinicznych.
Laboratorium decyzjiInteraktywny przykład
Dlaczego ta sama nagroda nie zawsze wystarcza?
Przesuń suwaki, aby porównać wpływ oczekiwanej nagrody i kosztu wysiłku na uproszczony wynik symulacji.
Model wyboru — przykład edukacyjny
Dane syntetyczne
Umowny wskaźnik wyboru75 / 100
Wskaźnik w skali 0–100 wylicza funkcja logistyczna z arbitralnie przyjętymi wagami nagrody i wysiłku. Nie jest to empirycznie skalibrowane prawdopodobieństwo wyboru ani wynik pomiaru uczestnika; nie służy do diagnozy lub prognozy klinicznej.
MetodologiaOd zadań do parametrów
Co trzeba rozdzielić w rzeczywistym eksperymencie?
DANE
Wybory i czas reakcji
Zadania z różną wartością nagrody, prawdopodobieństwem wyniku i kosztem działania.
MODEL
Parametry osobnicze
Tempo uczenia, wrażliwość na nagrodę, koszt wysiłku i ogólna tendencja do działania.
WALIDACJA
Porównanie modeli
Odporność na przeuczenie, odzyskiwanie parametrów i predykcja nowych obserwacji.
Różne modele mogą odtwarzać podobne wybory. Dlatego ocena obejmuje również testowanie na nowych danych, odzyskiwanie parametrów i sprawdzanie, kiedy modele formułują odmienne przewidywania.
Podstawa naukowaPublikacje 2025–2026
Co faktycznie pokazują aktualne badania?
2026 / PRZEGLĄD 37 BADAŃ
Modele anhedonii wymagają szerszego ujęcia
Przegląd 37 badań wskazuje, że dominujące modele uczenia przez wzmocnienie nie obejmują pełnego zakresu antycypacji i motywacji. Autorzy zwracają uwagę na ograniczoną walidację predykcyjną.
2025 / DECYZJE Z WYSIŁKIEM
Nie zawsze chodzi o samą wrażliwość na nagrodę
W badaniu osób z obecną depresją i po remisji niższa gotowość do wysiłku wiązała się przede wszystkim z ogólną skłonnością do akceptacji zadań, a nie ze zmianą wrażliwości na nagrodę lub koszt wysiłku.
2025 / 726 UCZESTNIKÓW
Uczenie i proces wyboru można analizować oddzielnie
Badanie 726 nastolatków i młodych dorosłych połączyło model uczenia przez wzmocnienie z modelem akumulacji dowodów w zadaniu nagrody probabilistycznej.
Przytoczone publikacje przedstawiają wyniki niezależnych zespołów. Stanowią naukowy kontekst dla prac VB Idea; nie są rezultatami jej własnego programu.
Następny kierunek: M04 — PSYCH-DYNAMICS
Od pojedynczych decyzji przejdziemy do dynamiki objawów, punktów krytycznych i zmian stanów psychicznych w czasie.
NEURO-DECISION to projekt badawczo-rozwojowy VB Idea. Modele i wizualizacje na tej stronie służą wyjaśnieniu metod; nie stanowią testu diagnostycznego, zaleceń terapeutycznych ani narzędzia medycznego.
VB IDEA / M04 / PSYCH-DYNAMICSTWORZENIE ZESPOŁU · START BADAŃ 2027
PSYCH-DYNAMICS.Układy dynamiczne i punkty krytyczne w psychiatrii.
Czy pogorszenie stanu psychicznego zawsze następuje stopniowo? PSYCH-DYNAMICS ma badać możliwość opisywania zmian nastroju i nasilenia objawów językiem nieliniowych układów dynamicznych, sprzężeń zwrotnych oraz procesów stochastycznych.
27
VB Idea tworzy obecnie zespół badawczy PSYCH-DYNAMICS. Rozpoczęcie właściwych prac nad projektem jest planowane na 2027 rok. Punktem wyjścia będą modele matematyczne oraz eksperymenty na danych syntetycznych.
Czy małe zmiany mogą czasem prowadzić do dużych skutków?
W pewnych modelach nieliniowych układ pozostaje blisko stanu równowagi, dopóki zmiana parametru lub zakłócenie nie spowoduje przejścia do innego obszaru zachowania. PSYCH-DYNAMICS ma badać, na ile taki aparat matematyczny pomaga wyjaśniać zmienność objawów psychicznych, nie zakładając z góry, że rzeczywiste zaburzenia muszą mieć strukturę dwóch atraktorów.
01 / ATRAKTORY
Stabilność
Obszary, do których model powraca po niewielkim zakłóceniu.
02 / BIFURKACJE
Zmiana jakościowa
Zmiana liczby lub stabilności równowag przy zmianie parametru.
03 / SZUM
Przejścia losowe
Możliwe przejścia spowodowane zakłóceniami także bez bifurkacji.
Założenie metodologiczne projektuPerspektywa projektu
Najpierw eksperyment matematyczny, potem walidacja
„Projekt można rozpocząć od symulacji matematycznych i danych syntetycznych, bez konieczności pozyskiwania danych medycznych”.
Michał Frąg · VB Idea
To podejście pozwala bezpiecznie testować zachowanie modeli, porównywać algorytmy oraz analizować, kiedy pojawiają się fałszywe alarmy. Wyniki symulacji nie są jednak dowodem, że dany mechanizm rzeczywiście występuje u pacjentów.
Symulacje syntetyczne służą ocenie modeli i hipotez. Każde przyszłe twierdzenie o użyteczności klinicznej będzie wymagało niezależnej walidacji na odpowiednich danych.
Metodologia projektuPlan badań na 2027
Jak rozpoznać prawdziwy sygnał, a nie złudzenie?
Zespół VB Idea planuje zacząć od serii kontrolowanych eksperymentów na danych syntetycznych. Pozwala to znać mechanizm, który wygenerował dane, i obiektywnie oceniać działanie analizowanych metod.
Zanim pojawią się pytania o zastosowania kliniczne, trzeba sprawdzić cztery rzeczy:
01
Znany mechanizm
Oddzielne symulacje zmian stopniowych, krytycznych i wywołanych szumem.
02
Fałszywe alarmy
Kontrola sytuacji, w których model sygnalizuje przejście, choć ono nie występuje.
03
Jakość pomiaru
Wpływ rzadkich obserwacji, brakujących wartości i długości szeregu czasowego.
04
Test poza kalibracją
Ocena prognoz na nowych przebiegach i porównanie z prostymi punktami odniesienia.
To plan metodyczny, nie wynik zrealizowanego eksperymentu VB Idea. Dane syntetyczne pozwalają testować algorytmy, ale nie potwierdzają ich przydatności dla pacjentów.
Laboratorium modeliDane syntetyczne
Sprawdź zachowanie układu
Zmiana krajobrazu wpływa na liczbę możliwych stanów stabilnych. Suwak zakłóceń zmienia opis scenariusza, a nie kształt potencjału. To model matematyczny, nie dane pacjentów.
Symulacja parametrów
Zmiana λ może zmienić liczbę stabilnych punktów. Szum nie zmienia położenia minimów potencjału, ale może zwiększać prawdopodobieństwo losowych przejść.
Próg w tej symulacji wynika wyłącznie z przyjętego równania. Nie jest progiem diagnostycznym, psychologicznym ani terapeutycznym.
Najważniejsze wyzwanie naukoweWymaga testów
Dlaczego prognozowanie punktów krytycznych jest trudne?
01
Czy istnieją rzeczywiste atraktory?
Nie wykazano, że depresja lub inne zaburzenia mają uniwersalną strukturę dwóch stabilnych stanów. Model fizyczny może być jedynie analogią.
02
Co spowodowało zmianę?
Przejście krytyczne, nagłe zdarzenie życiowe, wzrost losowych zakłóceń i stopniowy trend mogą dawać podobne dane obserwacyjne.
03
Jak wiarygodne są sygnały ostrzegawcze?
Wariancja, autokorelacja i spowolnienie powrotu do równowagi zależą od częstotliwości pomiarów, długości szeregu czasowego, szumu i założeń modelu.
04
Jak przewidzieć konkretny nawrót?
Potrzebne są prognozy dla pojedynczej osoby, we właściwym horyzoncie czasowym, z kontrolą fałszywych alarmów i niezależną walidacją.
Stan badańWyniki niezależnych zespołów
Co mówi aktualna literatura?
Wczesne sygnały ostrzegawcze są przedmiotem badań, ale nie stanowią obecnie wystarczająco wiarygodnego, samodzielnego narzędzia przewidywania nawrotu u konkretnej osoby. Badania pokazują zarówno pewne sygnały poprzedzające pogorszenie, jak i istotne ograniczenia czułości oraz trafności.
2024 · PRZEGLĄD KRYTYCZNY
Helmich i współautorzy
Ograniczone poparcie dla klinicznego wykorzystywania krytycznego spowolnienia; potrzeba lepszych metod pomiarowych i predykcji w czasie rzeczywistym.
Wśród 37 osób po depresji, odstawiających leki przeciwdepresyjne, 19 doświadczyło nawrotu. W 17 wariantach ustawień analizy średnia czułość wykrywania nawrotu wyniosła 32,9% (SD 6,3 punktu procentowego). Nie jest to ogólna trafność kliniczna testu ani wynik badań VB Idea.
PSYCH-DYNAMICS jest przygotowywanym projektem B+R VB Idea. Przedstawiony model i jego symulacja mają charakter edukacyjny; nie stanowią narzędzia do oceny ryzyka, diagnostyki ani podejmowania decyzji medycznych. Opisane badania literaturowe nie są wynikami VB Idea.
VB IDEA / M05 / NEURO-STIMMODUŁY OBLICZENIOWE · OD 2025 R.
NEURO-STIM.W kierunku laboratorium sieci neuronalnych.
Jak modelować odpowiedź połączonych regionów mózgu na zewnętrzne oddziaływanie? VB Idea rozwija moduły obliczeniowe NEURO-STIM, które mają stanowić podstawę przyszłego laboratorium. Warstwa prowadzenia właściwych eksperymentów symulacyjnych nie jest jeszcze opracowana.
2025
Projekt rozpoczęto w połowie 2025 roku. Opracowane zostały moduły obliczeniowe; kolejnym zadaniem jest ich integracja z warstwą uruchamiania, kontroli i zapisu przebiegów symulacyjnych. To etap rozwoju technologii badawczej, nie gotowe laboratorium.
Program badawczy VB IdeaStan prac: moduły obliczeniowe
Co VB Idea już rozwija — a co pozostaje do zrobienia?
W projekcie rozwinięto już moduły obliczeniowe. Nie stanowią one jednak kompletnego środowiska do prowadzenia eksperymentów: moduł zarządzający symulacjami, ich konfiguracją i odtwarzaniem wyników pozostaje do opracowania. W dalszej perspektywie planowane jest porównanie wyników różnych klas modeli i ocena ich odporności na niepewność parametrów.
Opracowane w VB Idea
Moduły obliczeniowe
Wykonana część prac technologicznych, stanowiąca podstawę dalszej integracji.
Jeszcze niewdrożone
Warstwa symulacyjna
Środowisko uruchamiania scenariuszy, zarządzania parametrami i porównywania wyników.
Głos zespołu B+RDefinicja modelu
Mózg jako graf dynamiczny
„Wierzchołki grafu mogą odpowiadać regionom anatomicznym, a krawędzie — oszacowanym połączeniom strukturalnym lub funkcjonalnym”.
Michał Frąg · dyrektor ds. projektów B+R, VB Idea
Połączenia strukturalne opisują szacowane szlaki anatomiczne, natomiast funkcjonalne — statystyczną współzmienność aktywności obszarów. Nie są to równoważne miary, a korelacja nie dowodzi wpływu przyczynowego.
teoria grafówłączność strukturalnałączność funkcjonalna
Metodologia rozwojuArchitektura badań
Od obliczeń do wiarygodnej symulacji
Same moduły obliczeniowe nie wystarczą, aby prowadzić powtarzalne eksperymenty. Projekt wymaga jeszcze warstwy organizującej scenariusze oraz kontroli ich wiarygodności.
Cztery zadania na drodze do wirtualnego laboratorium:
01 / INTEGRACJA
Powiązanie modułów
Spójne przekazywanie danych, parametrów i wyników między obliczeniami.
02 / STEROWANIE
Warstwa symulacyjna
Uruchamianie scenariuszy, powtórzenia i zapis konfiguracji.
03 / KONTROLA
Stabilność numeryczna
Weryfikacja, czy wyniki nie zależą przypadkowo od ustawień obliczeń.
04 / WALIDACJA
Porównanie modeli
Ocena zgodności prognoz i wpływu niepewności parametrów.
Są to planowane etapy integracji i weryfikacji. Zakończenie prac nad modułami obliczeniowymi nie oznacza ukończenia silnika symulacji ani potwierdzenia skuteczności klinicznej.
Demonstrator edukacyjnyOddzielny przykład syntetyczny
Jak zmiana założeń wpływa na wynik przykładowego modelu?
Poniższa interakcja powstała wyłącznie na potrzeby strony. Uproszczony skrypt tworzy dwie trajektorie syntetyczne dla różnych założeń. Nie jest częścią opracowanych modułów obliczeniowych VB Idea ani niewdrożonej jeszcze warstwy symulacyjnej projektu.
Parametry modeluBez danych medycznych
Maks. różnica trajektorii:
Wariant AWariant B
To samodzielny demonstrator edukacyjny JavaScript, a nie uruchomiony system badawczy NEURO-STIM. Krzywe powstają lokalnie, bez danych pacjentów i bez symulacji pola elektrycznego metodą FEM. Nie pozwalają wnioskować o efektach terapii.
Elementy obliczeniowe projektu są rozwinięte; ich integracja z warstwą symulacyjną pozostaje następnym etapem.
02
Planowane środowisko symulacji
Budowa mechanizmu uruchamiania eksperymentów, powtórzeń, kontroli parametrów i zapisu przebiegów.
03
Planowane rozszerzenia i walidacja
Ocena odporności i zgodności modeli, a następnie rozważenie publicznych danych obrazowych i integracji pola elektrycznego metodą FEM.
Główna wartość B+ROcena wiarygodności
Nie jedna odpowiedź, lecz jej odporność
Najtrudniejsze będzie wiarygodne połączenie założeń dotyczących sieci mózgowej, dynamiki neuronalnej i — w kolejnych etapach — fizyki pola elektrycznego. Różne parametry mogą prowadzić do podobnych wyników, co utrudnia ocenę identyfikowalności modelu.
NEURO-STIM jest rozwijanym projektem B+R, a jego warstwa symulacyjna nie jest jeszcze gotowa. Materiały na stronie nie służą do ustalania miejsca, procedury ani parametrów stymulacji u pacjentów.
Literatura wspiera modelowanie pola elektrycznego i badania nad personalizacją TMS, ale nie potwierdza jeszcze istnienia uniwersalnego modelu przewidującego indywidualny efekt terapeutyczny. Poniższe źródła stanowią odniesienie dla dalszych prac.
METODY / SIMNIBS
Modelowanie pola elektrycznego metodą FEM
Dokumentacja narzędzia do symulacji nieinwazyjnej stymulacji mózgu.
Randomizowane porównanie klasycznego celowania iTBS ze strategiami opartymi na łączności strukturalnej i funkcjonalnej. Różnice między grupami po 12 tygodniach nie były istotne statystycznie.
NEURO-STIM to projekt B+R VB Idea z opracowanymi modułami obliczeniowymi i planowaną warstwą symulacyjną. Widoczna na stronie wizualizacja jest odrębną demonstracją syntetyczną, nie wynikiem badań klinicznych.
VB IDEA / M06 / BAYES-MINDProjekt badawczy realizowany z zespołem z USA
BAYES-MIND.Jak umysł wnioskuje w niepewnym świecie?
VB Idea koncentruje prace nad projektem „Hierarchiczne modele wnioskowania bayesowskiego w warunkach niepewności sensorycznej i zmienności środowiska”. Projekt dotyczy tego, jak oczekiwania, wiarygodność bodźców i zmienne reguły otoczenia wpływają na aktualizację przekonań.
B+RProjekt jest prowadzony w interdyscyplinarnym zespole VB Idea we współpracy z zespołem badawczym z USA. Obecny zakres obejmuje rozwój koncepcji eksperymentalnej, modeli i sposobów ich porównania.
W projektowanym zadaniu poziom szumu będzie kontrolowany, a obserwacje pozwolą ocenić wpływ oczekiwań na interpretację bodźca.
02
Uczenie przy zmieniających się regułach
Drugi planowany eksperyment sprawdzi uczenie, gdy prawdopodobieństwa zdarzeń lub nagród okresowo się zmieniają.
Kluczowe pytanie: czy zachowanie wyjaśnia przede wszystkim waga dowodu sensorycznego, czy oczekiwanie zmienności otoczenia? To hipotezy do porównania, a nie ustalone mechanizmy kliniczne.
Porównanie modeli
Trzy klasy modeli do porównania
VB Idea projektuje porównanie trzech klas modeli. Najcenniejsze będą takie warunki eksperymentu, w których przewidują one odmienne zachowania.
Bayesowski
W tym porównaniu: aktualizacja przy założeniu stałego prawdopodobieństwa zdarzeń w czasie.
Hierarchiczny
Ujmuje niepewność na kilku poziomach, w tym możliwą zmianę reguł otoczenia.
Uczenie ze wzmocnieniem
Prosta aktualizacja przewidywania na podstawie błędu po kolejnym zdarzeniu.
Demonstratory edukacyjne / dane syntetyczne
Zobacz dwie sytuacje badawcze
Interakcje pokazują uproszczone mechanizmy aktualizacji przekonań. Kod na tej stronie nie jest implementacją docelowych modeli badawczych ani wynikiem eksperymentów z udziałem ludzi.
Aktualizacja przekonania
Przykład: otrzymujemy dodatni sygnał wskazujący obecność bodźca, lecz obserwacja może być myląca.
Trafność 60% oznacza w tym uproszczeniu 60% prawdziwie dodatnich rozpoznań i 40% fałszywych alarmów. Przy 50% sygnał nie wnosi informacji. Zakładamy identyczną czułość i swoistość.
Przykład — dodatnia obserwacjaTwierdzenie Bayesa
Przekonanie przed obserwacją70%
Przekonanie po obserwacji78%
Dodatnia obserwacja podnosi przekonanie z 70% do około 78%. To demonstracja rachunku, nie informacja o pacjencie.
Uczenie w zmiennym środowisku
Trzy uproszczone algorytmy otrzymują ten sam syntetyczny ciąg 42 zdarzeń, w którym reguły zmieniają się po 14. próbie i wracają po 28. próbie.
Linia turkusowa pokazuje heurystykę: wielkość aktualizacji zależy od ostatnich błędów przewidywania. To nie jest model hierarchiczny ani implementacja HGF; porównanie właściwych modeli stanowi osobne zadanie badawcze.
Szacowane prawdopodobieństwo zdarzenia42 próby · dane syntetyczne
Bayes — stałe regułyAdaptacyjny — ilustracjaUczenie RLPrawdopodobieństwo w generatorze
Linia przerywana pokazuje prawdopodobieństwo zadane w generatorze danych po uwzględnieniu losowej domieszki. Nie jest to estymacja z pojedynczej obserwacji.
!
Najważniejsze kryterium metodologiczne
Najpierw trzeba wykazać w symulacjach, że modele można rozróżnić, a ich parametry odzyskać. Następnie konieczna jest predykcja poza próbą i sprawdzenie odporności wniosków na alternatywne założenia. Sama zgodność z danymi dopasowania nie wystarczy.
Prace badawcze VB Idea i zespołu z USA
Na czym koncentrują się prace?
01 / PROJEKTOWANIE
Warunki eksperymentów
Planowanie warunków, w których modele różnią się przewidywaniami, przy kontroli szumu i kolejności prób.
02 / MODELOWANIE
Estymacja i symulacja
Symulacje i odzyskiwanie parametrów w danych syntetycznych przed analizą danych empirycznych.
03 / WALIDACJA
Rozróżnialność modeli
Planowana kontrola predykcji poza próbą oraz odporności wniosków na inne założenia.
Wartość projektu to możliwość ilościowego badania formowania przekonań i reakcji na niepewność. Nie zakładamy, że jeden mechanizm wystarczy do wyjaśnienia psychozy ani że syntetyczna symulacja dowodzi mechanizmu klinicznego.
Punkty odniesienia / literatura naukowa
Badania, na których warto się oprzeć
Goodwin i in. · Nature Mental Health · 2026
Konkurencyjne interpretacje predictive processing w psychozie
Literatura stanowi podstawę naukową projektu, nie jest raportem wyników VB Idea. Powiązania modeli z objawami klinicznymi wymagają niezależnej walidacji.
Następny projekt: M07 — SOCIAL-PSYCH
Od indywidualnego wnioskowania przejdziemy do symulacji zachowań społecznych, sieci kontaktów i mechanizmów emergentnych w zdrowiu psychicznym.
VB Idea rozpoczęła pierwsze prace przygotowawcze w III kwartale 2026 roku. Zespół porządkuje koncepcję projektu „Powstawanie i utrzymywanie się społecznych pętli sprzężenia zwrotnego w modelach stresu i wycofania społecznego”. Celem jest zbadanie zjawisk, których nie wyjaśnia analiza pojedynczej osoby.
B+RTo planowany program interdyscyplinarny, wymagający udziału specjalistów modelowania matematycznego, nauk społecznych, psychologii i psychiatrii. VB Idea przygotowuje założenia zespołu i programu badawczego, bez deklarowania potwierdzonych wyników empirycznych.
Planowany punkt wyjścia to mała populacja syntetycznych agentów z jawnymi regułami obciążenia, regeneracji i oddziaływań, bez symulowania osobowości lub rozpoznań klinicznych.
02
Porównanie struktur kontaktów
Sieć losowa, małego świata i heterogeniczna. Porównanie wymaga tej samej liczby agentów i połączeń oraz jednakowych stresorów i warunków początkowych.
03
Testowanie sprzężeń zwrotnych
Przy jakich regułach kontakt może osłabiać umowne obciążenie, a przy jakich je wzmacniać? Potrzebne są analizy wrażliwości, a nie tylko jeden efektowny przebieg.
04
Sprawdzenie na danych niezależnych
Planowany sprawdzian badawczy to przewidywanie niezależnych obserwacji empirycznych, których nie użyto do dopasowania modelu. W demonstratorze danych empirycznych nie ma.
III kw. 2026początek przygotowań
Obecnieporządkowanie koncepcji
I poł. 2027wstępne szacunki realizacji
Kontrola metodologiczna
Jak odróżnić wpływ sieci od innych czynników?
Na etapie koncepcyjnym priorytetem jest interpretowalność oraz sprawdzanie, od czego faktycznie zależy wynik symulacji.
01
Porównywalne sieci
Stałe 30 agentów i 60 połączeń; zmienia się ich rozmieszczenie i rozkład liczby sąsiadów.
02
Te same warunki
Jednakowe stresory, parametry agentów, stany początkowe i ziarna losowości przy porównaniu topologii.
03
Wpływ sąsiadów
Stosujemy średnią zamiast sumy obciążeń sąsiadów. To ogranicza bezpośredni wpływ stopnia węzła, ale nie usuwa wszystkich efektów struktury.
04
Powtórzenia i test zewnętrzny
Powtórzenia syntetyczne kontrolują stabilność wybranej procedury; dopiero niezależne dane mogą weryfikować trafność empiryczną.
Efekt emergentny oznacza tu wzorzec powstający ze współdziałania wielu agentów. Nie jest sam w sobie dowodem na mechanizm psychologiczny u ludzi.
Demonstrator edukacyjny / wyłącznie dane syntetyczne
Ten sam stresor, trzy różne sieci społeczne
Zmień topologię sieci i dwa umowne parametry. Każda struktura obejmuje dokładnie 30 agentów i 60 połączeń. Wykres pokazuje średnią z 12 deterministycznie odtwarzalnych powtórzeń syntetycznego eksperymentu.
Struktura sieci
30 agentów, 60 połączeń, średni stopień węzła równy 4.
Prosty model edukacyjny — nie reprezentuje określonej populacji klinicznej. Drugi suwak oznacza siłę umownego wpływu ochronnego, a nie odsetek osób wspierających. Dwanaście powtórzeń obejmuje różne realizacje szumu, lecz
nie stanowi oszacowania niepewności empirycznej. Porównanie sieci nadal może zależeć od umiejscowienia stresorów względem węzłów o różnej liczbie kontaktów.
Sieć losowa · 30 agentów60 połączeń · średnio 4 na agenta
niższe obciążeniewyższe obciążenie
Sieć
Bez wpływu kontaktów · średnia z 12 powtórzeń
Schemat poglądowy. Uruchom demonstrator, aby zobaczyć obliczenia.
Trudności badawcze
Co będzie największym wyzwaniem?
01
Identyfikowalność mechanizmów
Różne reguły jednostek mogą generować podobne wyniki zbiorowe. Dobre dopasowanie nie oznacza jeszcze poprawnego wyjaśnienia.
02
Znaczenie oraz zmienność relacji
Krawędź grafu nie określa jakości relacji ani kierunku wpływu. Statyczna sieć jest uproszczeniem kontaktów zmieniających się w czasie.
03
Walidacja poza kalibracją
Przewidywanie na danych niewykorzystanych do kalibracji jest planowaną próbą falsyfikacji, nie osiągniętym wynikiem VB Idea.
04
Wrażliwość na parametry i skalę
Wnioski zależą od przyjętych reguł, wielkości populacji i doboru parametrów. Średnia z 12 przebiegów nie zastępuje pełnej analizy wrażliwości.
05
Interdyscyplinarna interpretacja
Umowna zmienna obciążenia nie jest skalą objawów psychiatrycznych. Potrzebne są uzgodnione definicje, pomiar i współpraca interdyscyplinarna.
Perspektywa projektu VB Idea
Ambicja połączona z ostrożnością
Dlaczego widzimy potencjał?
Etap prototypowania można rozpocząć na danych syntetycznych bez pozyskiwania dokumentacji medycznej. To droga do kontroli kodu i hipotez przed badaniami empirycznymi, nie substytut ich walidacji.
Przejrzyste reguły agentów ułatwiają kontrolę założeń.
Porównywalne sieci pomagają badać wpływ topologii w ramach modelu.
Brak różnic między wariantami jest informacją wartą analizy.
Walidację można zaplanować już na etapie koncepcyjnym.
Optymizm dotyczy możliwości prowadzenia rzetelnych eksperymentów, a nie gwarancji klinicznie użytecznych rezultatów.
Pierwsza połowa 2027 roku to orientacyjny termin przygotowania wstępnych szacunków zakresu i możliwości pełnej realizacji — nie zakończenia projektu badawczego.
Planowany przebieg projektu
Co dalej po fazie koncepcyjnej?
ETAP 01
Prototyp
Reguły agentów, syntetyczna populacja, trzy topologie i jawne parametry.
ETAP 02
Eksperymenty
Powtarzalne eksperymenty syntetyczne, ocena wrażliwości i proste modele odniesienia.
ETAP 03
Walidacja
Niezależne obserwacje empiryczne, testy rozróżniające i ocena przenoszalności wniosków.
Kolejność odzwierciedla plan badawczy. Realizacja etapów zależy od składu zespołu, zasobów i dostępności danych do walidacji.
Literatura i standard naukowy
Podstawy, na których budujemy hipotezy
Zavlis i współautorzy · Nature Mental Health · 2025
Przegląd systematyczny 58 badań modelowania dynamiki interpersonalnej w psychopatologii; zwraca uwagę na ograniczenia walidacji i przejrzystości.
Kambeitz i Meyer-Lindenberg · 2025
Perspektywa dotycząca agentów generatywnych wykorzystujących LLM — inne podejście niż jawne, proste reguły SOCIAL-PSYCH.
Publikacje uzasadniają wybór metod, lecz nie potwierdzają trafności demonstratora ani wyników badań VB Idea.
Rzetelność przed złożonością.
VB Idea stawia w tej koncepcji na proste reguły, porównywalne sieci i hipotezy możliwe do obalenia. Dopiero niezależne dane mogą pokazać, czy zależności mają znaczenie poza symulacją.
VB Idea rozwija sześć interdyscyplinarnych kierunków B+R łączących zagadnienia psychiatrii obliczeniowej, matematyki, neurobiologii i sztucznej inteligencji. Inicjatywy są na różnych etapach — od koncepcji i przygotowania badań po rozwijanie modułów obliczeniowych i demonstratorów syntetycznych. Kontakty oraz współpraca z zagranicznymi zespołami, w tym w USA, poszerzają perspektywę naukową; niezależne wyniki empiryczne nie stanowią jednak walidacji rozwiązań VB Idea.
06kierunków badań i rozwoju VB Idea
01
Modelowanie
Projektujemy modele mechanizmów, dynamiki i źródeł niepewności.
02
Weryfikacja
Planujemy porównania modeli, sprawdzanie założeń i ocenę ograniczeń.
03
Współpraca
Rozwijamy współpracę na styku nauk klinicznych, matematyki i technologii.
Wspólnie rozwijajmy badania
Nowe pomysły potrzebują różnych perspektyw.
Zapraszamy naukowców, klinicystów i partnerów technologicznych zainteresowanych współpracą B+R z VB Idea.
