Il Disturbo da Gioco d’Azzardo (DGA), caratterizzato da una elevata eterogeneità clinica e da frequente comorbidità con i disturbi dell’umore, d’ansia e di personalità, rappresenta una sfida crescente per la salute pubblica. Le evidenze scientifiche indicano che tratti stabili di personalità svolgono un ruolo cruciale nel modulare la vulnerabilità individuale al disturbo. Tuttavia, il peso attribuito ai profili di personalità nei modelli diagnostici rimane limitato, in un quadro ancora dominato da criteri di natura comportamentale. Questo lavoro esplora come l’integrazione tra psicometria e Intelligenza Artificiale (IA), in particolare l’ambito del machine learning (ML) possa favorire una valutazione più tempestiva e multidimensionale del DGA. Attraverso l’analisi dei principali modelli teorici, degli strumenti psicometrici per la valutazione della personalità, nonché delle applicazioni emergenti dell’IA/ML in psichiatria computazionale, si propone un paradigma di diagnosi aumentata, in cui i dati psicologici quantitativi vengono utilizzati per supportare e non sostituire il giudizio clinico. Le prospettive future richiedono l’adozione di dataset multicentrici, modelli interpretabili e standard di validazione rigorosi, al fine di garantire trasparenza, affidabilità e valore clinico. L’obiettivo è una psicologia clinica realmente data‑informed, in grado di coniugare rigore scientifico, etica professionale e centralità della persona.
Il disturbo da gioco d'azzardo tra neuroscienze, arte e psicologia della mente contemporanea
Pasca P.
Writing – Original Draft Preparation
;
2025-01-01
Abstract
Il Disturbo da Gioco d’Azzardo (DGA), caratterizzato da una elevata eterogeneità clinica e da frequente comorbidità con i disturbi dell’umore, d’ansia e di personalità, rappresenta una sfida crescente per la salute pubblica. Le evidenze scientifiche indicano che tratti stabili di personalità svolgono un ruolo cruciale nel modulare la vulnerabilità individuale al disturbo. Tuttavia, il peso attribuito ai profili di personalità nei modelli diagnostici rimane limitato, in un quadro ancora dominato da criteri di natura comportamentale. Questo lavoro esplora come l’integrazione tra psicometria e Intelligenza Artificiale (IA), in particolare l’ambito del machine learning (ML) possa favorire una valutazione più tempestiva e multidimensionale del DGA. Attraverso l’analisi dei principali modelli teorici, degli strumenti psicometrici per la valutazione della personalità, nonché delle applicazioni emergenti dell’IA/ML in psichiatria computazionale, si propone un paradigma di diagnosi aumentata, in cui i dati psicologici quantitativi vengono utilizzati per supportare e non sostituire il giudizio clinico. Le prospettive future richiedono l’adozione di dataset multicentrici, modelli interpretabili e standard di validazione rigorosi, al fine di garantire trasparenza, affidabilità e valore clinico. L’obiettivo è una psicologia clinica realmente data‑informed, in grado di coniugare rigore scientifico, etica professionale e centralità della persona.I documenti in IRIS sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.
