Re-engineering the disordered mind: clinical experimentation, dynamical systems, and AI for personalized psychiatry
This perspective proposes a neuropsychiatric model of psychological and psychiatric interventions by reframing treatment as a control engineering problem grounded in dynamical systems theory and artificial intelligence (AI). We argue that psychopathology arises from distortions in the geometry of un...
Saved in:
| Main Authors: | , , , , , , , |
|---|---|
| Format: | Article (Journal) |
| Language: | English |
| Published: |
17 December 2025
|
| In: |
Neuropsychopharmacology
Year: 2026, Volume: 51, Issue: 4, Pages: 718-721 |
| ISSN: | 1740-634X |
| DOI: | 10.1038/s41386-025-02303-z |
| Online Access: | Verlag, kostenfrei, Volltext: https://doi.org/10.1038/s41386-025-02303-z Verlag, kostenfrei, Volltext: https://www.nature.com/articles/s41386-025-02303-z 
|
| Author Notes: | Mina Kheirkhah, Bita Shariatpanahi, Tim Hahn, Vineet Tiruvadi, Georgia Koppe, Erfan Nozari, Stefan G. Hofmann and Hamidreza Jamalabadi |
| Summary: | This perspective proposes a neuropsychiatric model of psychological and psychiatric interventions by reframing treatment as a control engineering problem grounded in dynamical systems theory and artificial intelligence (AI). We argue that psychopathology arises from distortions in the geometry of underlying neurobehavioral low-dimensional cognitive-affective manifolds rather than from isolated biological dysfunctions, and we use a formal dynamical framework to show how clinical interventions can be modeled as control inputs that reshape the manifold itself to restore healthy dynamics. To operationalize this approach clinically, we propose a closed-loop, N-of-1 experimental paradigm in which dense longitudinal measurements and strategically designed perturbations are used to train individualized AI surrogate models of a person’s manifold. This model supports the simulation of counterfactual interventions and guide the design of optimized, personalized treatments. Active perturbation reduces required sample size dramatically, enabling precise modeling from limited but richly sampled individual data. This engineering-inspired framework reconceptualizes clinical improvement as the restoration of regulatory capacity and resilient trajectories rather than the mere reduction of symptom counts. By integrating dynamical systems theory, AI-based surrogate modeling, and adaptive clinical experimentation, we outline a principled pathway toward personalized neuropsychiatry based on dynamical systems theory and AI. Dieser Ansatz schlägt ein neuropsychiatrisches Modell für psychologische und psychiatrische Interventionen vor, indem die Behandlung als regelungstechnisches Problem neu gefasst wird, das auf der Theorie dynamischer Systeme und der künstlichen Intelligenz (KI) beruht. Wir vertreten die These, dass Psychopathologie eher aus Verzerrungen in der Geometrie der zugrundeliegenden, niedrigdimensionalen neurobehavioralen kognitiv-affektiven Mannigfaltigkeiten entsteht als aus isolierten biologischen Dysfunktionen; mithilfe eines formalen dynamischen Rahmens zeigen wir auf, wie sich klinische Interventionen als Steuerungseingaben modellieren lassen, die die Mannigfaltigkeit selbst umformen, um eine gesunde Dynamik wiederherzustellen. Zur klinischen Operationalisierung dieses Ansatzes schlagen wir ein „Closed-Loop“-Experimentierparadigma für Einzelfälle (N-of-1) vor, bei dem dichte Längsschnittmessungen und gezielt gestaltete Perturbationen genutzt werden, um individualisierte KI-Surrogatmodelle der Mannigfaltigkeit einer Person zu trainieren. Dieses Modell ermöglicht die Simulation kontrafaktischer Interventionen und unterstützt die Entwicklung optimierter, personalisierter Behandlungen. Aktive Perturbationen reduzieren den erforderlichen Stichprobenumfang drastisch und ermöglichen so eine präzise Modellierung auf der Basis begrenzter, aber hochauflösender individueller Daten. Dieser ingenieurwissenschaftlich geprägte Ansatz definiert klinische Besserung neu: nicht als bloße Reduktion der Symptomzahl, sondern als Wiederherstellung der Regulationsfähigkeit und resilienter Verlaufsdynamiken. Durch die Integration der Theorie dynamischer Systeme, KI-basierter Surrogatmodellierung und adaptiver klinischer Experimente skizzieren wir einen prinzipiengeleiteten Weg hin zu einer personalisierten Neuropsychiatrie, die auf der Theorie dynamischer Systeme und KI basiert. [Mit KI übersetzt] |
|---|---|
| Item Description: | Veröffentlicht: 17. Dezember 2025 Gesehen am 18.02.2026 |
| Physical Description: | Online Resource |
| ISSN: | 1740-634X |
| DOI: | 10.1038/s41386-025-02303-z |