Model Sistem Dinamis dalam Psikologi Klinis: Integrasi Data Multi-Omics dan Faktor Lingkungan untuk Prediksi Gangguan Mental Kompleks

Abstract

Gangguan mental kompleks seperti depresi, kecemasan, dan skizofrenia merupakan kondisi multifaktorial yang muncul dari interaksi dinamis antara predisposisi genetik, paparan lingkungan, dan proses neurobiologis sepanjang waktu perkembangan. Pendekatan reduksionisme tradisional yang menganalisis faktor-faktor tersebut secara terpisah terbukti tidak mampu menangkap kompleksitas dan sifat non-linear dari gangguan mental.Penelitian ini bertujuan untuk mengembangkan dan menguji model sistem dinamis yang mengintegrasikan data multi-omics (genomik, epigenomik, proteomik, dan metabolomik) dengan faktor lingkungan (eksposom fisik dan sosial) dalam kerangka prediktif untuk gangguan mental kompleks. Kerangka sistem dinamis memandang tubuh manusia sebagai suatu sistem di mana faktor genetik membentuk keadaan dasar (foundational state), paparan lingkungan bertindak sebagai input yang bervariasi terhadap waktu (time-varying inputs), otak berfungsi sebagai prosesor mediasi, dan fenotipe perilaku muncul sebagai output sistem . Dengan menggunakan pendekatan pemodelan temporal berbasis grafik dan state-space models, penelitian ini mengintegrasikan polygenic risk scores (PRS), fitur lingkungan multidomain, serta representasi neuroimaging multimodal yang direduksi dimensionalitasnya . Hasil kajian menunjukkan bahwa model sistem dinamis mampu memprediksi lintasan perilaku eksternalisasi dan internalisasi, serta inisiasi penggunaan zat, dengan akurasi yang bervariasi tergantung pada jenis outcome . Integrasi multi-omics dan faktor lingkungan melalui pendekatan whole-body-exposome modeling meningkatkan akurasi prediksi secara signifikan dibandingkan model yang hanya mengandalkan data genetik atau neuroimaging saja . Namun, implementasi model ini menghadapi tantangan berupa keterbatasan data longitudinal di populasi yang beragam, kurangnya standarisasi protokol integrasi multi-omics, dan isu etika terkait privasi data sensitif . Penelitian ini merekomendasikan pengembangan kerangka multimodal diversity yang menggabungkan representasi data yang beragam, integrasi pengukuran ekstraserebral, dan arsitektur komputasi yang mampu menangani heterogenitas individu . Model sistem dinamis berbasis integrasi multi-omics dan faktor lingkungan menawarkan terobosan dalam prediksi dini, stratifikasi risiko, dan intervensi personal yang adaptif untuk gangguan mental kompleks, menggeser pendekatan psikiatri dari serendipitas menuju presisi berbasis desain .