Применение искусственного интеллекта для персонализированной диагностики и терапии психических расстройств
Научная статья приведена в сокращённом варианте.
Коррекция социальной дезорганизации у больных шизофренией с помощью РБ (разговорный бот) на основе ИИ
В одном из недавних исследований было показано, что в развитии шизофрении, а именно, в скорости нарастания негативной симптоматики ключевую роль играет социальная дезадаптация. Авторы пришли к выводу, что социальная дезадаптация является самой важной клинической характеристикой шизофрении, мало того, при контроле над этим феноменом можно замедлить прогредиентность. Однако, для этого необходимо применить различные функциональные, визуализирующие и молекулярные методы. Предиктором шизофрении авторы исследования считают десинхронизацию сигналов, возникающую при гиперстимуляции центральной нервной системы пациента. Однако, данный маркер сложно назвать достаточно чувствительным и специфичным, исследование является пилотным и не позволяет пока улучшить раннюю диагностику шизофрении . Гораздо явным (из продуктивной симптоматики) признаком шизофрении являются слуховые галлюцинации. Но этот симптом может быть не только признаком шизофрении, но и других психических расстройств, например, алкоголизма или наркомании, которые могут быть коморбидными расстройствами у больных шизофренией. О шизофрении в большей степени думают, когда есть сочетание социальной дезадаптации, холодности в общении, снижения круга интересов с позитивной симптоматикой (прежде всего, в виде слуховых галлюцинаций). К методу, влияющему на социальную дезадаптацию относится когнитивно-поведенческая терапия, которую обычно проводит психотерапевт. Успех такой терапии зависит от субъективной оценки проводимого лечения пациентом, а также эффективности снижения тревоги и стресса. Новые возможности открываются с разработкой программы, которая может быть более чувствительной по отношению к пациенту и, в зависимости от его оценки ситуации, видоизменять методику воздействия. АВАТАР-терапия была создана в 2008 г. для помощи пациентам с шизофренией или аффективными расстройствами, страдающими слуховыми галлюцинациями. Принцип работы основан на общении пациента с цифровым изображением, так называемым аватаром, своего преследователя, который с продолжением терапии становится менее агрессивным. По результатам рандомизированного контролируемого исследования, лечение аватаром было статистически более эффективно в конечной контрольной точке после начала терапии (12 недель) со значением p-value ≤ 0,0093 между группами сравнения.
Заключение
Эпоха пандемии COVID-19 стала катализатором развития технологий онлайн консультирования. Отмечался наибольший за все время существования интернета спрос на психологическую помощь. Владельцы сервисов и программ по психологическому консультированию смогли собрать большое количество данных для анализа и составления алгоритмов по оптимизации консультирования, в дальнейшем это реализовалось во внедрении искусственного интеллекта в программы по онлайн-консультированию. Разговорные программы помогают в борьбе с социальной дезорганизацией у больных шизофренией. Программы на основе искусственного интеллекта помогают замедлить прогредиентность развития заболевания, при этом такие программы способные обучаться и подстраиваться под каждого пациента, что способствует повышению комплаенса к лечению. Программы с машинным обучением активно применяются в психотерапии пациентов со слуховыми галлюцинациями, невротическими расстройствами и неврозоподобными состояниями.
Использование медицинских чат-ботов и разговорных ботов на основе искусственного интеллекта делает психолого-психиатрическую помощь более доступной, но не последнюю роль такие программы играют и в научных исследованиях, заменяя привычное анкетирование. Разговор с программой, как правило, воспринимается испытуемыми легче, чем заполнение анкет, что упрощается получение необходимой информации.
Войтович Н.В., Абриталин Е.Ю., Гребеньков С.В. Применение искусственного интеллекта для персонализированной диагностики и терапии психических расстройств // Наука молодых (Eruditio Juvenium). 2025. Т. 13, № 1. С. 156–164. doi: 10.23888/HMJ2025131156-164 EDN: WQFDNB
Полный текст статьи https://naukamolod.rzgmu.ru/art/784
Коррекция социальной дезорганизации у больных шизофренией с помощью РБ (разговорный бот) на основе ИИ
В одном из недавних исследований было показано, что в развитии шизофрении, а именно, в скорости нарастания негативной симптоматики ключевую роль играет социальная дезадаптация. Авторы пришли к выводу, что социальная дезадаптация является самой важной клинической характеристикой шизофрении, мало того, при контроле над этим феноменом можно замедлить прогредиентность. Однако, для этого необходимо применить различные функциональные, визуализирующие и молекулярные методы. Предиктором шизофрении авторы исследования считают десинхронизацию сигналов, возникающую при гиперстимуляции центральной нервной системы пациента. Однако, данный маркер сложно назвать достаточно чувствительным и специфичным, исследование является пилотным и не позволяет пока улучшить раннюю диагностику шизофрении . Гораздо явным (из продуктивной симптоматики) признаком шизофрении являются слуховые галлюцинации. Но этот симптом может быть не только признаком шизофрении, но и других психических расстройств, например, алкоголизма или наркомании, которые могут быть коморбидными расстройствами у больных шизофренией. О шизофрении в большей степени думают, когда есть сочетание социальной дезадаптации, холодности в общении, снижения круга интересов с позитивной симптоматикой (прежде всего, в виде слуховых галлюцинаций). К методу, влияющему на социальную дезадаптацию относится когнитивно-поведенческая терапия, которую обычно проводит психотерапевт. Успех такой терапии зависит от субъективной оценки проводимого лечения пациентом, а также эффективности снижения тревоги и стресса. Новые возможности открываются с разработкой программы, которая может быть более чувствительной по отношению к пациенту и, в зависимости от его оценки ситуации, видоизменять методику воздействия. АВАТАР-терапия была создана в 2008 г. для помощи пациентам с шизофренией или аффективными расстройствами, страдающими слуховыми галлюцинациями. Принцип работы основан на общении пациента с цифровым изображением, так называемым аватаром, своего преследователя, который с продолжением терапии становится менее агрессивным. По результатам рандомизированного контролируемого исследования, лечение аватаром было статистически более эффективно в конечной контрольной точке после начала терапии (12 недель) со значением p-value ≤ 0,0093 между группами сравнения.
Заключение
Эпоха пандемии COVID-19 стала катализатором развития технологий онлайн консультирования. Отмечался наибольший за все время существования интернета спрос на психологическую помощь. Владельцы сервисов и программ по психологическому консультированию смогли собрать большое количество данных для анализа и составления алгоритмов по оптимизации консультирования, в дальнейшем это реализовалось во внедрении искусственного интеллекта в программы по онлайн-консультированию. Разговорные программы помогают в борьбе с социальной дезорганизацией у больных шизофренией. Программы на основе искусственного интеллекта помогают замедлить прогредиентность развития заболевания, при этом такие программы способные обучаться и подстраиваться под каждого пациента, что способствует повышению комплаенса к лечению. Программы с машинным обучением активно применяются в психотерапии пациентов со слуховыми галлюцинациями, невротическими расстройствами и неврозоподобными состояниями.
Использование медицинских чат-ботов и разговорных ботов на основе искусственного интеллекта делает психолого-психиатрическую помощь более доступной, но не последнюю роль такие программы играют и в научных исследованиях, заменяя привычное анкетирование. Разговор с программой, как правило, воспринимается испытуемыми легче, чем заполнение анкет, что упрощается получение необходимой информации.
Войтович Н.В., Абриталин Е.Ю., Гребеньков С.В. Применение искусственного интеллекта для персонализированной диагностики и терапии психических расстройств // Наука молодых (Eruditio Juvenium). 2025. Т. 13, № 1. С. 156–164. doi: 10.23888/HMJ2025131156-164 EDN: WQFDNB
Полный текст статьи https://naukamolod.rzgmu.ru/art/784