Модель ИИ предсказывает риски и потенциальные причины психических заболеваний у подростков
Модель искусственного интеллекта (ИИ), разработанная исследователями Duke Health, точно предсказала, когда подростки подвергаются высокому риску возникновения серьезных проблем с психическим здоровьем в будущем, прежде чем симптомы станут тяжелыми.
В отличие от предыдущих моделей, которые в первую очередь полагались на существующие симптомы, модель ИИ выявила глубинные причины, такие как нарушения сна и семейные конфликты , которые можно было бы использовать для назначения вмешательств. Эта возможность могла бы значительно расширить доступ к услугам в области психического здоровья , с оценками и уходом, доступными через поставщиков первичной медицинской помощи .
«США столкнулись с кризисом психического здоровья молодежи — почти половина подростков страдают психическими заболеваниями », — сказал Джонатан Познер, доктор медицинских наук, профессор кафедры психиатрии и поведенческих наук в Университете Дьюка и старший автор исследования, опубликованного в журнале Nature Medicine .
«Несмотря на этот кризис, в США наблюдается острая нехватка специалистов по психическому здоровью», — сказал Познер. «Наша модель ИИ может использоваться в учреждениях первичной медико-санитарной помощи, позволяя педиатрам и другим поставщикам услуг немедленно узнавать, находится ли ребенок перед ними в группе высокого риска, и давая им возможность вмешаться до того, как симптомы обострятся».
Познер и его коллеги, включая специалистов по данным Эллиота Хилла и Мэтью Энгельхарда, доктора медицины и доктора философии, из Департамента биостатистики и биоинформатики Университета Дьюка, проанализировали психосоциальные и нейробиологические факторы, связанные с психическими заболеваниями, используя данные текущего исследования ABCD. В ходе исследования были проведены психосоциальные и мозговые оценки развития более 11 000 детей в течение пяти лет.
Эффективность модели стратифицирована по метрике и группам высокого риска. Кредит: Nature Medicine (2025). DOI: 10.1038/s41591-025-03560-7
Используя искусственный интеллект , исследователи построили нейронную сеть — модель ИИ, которая имитирует мозговые связи — для прогнозирования того, какие дети перейдут из категории низкого в категорию высокого психиатрического риска в течение года. Затем эта модель используется для оценки анкеты, которая ранжирует ответы пациента или родителя о текущем поведении, чувствах и симптомах, чтобы предсказать вероятность эскалации.
Модель показала точность 84% при выявлении пациентов в исследовании, у которых в течение следующего года наблюдалось обострение заболевания.
Важно, что исследователи Duke проанализировали альтернативную модель, которая определила потенциальные механизмы, которые могут привести к ухудшению психического заболевания или спровоцировать его. Благодаря точности 75% способность новой системы моделирования определять глубинные причины дает ей уникальную возможность предупреждать врачей и семьи о потенциальных вмешательствах.
«Гораздо проще сказать, что ребенок с довольно высокой симптоматической нагрузкой психического заболевания заболеет через год, чем определить, что у ребенка есть все эти основные факторы риска психического заболевания и он заболеет», — сказал Хилл. «Важно использовать эту информацию, чтобы разработать вмешательство для этого ребенка».
Среди наиболее распространенных основных причин обострения заболевания — нарушения сна, проблемное поведение, неблагоприятные события, семейный анамнез психического здоровья и семейные конфликты; из них нарушения сна оказались наиболее мощным предиктором будущих психических заболеваний.
«Важно отметить, что модель не доказывает, что именно нарушения сна у ребенка являются причиной повышенного риска, но она предполагает, что это один из ограниченного числа поддающихся изменению факторов, который, по-видимому, связан с высокими показателями», — сказал Энгельхард.
Авторы утверждают, что модель демонстрирует способ охвата более широкой группы молодых пациентов с помощью инструмента, который врачи первичной медико-санитарной помощи могут использовать для оценки риска для психического здоровья ребенка с помощью простых анкет.
«У врачей первичной медико-санитарной помощи часто нет времени на проведение детальной психиатрической оценки, что затрудняет определение того, каким детям требуется раннее вмешательство. Эта модель ИИ автоматизирует процесс, анализируя данные в режиме реального времени и предоставляя врачу простой вывод, указывающий уровень риска для ребенка», — сказал Познер.