Изменения движения, сна или речи могут быть связаны с симптомами психических расстройств. Цифровое фенотипирование изучает такие связи по данным повседневных устройств. Разбираться стоит с конкретным сигналом: что он измеряет и на каких людях его проверяли.

Что такое цифровое фенотипирование

Идея появилась раньше обсуждения цифрового психического здоровья у Thomas Insel в 2017 году. Jain, Powers, Hawkins и Brownstein опубликовали "The digital phenotype" ещё в 2015-м. Термин описывает изучение поведения по цифровым следам.

Исследователи используют местоположение и активность, изучают речь и взаимодействие с устройством. Опросники дополняют сведения, которых нет в пассивных сигналах. Изменившийся маршрут может быть связан с состоянием человека, отпуском или новой работой; сам датчик причину не объяснит.

В пилотном исследовании Barnett и коллег 2018 года 17 пациентов с шизофренией использовали Beiwe до трёх месяцев. За две недели перед рецидивом частота выявленных поведенческих аномалий была на 71% выше, чем в другие периоды. Это относительный рост частоты аномалий, а не точность прогноза в 71%. Авторы нашли связь, предшествующую рецидиву; что телефон предупредил человека или врача раньше, чем они заметили симптомы, исследование не установило. И депрессию в нём не изучали.

Платформы вроде Beiwe помогают собирать данные вне кабинета врача. Здесь имеет смысл рассматривать отклонения от привычного поведения вместе с абсолютными показателями. Персональная база добавляет контекст, но причину изменения всё равно нужно выяснять.

Что можно узнать из разговора

В голосе изучают изменение высоты тона, темп и паузы. Систематический обзор Briganti и Lechien 2025 года включил 12 исследований с 16 872 участниками. При различении депрессии и контрольных групп значения AUC находились между 0,71 и 0,93. У шести работ был высокий риск методологических искажений. Это диапазон результатов разных методов и выборок; одного ожидаемого показателя для любого голоса он не задаёт.

Конкретный пример есть в оценке Kintsugi Voice v1 у Mazur и коллег. Авторы использовали англоязычные записи продолжительностью минимум 25 секунд от взрослых из США и Канады. В валидационной выборке было 4456 участников. При сравнении с самоотчётом PHQ-9≥10 чувствительность составила 71,3%, специфичность 73,5%; для 920 образцов система отдельно рекомендовала дополнительную оценку. Эталоном был скрининговый порог депрессивных симптомов, отдельный клинический диагноз здесь не использовали. Проверку распознавания тревоги эти данные не подтверждают.

Чувствительность показывает, как часто тест находит положительные по эталону случаи, а специфичность показывает, как часто правильно исключает отрицательные. Заменить их общей фразой "точность около 80%" нельзя.

У текстового анализа другие задачи. Tauscher и коллеги исследовали 7354 сообщения от 39 клиентов в 12-недельной программе переписки. Дообученная BERT выявляла сообщения с когнитивными искажениями с F1=0,62, при согласованности человеческих оценщиков 0,63. Здесь распознавали искажения в конкретных сообщениях. Диагноз депрессии по переписке не ставили и всю работу специалиста с моделью не сравнивали.

Исследователи также объединяют звук, текст и мимику. Дополнительные каналы дают больше контекста, но само добавление видео ещё не устанавливает лучшую точность. Для этого нужно сравнение на одной задаче и сопоставимой выборке.

Оценка внутри разговора

В препринте MoPHES описаны две дообученные MiniCPM4-0.5B. Одна классифицирует выраженность симптомов, другая ведёт диалог. Авторы изучают запуск на мобильном устройстве, чтобы обработка могла выполняться локально.

На своём классификационном наборе из 200 образцов они получили accuracy 80,5% для выраженности тревоги и 63% для депрессии (таблица VI). Разметку исходных текстов создавали с GPT-4o-mini, клиническими диагнозами эти метки не были. MoPHES превзошла часть крупных моделей, но на отдельных задачах другие модели показали более высокий результат. Цифры описывают предсказание меток в тестовом наборе.

Разделение оценки и диалога является инженерным выбором. Оно не объясняет, почему для одного состояния результат ниже, и само по себе не обосновывает скрытую оценку людей без их ведома.

Датчики и слова отвечают на разные вопросы

Тип сигнала	Пример задачи	Что проверять
Местоположение и активность	Выявить отклонение от привычного поведения	Персональная база, другие объяснения и дальнейшие действия
Голос	Классифицировать запись по скрининговому порогу	Язык, условия записи, чувствительность и специфичность
Текст	Найти когнитивные искажения в сообщениях	Конкретная метка, оценщики и состав выборки
Разговорная модель	Предсказать метки выраженности в тестовом наборе	Происхождение разметки и наличие клинической проверки

Датчики могут собирать данные непрерывно, а язык доступен только тогда, когда человек говорит или пишет. Их объединение создаёт новую систему, которую нужно проверять отдельно. Обзор вычислительных моделей психических расстройств объясняет связанные подходы, а статья о выявлении риска по тексту разбирает другую задачу с более серьёзными последствиями ошибки.

Ограничения и практические вопросы

Ложные срабатывания имеют последствия. Если приложение отмечает изменение, полезно понять, что дальше должен делать человек или специалист. Одна метрика ещё не показывает, помогает ли вмешательство, которое запускается по этому сигналу.

У истории местоположения, голоса и личной переписки разные требования к обращению с данными. Стоит выяснить, что собирается, где обрабатывается и кому доступно. Локальный запуск модели описывает один этап обработки; хранение и резервные копии зависят от продукта. Эти вопросы разобраны в материале об ИИ на устройстве и приватности.

Скрининговый или мониторинговый сигнал может стать поводом для дополнительной оценки. Интерпретировать его нужно по той задаче, на которой его проверяли. Статья о guardrails показывает ещё один случай, когда метод проверки нельзя отделять от результата.

Часто задаваемые вопросы

Смартфон может выявить депрессию?

По данным телефона исследователи оценивают связи с симптомами или баллами опросников. Результат зависит от сигнала и исследования. Для клинического диагноза нужна другая оценка, чем обнаружение цифровой закономерности.

ИИ читает сообщения, чтобы оценить настроение?

Некоторые исследовательские системы анализируют содержание сообщений, другие используют активность или голос. Продукт должен объяснять, какие данные ему доступны и где выполняется анализ. Локальная обработка в прототипе не описывает политику другого приложения.

Насколько точно цифровое фенотипирование?

Единого значения нет. Чувствительность и специфичность Kintsugi относятся к скринингу PHQ-9, F1 у Tauscher измеряет распознавание когнитивных искажений, accuracy MoPHES относится к меткам тестового набора. Сравнивать их как одну задачу было бы неверно.

"Рядом" предназначен для эмоциональной поддержки и саморефлексии, а не диагностики или лечения. Описанные исследования не устанавливают, что приложение использует эти способы сбора сигналов; его возможности приведены на странице фактов.