| |
Рост распространённости тревожных расстройств диктует необходимость разработки новых, масштабируемых методов доклинического скрининга. Одним из наиболее перспективных направлений является анализ цифровых поведенческих паттернов – устойчивых следов взаимодействия человека со смартфонами и онлайн-платформами, формирующих его цифровой фенотип. Целью данной статьи является систематизация и анализ современных методов математического моделирования таких паттернов для построения прогностических моделей индивидуального риска развития тревожной симптоматики. В работе рассматриваются источники релевантных цифровых данных, включая пассивный мониторинг активности смартфона (метрики мобильности, циркадные ритмы), а также активность в социальных сетях. Основное внимание уделено применению аппарата нелинейной динамики, такого как рекуррентный количественный анализ и расчёт энтропии временных рядов, для выявления хаотичности и нарушений регулярности в поведении. Параллельно исследуется эффективность алгоритмов машинного обучения (градиентный бустинг, метод опорных векторов) для задачи бинарной классификации. Результаты демонстрируют, что комплексные модели, интегрирующие разнородные цифровые признаки, достигают высокой прогностической точности (AUC-ROC до 0.89). В статье детально обсуждаются ключевые технологические и этические вызовы, связанные с экологической валидностью, интерпретируемостью моделей и защитой приватности пользователей. Делается вывод о значительном потенциале математического моделирования цифровых следов для создания инструментов превентивной психиатрии, при обязательном условии разработки этичных и клинически валидированных протоколов их применения.
Ключевые слова:математическое моделирование, цифровые биомаркеры, поведенческие паттерны, тревожные расстройства, прогностические модели, машинное обучение, пассивный мониторинг, цифровой фенотип.
|
ПРАВОВАЯ
ИНФОРМАЦИЯ:
