ИИ научился прогнозировать риск депрессии за несколько лет до появления симптомов

Исследователи из Шэньчжэньского университета вместе с международной группой учёных разработали модель глубокого обучения, которая анализирует реакцию мозга на эмоции и помогает оценить риск появления симптомов депрессии в будущем.

Работа опубликована 7 августа 2026 года в журнале Science Advances. Авторы утверждают, что обнаруженный ими нейровычислительный маркер связан с симптомами депрессии, которые могут проявиться спустя несколько лет.

В основе исследования — не анализ переписки, голоса или поведения пользователя, как во многих современных системах для определения эмоционального состояния. Учёные работали с данными функциональной МРТ и изучали, как мозг подростков реагирует на лица с разными эмоциональными выражениями.

Как работает модель

Основой исследования стала международная база IMAGEN. На первом этапе учёные проанализировали данные 1332 подростков.

Во время эксперимента участникам показывали лица с разными эмоциональными выражениями, а активность их мозга фиксировали с помощью функциональной МРТ. Затем полученные данные анализировала модель глубокого обучения.

Исследователи обнаружили закономерность: у части участников мозг слабее различал эмоциональные сигналы. По версии авторов работы, это может приводить к негативному смещению восприятия, когда неоднозначные выражения лиц чаще воспринимаются как отрицательные или враждебные.

Именно эта особенность оказалась связана с дальнейшим появлением симптомов депрессии.

На следующем этапе исследователи использовали данные 725 участников, которых наблюдали спустя несколько лет. Выделенный моделью нейровычислительный признак оказался связан с появлением симптомов депрессии в перспективе до четырёх лет.

Учёные нашли связь с генетической предрасположенностью

У исследования есть ещё одна интересная деталь. Обнаруженный ИИ-маркер оказался связан не только с особенностями эмоционального восприятия, но и с генетической предрасположенностью к депрессии.

Исследователи обнаружили связь как с отдельными генетическими факторами риска, так и с полигенным риском — совокупным влиянием множества генетических вариантов.

Авторы предполагают, что эти факторы могут быть частью одной цепочки: генетическая уязвимость влияет на то, как мозг обрабатывает эмоциональные сигналы, человек чаще воспринимает неоднозначные реакции окружающих негативно, а впоследствии риск появления депрессивных симптомов увеличивается.

Пока это только возможное объяснение механизма. Исследование не доказывает, что определённая реакция мозга обязательно приведёт к развитию депрессии.

Модель проверили на отдельной группе пациентов

Чтобы проверить результаты на другой выборке, учёные использовали данные проекта STRATIFY.

В этой части исследования участвовал 411 человек. Проект изучает нейробиологические, генетические и поведенческие особенности различных психических расстройств и включает данные функциональной и структурной МРТ.

Добавление найденного нейровычислительного маркера улучшило способность модели распознавать депрессию в клинической выборке.

Исследователи также сравнивали результаты людей с другими психическими расстройствами, включая зависимости и расстройства пищевого поведения. Это позволило проверить, связан ли обнаруженный признак именно с депрессией, а не с психическими расстройствами в целом.

Но это пока не «анализ на депрессию»

Несмотря на формулировку о прогнозировании риска на четыре года вперёд, технология пока далека от обычного медицинского теста.

Для работы системы нужны данные функциональной МРТ, а это сравнительно дорогое и сложное обследование. Кроме того, модель определяет статистическую вероятность, а не предсказывает будущее конкретного человека со стопроцентной точностью.

Это одна из главных сложностей подобных исследований.

Например, в другой крупной работе 2026 года учёные пытались распознавать большое депрессивное расстройство только по структурным МРТ головного мозга. На данных UK Biobank модель показала AUC около 0,57 — результат лишь немного выше случайного определения.

Авторы той работы пришли к выводу, что одних структурных особенностей мозга пока недостаточно для надёжного выявления депрессии.

Исследование команды из Шэньчжэня отличается тем, что анализирует не только строение мозга, а то, как он реагирует на эмоциональную информацию.

Зачем нужен такой ИИ

Главный потенциальный сценарий использования подобных моделей — раннее выявление людей с повышенным риском развития депрессии.

Сейчас диагноз обычно ставят уже после появления заметных симптомов. Если результаты исследования подтвердятся на более крупных и независимых выборках, подобные алгоритмы в будущем смогут использоваться как дополнительный инструмент оценки риска наряду с психологическими тестами, историей болезни и другими данными.

Исследования в этом направлении уже идут. В 2026 году другая группа китайских учёных показала, что алгоритмы машинного обучения способны находить признаки подростковой депрессии по активности фронтальных областей мозга, измеренной с помощью технологии fNIRS.

В одной из таких работ модель Random Forest достигла AUC 0,93 при разделении подростков с диагностированной депрессией и участников контрольной группы.

Поэтому самое интересное в работе команды из Шэньчжэня — не сама формулировка «ИИ прогнозирует депрессию за четыре года», а попытка обнаружить измеримые изменения в работе мозга, которые появляются раньше выраженных симптомов.

Если этот механизм подтвердят дальнейшие исследования, ИИ в перспективе сможет помогать не только распознавать уже существующие психические расстройства, но и оценивать риск их появления задолго до постановки диагноза.