Контекст и актуальность. Разработка персонализированного программного обеспечения (ПО) для психиатрии, психотерапии и медицинской психологии осложняется междисциплинарным барьером между клиницистами и разработчиками. Широкое распространение больших языковых моделей (LLM) и интуитивных сред разработки открывает возможности для автоматизации создания специализированных решений, сокращающих время разработки с недель до дней. Теоретическая основа. Методология базируется на спиральной модели жизненного цикла ПО (ISO/IEC 12207:2008), обеспечивающей итеративную адаптацию к динамичным требованиям медицинских задач. Интеграция LLM в процесс генерации кода формализуется через универсальные технические задания (ТЗ). Цель: разработка методологии создания детерминированного ТЗ для генеративных ИИмоделей, обеспечивающей автоматизированную генерацию кода под узкоспециализированные задачи (оценка коморбидной патологии, рисков аддикций, утомления как предиктора невротизации). Материалы и методы. Свободноформатное ТЗ на русском языке с итеративной корректировкой экспертами. Генерация кода LLM Qwen2.5-Max (поддержка медицинской терминологии, 131 тысяча токенов контекста). Реализация прототипов на Python 3.13 с библиотекой Tkinter для GUI. Валидация модульной архитектуры для обработки гетерогенных данных (опросники, аудиовизуальные маркеры). Результаты. Создан функциональный прототип для прогнозирования медицинских рисков с многооконным интерфейсом и цветовой индикацией результатов. 98% сгенерированного кода соответствовало ТЗ после двух итераций уточнений. Реализована динамическая адаптация модулей (A/B/C) под задачи скрининга депрессии, тревоги и утомления. Выводы. Комбинация формализованных ТЗ и LLM ускоряет разработку медицинского ПО, но требует междисциплинарного взаимодействия на этапе верификации требований, строгого этического аудита (в соответствии с ГОСТ Р 71657-2024 и ФЗ-152), интеграции с IoT-устройствами (нейровизоры, биосенсоры) для мультимодального анализа данных. Рекомендовано использовать методологию для массовой разработки персонализированных инструментов в условиях дефицита специалистов. Ключевые ограничения: зависимость от качества ТЗ, неспособность ИИ предлагать инновационные архитектурные решения, необходимость ручной доработки под устаревшие технологические стеки.
Идентификаторы и классификаторы
- SCI
- Психология
Необходимость разработки высокоэффективных масштабируемых, экономичных и вместе с тем персонализированных и культурально адаптированных программ лечения в области психического здоровья требует принципиально новых инструментов, способных анализировать многомерные взаимосвязи и адаптироваться к индивидуальным особенностям пациентов на основе принципов персонализированной медицины [7].
Список литературы
1. Галкин С.А., Созонов А.С., Быкова М.А., Рощина О.В., Бохан Н.А. Эффективность применения релаксационного сценария в технологии виртуальной реальности у лиц молодого возраста. Физиология человека. 2025. Т. 51, № 3. С. 40-45.
Galkin SA, Sozonov AS, Bykova MA, Roshchina OV, Bokhan NA. The effectiveness of a relaxation scenario in virtual reality technology in young adults. Human Physiology. 2025;51(3):40-45. (in Russian). DOI: 10.31857/S0131164625030043
2. ГОСТ Р 71657-2024. Технологии искусственного интеллекта в образовании. Функциональная подсистема создания научных публикаций. Общие положения. Введ. 2025-01-01. М.: Российский институт стандартизации, 2024. 14 с.
GOST R 71657-2024. Artificial intelligence technologies in education. Functional subsystem for creating scientific publications. General Provisions. Moscow: Russian Institute for Standardization; 2024:14 (in Russian).
3. ГОСТ Р ИСО/МЭК 12207-99. Информационная технология. Процессы жизненного цикла программных средств. Введ. 2000-07-01. М.: ИПК Изд-во стандартов, 2000. 68 с.
GOST R ISO/IEC 12207-99. Information Technology. Software life cycle processes. Moscow: Publishing House of Standards, 2000:68 (in Russian).
4. Замятин К.А., Ноздрачев Д.И., Соловьева М.Н. Мобильные приложения для борьбы с тревожностью и снижения уровня стресса: возможности для профилактики неинфекционной патологии. Российский кардиологический журнал. 2021. Т. 26, № 9. С. 22-27.
Zamyatin KA, Nozdrachev DI, Solovieva MN. Mobile applications for anxiety and stress reduction: potential for preventing noncommunicable diseases. Russian Journal of Cardiology. 2021;26(9):22-27. (in Russian). DOI: 10.15829/1560-4071-2021-4681
5. Касьянов Е.Д., Ковалёва Я.В., Мазо Г.Э. Цифровое фенотипирование как новый метод скрининга психических расстройств. Обозрение психиатрии и медицинской психологии им. В.М. Бехтерева. 2022. Т. 56, № 4. С. 96-100.
Kasyanov ED, Kovaleva YaV, Mazo GE. Digital phenotyping as a new method of screening for mental disorders. V.M. Bekhterev Review of Psychiatry and Medical Psychology. 2022;56(4):96-100. (in Russian). DOI: 10.31363/2313-7053-2022-4-96-100
6. Корнетов А.Н., Старикова Е.Г., Каверина И.С., Стариков Ю.В., Солдатов А.А., Потапова Н.Е., Толмачев И.В. Подходы к автоматизации диагностики психического здоровья операторов ряда профессий. Психиатрия, психотерапия и клиническая психология. 2023. Т. 14, № 1. С. 95-104.
Kornetov AN, Starikova EG, Kaverina IS, Starikov YuV, Soldatov AA, Potapova NE, Tolmachev IV. Approaches to diagnostic automation for mental health in operators of certain occupations. Psychiatry, Psychotherapy and Clinical Psychology. 2023;14(1):95-104. (in Russian). DOI: 10.34883/PI.2023.14.1.002
7. Незнанов Н.Г., Васильева А.В. Цифровизация в оказании помощи в области психического здоровья. Новые возможности для специалистов и пациентов. Национальное здравоохранение. 2023. Т. 4, № 2. С. 15-24.
Neznanov NG, Vasileva AV. Digitalization in the provision of mental health care. New opportunities for specialists and patients. National Healthcare. 2023;4(2):15-24. (in Russian). DOI: 10.47093/2713-069X.2023.4.2.15-24
8. Незнанов Н.Г., Васильева А.В., Салагай О.О. Роль психотерапии, как медицинской специальности, в общественном здоровье. Общественное здоровье. 2022. Т. 2, № 2. С. 40-57.
Neznanov NG, Vasilyeva AV, Salagay OO. The role of psychotherapy as a medical specialty in public health. Public Health. 2022;2(2):40-57. (in Russian). DOI: 10.21045/2782-1676-2022-2-2-40-57
9. Скрипов В.С., Чехонадский И.И., Кочорова Л.В., Шведова А.А., Семенова Н.В. Результаты взаимодействия с региональными службами в рамках телемедицинских консультаций по психиатрии и наркологии. Обозрение психиатрии и медицинской психологии им. В.М. Бехтерева. 2019. № 3. С. 73-77.
Skripov VS, Chekhonadsky II, Kochorova LV, Shvedova AA, Semenova NV. Results of interaction with regional services within telemedicine consultations in psychiatry and narcology. V.M. Bekhterev Review of Psychiatry and Medical Psychology. 2019;3:73-77. (in Russian). DOI: 10.31363/2313-7053-2019-3-73-77
10. Созонов А.С., Рощина О.В., Быкова М.А., Казенных Т.В., Бохан Н.А. Исследование влияния технологии виртуальной реальности на психоэмоциональное состояние здоровых добровольцев. Сибирский вестник психиатрии и наркологии. 2025. № 1 (126). С. 15-20.
Sozonov AS, Roshchina OV, Bykova MA, Kazennykh TV, Bokhan NA. Study of the influence of virtual reality technology on the psycho-emotional state of healthy volunteers. Siberian Herald of Psychiatry and Addiction Psychiatry. 2025;1(126):15-20. (in Russian). DOI: 10.26617/1810-3111-2025-1(126)-15-20
11. Сологуб П.С. Применение машинного обучения к данным нейроанатомии и физиологии в области диагностики СДВГ. Современная зарубежная психология. 2024. Т. 13, № 2. С. 84-91.
Sologub PS. Application of machine learning to neuroanatomical and physiological data in the field of ADHD diagnosis. Modern Foreign Psychology. 2024;13(2):84-91. (in Russian). DOI: 10.17759/jmfp.2024130208
12. Федеральный закон от 27.07.2006 № 152-ФЗ “О персональных данных” (ред. от 24.06.2025). Собрание законодательства РФ. 2006. № 31 (ч. 1). Ст. 3451.
Federal Law No. 152-FZ of July 27, 2006 “On Personal Data” (as amended June 24, 2025). Legislation of the Russian Federation. 2006;31, Part 1:Art. 3451 (in Russian).
13. Фрейзе В.Б., Малышко Л.В., Грачев Г.И., Дутов В.Б., Семенова Н.В., Незнанов Н.Г. Перспективы использования технологий виртуальной реальности (VR) в терапии пациентов с психическими расстройствами (обзор зарубежной литературы). Обозрение психиатрии и медицинской психологии им. В.М. Бехтерева. 2021. Т. 55, № 1. С. 18-24.
Freize VB, Malyshko LV, Grachev GI, Dutov VB, Semenova NV, Neznanov NG. Outlook of applying of virtual reality (VR) technologies in the treatment of patients with mental disorders (review of foreign literature). V.M. Bekhterev Review of Psychiatry and Medical Psychology. 2021;55(1):18-24. (in Russian). DOI: 10.31363/2313-7053-2021-1-18-24
14. Психотерапия: национальное руководство / под ред. А.В. Васильевой, Т.А. Караваевой, Н.Г. Незнанова. М.: ГЭОТАР-Медиа, 2023. 992 с.
Psychotherapy: National Handbook / AV Vasilieva, TA Karavaeva, NG Neznanov (eds.). Moscow: GEOTAR-Media, 2023:992. (in Russian). DOI: 10.33029/9704-7567-6-PSY-2023-1-992
15. Янковская А.Е., Корнетов Н.А., Корнетов А.Н., Казанцева Н.В. Систематизация когнитивно-бихевиоральных вмешательств при организационном стрессе в целях использования в интеллектуальной системе ИМСЛОГ. Вестник Томского государственного университета. 2010. № 341. С. 191-194.
Yankovskaya AE, Kornetov NA, Kornetov AN, Kazantseva NV. Systematization of cognitive-behavioral interventions for organizational stress for use in the IMSLOG intellectual system. Tomsk State University Bulletin. 2010;341:191-194 (in Russian).
16. Adugna T, Ramu A, Haldorai A. A review of pattern recognition and machine learning. J. Mach. Comput. 2024, 4:210-220. DOI: 10.53759/7669/jmc202404020
17. Ai Y, Zhang L, Zhang D. Research on the application of computer-based psychotherapy in clinical guidance. Transactions on Materials, Biotechnology and Life Sciences. 2024;2:12-18. DOI: 10.62051/qr21gp88
18. Alnuaimi A, Albaldawi T. Concepts of statistical learning and classification in machine learning: An overview. BIO Web of Conferences. 2024 Apr; 97(12):00129. DOI: 10.1051/bioconf/20249700129
19. Beames JR, Han J, Shvetcov A, Zheng WY, Slade A, Dabash O, Rosenberg J, O’Dea B, Kasturi S, Hoon L, Whitton AE, Christensen H, Newby JM. Use of smartphone sensor data in detecting and predicting depression and anxiety in young people (12-25 years): A scoping review. Heliyon. 2024 Jul 30;10(15):e35472. 10.1016/j.heliyon.2024.e35472. PMID: 39166029; PMCID: PMC11334877. DOI: 10.1016/j.heliyon.2024.e35472.;PMCID PMID: 39166029
20. Bufano P, Laurino M, Said S, Tognetti A, Menicucci D. Digital Phenotyping for Monitoring Mental Disorders: Systematic Review. J Med Internet Res. 2023 Dec 13;25:e46778. 10.2196/46778. PMID: 38090800; PMCID: PMC10753422. DOI: 10.2196/46778.;PMCID PMID: 38090800
21. Gadde A. Democratizing software engineering through generative ai and vibe coding: The evolution of no-code development. J Computer Science and Technology Studies. 2025;7(4):556-572. DOI: 10.32996/jcsts.2025.7.4.66
22. Grebovic M, Filipović L, Katnic I, Vukotić M, Popović T. Machine learning models for statistical analysis. Int. Arab J. Inf. Technol. 2023;20(3a):505-514. DOI: 10.34028/iajit/20/3a/8
23. Gu X, Chen M, Lin Y, Hu Y, Zhang H, Wan C, Wei Z, Xu Y, Wang J. On the effectiveness of large language models in domain-specific code generation. ACM Transactions on Software Engineering and Methodology. 2023;34(3):1-22. DOI: 10.1145/3697012
24. Han Y, Lyu C. Multi-stage guided code generation for Large Language Models. Engineering Applications of Artificial Intelligence. 2025 Jan;139:109491. DOI: 10.1016/j.engappai.2024.109491
25. Hoseini SS, Dewar R. Empowering healthcare professionals with no-code artificial intelligence platforms for model development, a practical demonstration for pathology. Discoveries (Craiova). 2024 Mar 30;12(1):e182. 10.15190/d.2024.1. PMID: 39734805; PMCID: PMC11682784. DOI: 10.15190/d.2024.1.;PMCID PMID: 39734805
26. Hu Y, Zhang S, Dang T, Jia H, Salim F, Hu W, Quigley A. Exploring large-scale language models to evaluate EEG-based multimodal data for mental health. Companion of the 2024 on ACM International Joint Conference on Pervasive and Ubiquitous Computing. 2024:412-417. DOI: 10.1145/3675094.3678494
27. Jiang J, Wang F, Shen J, Kim S, Kim S. A Survey on large language models for code generation. arXiv preprint arXiv:2406.00515. 2024. DOI: 10.48550/arxiv.2406.00515
28. Jiang X, Dong Y, Wang L, Shang Q, Li G. Self-planning code generation with large language models. ACM Trans Softw Eng Methodol. 2023 Sept;33(7):1-30. DOI: 10.1145/3672456
29. Kim J, Ma PS, Chen M, Galatzer-Levy I, Torous J, Van Roessel P, Sharp C, Pfeffer M, Rodriguez C, Linos E, Chen J. Optimizing large language models for detecting symptoms of comorbid depression or anxiety in chronic diseases: Insights from patient messages. arXiv preprint arXiv:2503.11384. 2025. DOI: 10.48550/arxiv.2503.11384
30. Li J, Tao C, Li J, Li G, Jin Z, Zhang H, Fang Z, Liu F. Large language model-aware in-context learning for code generation. ACM Transactions on Software Engineering and Methodology. 2025;34(7):1-33. DOI: 10.1145/3715908
31. Linardon J, Chen K, Gajjar S, Eadara A, Wang S, Flathers M, Burns J, Torous J. Smartphone digital phenotyping in mental health disorders: A review of raw sensors utilized, machine learning processing pipelines, and derived behavioral features. Psychiatry Res. 2025 Jun;348:116483. Epub 2025 Apr 1. PMID: 40187059. DOI: 10.1016/j.psychres.2025.116483 PMID: 40187059
32. Liu J, Gao M, Sabour S, Chen Z, Huang M, Lee T. Enhanced large language models for effective screening of depression and anxiety. Communications Medicine 2025 Nov;5(1). DOI: 10.1038/s43856-025-01158-1
33. Maranhão GN de A, Oliveira WD de, Brito AU, Vasconcelos OC de M, Siqueira MR.S. Satisfaction assessment of training in artificial intelligence with a focus on sustainable projects for the amazon. Revista De Gestão Social E Ambiental. 2025 Jan;19(1):e010529. DOI: 10.24857/rgsa.v19n1-110
34. Moran K, Bernal-Cárdenas C, Curcio M, Bonett R, Poshyvanyk D. Machine learning-based prototyping of graphical user interfaces for mobile apps. IEEE Transactions on Software Engineering. 2018;46(2):196-221. DOI: 10.1109/TSE.2018.2844788
35. Nadas M, Dioşan L, Tomescu A. Synthetic data generation using large language models: Advances in text and code. IEEE Access. 2025;13:134615-134633. DOI: 10.1109/ACCESS.2025.3589503
36. Nie J, Shao H, Fan Y, Shao Q, You H, Preindl M, Jiang X. LLM-based conversational ai therapist for daily functioning screening and psychotherapeutic intervention via everyday smart devices. ACM Trans. Comput. Healthcare. 2025 Jan. DOI: 10.48550/arxiv.2403.10779
37. Parsanna M. A review on various machine learning algorithms. Int J Sc. Res Eng Manag. 2025;09(03):1-9. DOI: 10.55041/ijsrem42692
38. Pasquale L, Sabetta A, d’Amorim M, Hegedűs P, Mirakhorli M, Okhravi H, Payer M, Rashid A, Santos J, Spring J, Tan L, Tuma K, Massacci F. Challenges to using large language models in code generation and repair. IEEE Secur Priv. 2025 March-Apr;23(2):81-88. DOI: 10.1109/MSEC.2025.3530488
39. Reiter J, Nickels S, Nelson B, Rainaldi E, Peng L, Doraiswamy P, Kapur R, Abernethy A, Trister A. Increasing psychopharmacology clinical trial success rates with digital measures and biomarkers: Future methods. NPP - Digit Psychiatry Neurosci. 2024 May;2(7). DOI: 10.1038/s44277-024-00008-7
40. Roy K, Surana H, Eswaramoorthi D, Zi Y, Palit V, Garimella R, Sheth A. Large language models for mental health diagnostic assessments: exploring the potential of large language models for assisting with mental health diagnostic assessments - the depression and anxiety case. arXiv preprint arXiv:2501.01305. 2025. DOI: 10.48550/arxiv.2501.01305
41. Saari M, Soini J, Grönman J, Rantanen P, Mäkinen T, Sillberg P. Modeling the software prototyping process in a research context. Information Modelling and Knowledge Bases XXXII. 2020;333:107-118. DOI: 10.3233/FAIA200823
42. Sanmocte EMT, Costales JA. Exploring effectiveness in software development: A comparative review of system analysis and design methodologies. Int J Comput Theory Eng. 2025;17(1):36-43. DOI: 10.7763/ijcte.2025.v17.1367
43. Saravanos A, Curinga MX. Simulating the software development lifecycle: The waterfall model. Appl Syst Innov. 2023;6(6):108. DOI: 10.3390/asi6060108
44. Sardesai N, Russo P, Martin J, Sardesai A. Utilizing generative conversational artificial intelligence to create simulated patient encounters: a pilot study for anaesthesia training. Postgrad Med J. 2024 Jan;100(5). DOI: 10.1093/postmj/qgad137
45. Sidey-Gibbons JAM, Sidey-Gibbons CJ. Machine learning in medicine: a practical introduction. BMC Med Res Methodol. 2019 Mar 19;19(1):64. 10.1186/s12874-019-0681-4. PMID: 30890124; PMCID: PMC6425557. DOI: 10.1186/s12874-019-0681-4.;PMCID PMID: 30890124
46. Singh B, Kaunert C. Paradise of virtual reality (VR) and augmented reality (AR) in mental health treatment: Breaking down barriers advancing supremely smart healthcare for futuristic growth. In: Soufiane BO, Chakraborty C, Unhelkar B. (eds.). Augmented Wellness. Springer, Singapore; 2025:243-258. DOI: 10.1007/978-981-96-2952
47. Stade EC, Stirman SW, Ungar LH, Boland CL, Schwartz HA, Yaden DB, Sedoc J, DeRubeis RJ, Willer R, Eichstaedt JC. Large language models could change the future of behavioral healthcare: a proposal for responsible development and evaluation. Npj Ment Health Res. 2024 Apr 2;3(1):12. 10.1038/s44184-024-00056-z. PMID: 38609507; PMCID: PMC10987499. DOI: 10.1038/s44184-024-00056-z.;PMCID PMID: 38609507
48. Tupsakhare P. Revolutionizing oncology solutions with ai on low-code platforms. Journal of Oncology Research Review & Reports. 2023;(4):e101. DOI: 10.47363/jonrr/2023(4)e101
49. Xu S, Yan Y, Li F, Zhang S, Tang H, Luo C, Li Y, Liu H, Mei Y, Gu W, Qiu H, Wang Y, Qiu J, Yang T, Wang Z, Zhang Q, Geng H, Han Y, Shao J., Opel N., Bing L., Zhao M., Xu Y., Jiang X., Chen J. Identifying psychiatric manifestations in outpatients with depression and anxiety: A large language model-based approach. bioRxiv. 2025. DOI: 10.1101/2025.01.03.2431811
50. Yang Y, Li X, Ke W, Liu Z. Automated prototype generation from formal requirements model. IEEE Transactions on Reliability. 2020 Jun, 18;69(2):632-656. DOI: 10.1109/TR.2019.2934348
51. Yankovskaya AE, Kornetov AN, Il’inskikh NN, Obukhovskaya VB. An expansion of intelligent systems complex for express-diagnostics and prevention of organizational stress, depression, and deviant behavior on the basis of the biopsychosocial approach. Pattern Recognit. Image Anal. 2017;27:783-788. DOI: 10.1134/S1054661817040204
52. Zhang L, Liu Z, Wan Y, Fan Y, Chen D, Wang Q, Zhang K, Zheng Y. DepITCM: an audio-visual method for detecting depression. Front Psychiatry. 2025 Jan 23;15:1466507. 10.3389/fpsyt.2024.1466507. PMID: 39917382; PMCID: PMC11799262. DOI: 10.3389/fpsyt.2024.1466507.;PMCID PMID: 39917382
53. Zhang S, Hu Y, Yi X, Nanayakkara S, Chen X. IntervEEG-LLM: Exploring EEG-based multimodal data for customized mental health interventions. Companion Proceedings of the ACM on Web Conference 2025. 2025;7:2320-2326.
Выпуск
Другие статьи выпуска
Снижение суицидальной смертности - одна из важнейших медико-социальных задач, решение которой невозможно без понимания условий и факторов, потенцирующих суицидальную активность, оценки групп суицидального риска, а также анализа необходимых мер превенции суицидального поведения. В отдельных территориях страны показатели уровня самоубийств имеют большие различия, что указывает на важность комплексного изучения этой проблемы в каждом регионе. Цель исследования. Оценить ключевые социальноэкономические, медицинские, демографические и другие показатели Тюменской области (Западная Сибирь) в ассоциации с уровнем суицидальной смертности; обосновать стратегии профилактики самоубийств. Материал и методы. Использованы данные Федеральной службы государственной статистики по отдельным социальноэкономическим, медицинским, демографическим и другим показателям Тюменской области в 2010 г. и 2023 г. Проведен сравнительный анализ с аналогичными показателями по Российской Федерации и Уральскому федеральному округу. Результаты. Тюменская область относится к территориям с достаточно стабильной демографической ситуацией и демонстрирует положительную динамику развития. Наряду с этим уровень суицидальной смертности превышает средние по стране (в 2023 г. - 13,2, в России - 7,8 на 100 000 населения) на фоне регистрируемого замедления темпов снижения в последние годы. Проведённый комплексный анализ ключевых категорий, характеризующих регион, позволяет выделить ряд направлений и факторов, воздействие на которые может способствовать улучшению ситуации. Среди немедицинских факторов суицидального риска могут выступать семейное неблагополучие с высокой частотой разводов, более низкие, чем в среднем по стране, доходы населения, высокая частота употребления алкоголя при совершении суицидальных действий. В качестве необходимых мер профилактической работы могут выступать повышение качества и доступности помощи специалистов в области психического здоровья, технологии выявления лиц с высоким суицидальным риском и совершивших суицидальную попытку, меры по профилактике злоупотребления алкоголем, включая ограничение доступности продаж, просветительская работа в подростковой и молодёжной среде, активное вовлечение в популяризацию знаний СМИ, повышение уровня доходов и укрепление финансового благополучия населения. Выводы. Для улучшения ситуации и решения проблемы требуется многосторонняя скоординированная работа системы регионального здравоохранения, социальных служб, совершенствование методов работы в экономической и социальной сферах, молодёжной политике. Для региона необходима разработка территориальной программы профилактики с привлечением всех заинтересованных ведомств и средств.
В статье представлен клинический случай отсроченного хронического психотического расстройства в виде галлюциноза, возникшего у пациента с зависимостью от 1,4-бутандиола. Описана история болезни пациента, содержащая симптомы, жалобы, результаты обследований, диагноз, лечение и его исход.
Дефицит длинноцепочечной 3-гидроксиацил-КоА-дегидрогеназы - это врожденное наследственное аутосомнорецессивное заболевание с нарушением метаболизма жирных кислот, характеризующееся ухудшением способности последовательно метаболизировать длинноцепочечные жирные кислоты до ацетил-КоА-молекул путем митохондриального бета-окисления. Гипофункция длинноцепочечной 3-гидроксиацил-КоА-дегидрогеназы вызывает нарушения различной степени тяжести в жизненно важных органах и системах на макро- и микроуровне, а также приводит к развитию психических расстройств с когнитивной недостаточностью, которые могут быть квалифицированы как расстройство аутистического спектра (РАС). В данной статье подробно рассмотрен клинический случай пациента с недостаточностью длинноцепочечной 3-гидроксиацил-КоА-дегидрогеназы жирных кислот, обусловленной мутацией в гене НАDНА в гомозиготном состоянии. Пациенту были проведены инструментальные (ЭЭГ) и лабораторные исследования (нейрохимические, биохимические и иммунологические маркеры) и консультирование/ осмотр узких специалистов (педиатр, невролог, клинический психолог, психиатрическое обследование). По результатам комплексного обследования и клинического наблюдения возможно предположить наличие у больного коморбидного либо обусловленного наследственным нарушением митохондриального бета-окисления жирных кислот расстройства аутистического спектра или шизофрении с началом в детском возрасте.
Актуальность определяется растущей ролью интернет-технологий в повседневной жизни и межличностными противоречиями, возникающими в браке молодых людей, склонных к проблемному пользованию интернетом, что приводит к снижению удовлетворенности браком и нарушениям функционирования семьи. Возникает потребность оценки взаимосвязи между выраженностью распространенного в современном технологическом мире интернетзависимого поведения отдельной личности и особенностями взаимоотношений в семье для улучшения качества общения между супругами путем разработки эффективных стратегий для поддержания и развития семейных отношений и укрепления брака в условиях цифровой эпохи. Цель. Выявление взаимосвязи интернет-зависимого поведения супругов с качеством межличностных отношений и удовлетворенностью браком молодых людей как фактора, влияющего на функционирование и адаптацию семьи в современных условиях. Материалы и методы. Исследование для проверки гипотезы проводилось в формате online с использованием платформы Yandex Form. Опрошено 78 респондентов (39 мужчин, 39 женщин, 39 супружеских пар). 40 респондентов состоят в неформальном (неофициальном) браке, 38 - в официально зарегистрированном браке. Средний возраст - 27,3 года, минимальный - 18 лет, максимальный - 34 года. Применяли опросные методы: Шкала интернет-зависимости Чена (CIAS), Шкала диалогичности межличностных отношений С. В. Духновского, Индекс удовлетворенности пар (Couples Satisfaction Index, CSI), Опросник диадической согласованности (Dyadic Adjustment Scale, DAS). Полученные данные статистически обработаны. Результаты. Установлены особенности интернет-зависимости: средний балл общего уровня интернет-зависимости - 47,19 (min=26,00, max=79,00), 35,9% показали низкий уровень интернет-зависимого поведения, 64,1% - средний и высокий уровни. Обнаружена обратно пропорциональная связь между шкалами, измеряющими уровень интернет-зависимости (непараметрический метод коэффициента ранговой корреляции Спирмена, p<0,05 и г<0), и шкалами, оценивающими качество межличностных отношений и удовлетворённость браком. Показано, что чем больше выражено интернет-зависимое поведение у одного из партнеров супружеской пары, тем ниже уровень удовлетворённости браком и качество межличностных отношений в супружеской паре. С помощью дисперсионного анализа ANOVA установлены статистически значимые различия (p<0,05) по шкалам Конструктивность, Самоценность, Диалогичность отношений, Общий уровень удовлетворенности парой исследуемых психологических параметров особенностей межличностных отношений, уровня удовлетворённости браком у молодых людей с разным уровнем интернет-зависимого поведения. Линейная регрессионная модель факторов диалогичности отношений в общей выборке респондентов показала (p=0,024), что выраженность интернет-зависимого поведения у одного из супругов негативно влияет на диалогичность отношений. Линейная регрессионная модель факторов удовлетворенности отношениями в общей выборке (p=0,049) выявила значимое отрицательное влияние проблем с управлением временем, связанных с интернет-зависимостью, на удовлетворенность браком. С помощью линейной регрессионной модели с применением пошагового метода выявили влияние шкалы компульсивных симптомов на фактор супружеской согласованности (p=0,012, x=-0,420). Заключение. Исследование взаимосвязи качества межличностных отношений, удовлетворённости браком молодых людей и интернет-зависимого поведения обнаружило различия в уровне интернет-зависимости в семьях, где у одного из супругов более выражено интернетзависимое поведение, уровень удовлетворенности браком ниже у обоих партнеров. Доказано негативное влияние выраженности интернет-зависимого поведения на диалогичность отношений в супружеских парах и их самоценность как составляющую общего уровня диалогичности, а также потребности пребывать длительное время в сети интернет на удовлетворенность браком. Определены направления создания программ эффективных стратегий, направленных на улучшение коммуникации между супругами, снижение конфликтов и повышение удовлетворенности отношениями в семье.
Суицидальные тенденции представляют собой серьезную проблему у пациентов с аффективными расстройствами. Роль мультиморбидной патологии в формировании суицидального риска требует уточнения с учетом нозологической специфики, в особенности при сравнении биполярного аффективного расстройства (БАР) и рекуррентного депрессивного расстройства (РДР). Цель. Оценить влияние психической и соматической мультиморбидности на суицидальные тенденции у пациентов с БАР и РДР и выявить связанные с их повышенным риском клинические характеристики. Материал и методы. В поперечное мультицентровое исследование включено 182 пациента в соответствии с критериями МКБ-10 (F31.0 БАР - n=139, F33 РДР - п=43). Диагностика проводилась с использованием Краткого международного нейропсихиатрического опросника (MINI). Для оценки суицидальных тенденций применялась Колумбийская шкала серьезности суицидальных намерений (C-SSRS), для оценки тяжести депрессии - шкала Монтгомери-Асберга (MADRS). Статистический анализ выполнялся с использованием непараметрических критериев в R. Результаты. У пациентов с БАР выявлена статистически значимо более высокая частота психической мультиморбидности по сравнению с пациентами с РДР, преимущественно расстройств, связанных с употреблением алкоголя (р=0,003) и психоактивных веществ с вредными последствиями (р=0,038), а также расстройств пищевого поведения (р<0,05). В отличие от этого посттравматическое стрессовое расстройство статистически значимо (р=0,044) чаще встречалось в группе РДР. Наличие психической мультиморбидности у пациентов с БАР было ассоциировано со статистически значимо более высокими показателями суицидальных идей (р=0,002) и поведения (р=0,004) на протяжении жизни, а также с большим фактическим количеством суицидальных попыток (р=0,0005), тогда как при РДР подобной связи не выявлено. Соматическая мультиморбидность не оказывала статистически значимого влияния на суицидальный риск в обеих группах пациентов. Для группы БАР установлена слабая статистически значимая отрицательная корреляция между возрастом и количеством суицидальных попыток (rs=-0,29, р=0,0005), а также между возрастом манифестации заболевания и суицидальным поведением (rs=-0,18, р=0,038). Обнаружена статистически значимая умеренная положительная корреляция между тяжестью депрессии по шкале MADRS и актуальными суицидальными идеями (rs=0,590, р<0,001) в общей выборке. Заключение. Влияние мультиморбидности на суицидальный риск носит дифференцированный характер в зависимости от основного диагноза. Психическая мультиморбидность - один из ключевых факторов суицидального риска именно при БАР, что обосновывает необходимость целенаправленной интегративной помощи для данной категории пациентов. При РДР суицидальный риск, по-видимому, в большей степени опосредован текущим аффективным состоянием, чем структурой мультиморбидности. Полученные данные подчеркивают важность дифференцированной оценки и профилактики суицидального поведения с учетом нозологической специфики и профиля мультиморбидности.
Независимо от тяжести COVID-19 и продолжительности постковидного периода сохраняются жалобы пациентов на когнитивную дисфункцию, возникновение которой совпало по времени с активной фазой перенесенной инфекции. Цель. Изучение факторов риска развития когнитивной дисфункции и особенностей когнитивных нарушений у пациентов, перенесших инфекцию COVID-19. Материалы и методы. На базе первого клинического психиатрического отделения клиники НИИ психического здоровья Томского НИМЦ проведено комплексное обследование 48 пациентов (8 мужчин и 40 женщин) с непсихотическими психическими расстройствами в виде когнитивной дисфункции, астенических расстройств, диагностированных в постковидный период. Использовались методы: клинико-психопатологический, физикальный, психологический, клинико-лабораторный, инструментальный, статистический. Для определения когнитивного ресурса применялись тесты: Таблицы Шульте, Методика заучивания 10 слов по А. Р. Лурия. Ситуативную тревожность оценивали с помощью Методики оценки ситуативной тревоги Спилбергера-Ханина. Результаты. Особенностью психодиагностического обследования пациентов было наличие более двух сопутствующих заболеваний внутренних органов и других патологических состояний - полиморбидность, являющаяся неблагоприятным фоном для преодоления вирусной инфекции. У 68,75% пациентов COVID-19 протекал в легкой форме, но остаточно сохранялась фиксация на снижении когнитивного функционирования. Независимо от степени тяжести COVID-19 пациенты значимо не отличались по возрасту, показателю полиморбидности, уровню ситуативной тревожности, результатам выполненных методик по оценке когнитивных функций (внимания, памяти). На момент обследования пациенты затруднялись длительно концентрировать внимание на смысле задания, могли удерживать в памяти ограниченный цифровой ряд, не замечая и не исправляя ошибки. Были проанализированы эффективность работы, степень врабатываемости и психическая устойчивость; «кривая истощаемости» и «кривая запоминания; взаимосвязи показателей когнитивного функционирования и ситуативной тревожности. Наиболее низкий когнитивный ресурс отмечен в группе мужчин, страдающих нарушением ритма сердца, имеющих хроническую обструктивную болезнь легких. Женщины с гипотиреозом обнаруживали хорошую врабатываемость, но сниженную устойчивость к нагрузкам в процессе выполнения заданий. Выявлены прямые корреляционные связи между показателем ситуативной тревожности после лечения и временем выполнения задания при работе с таблицами Шульте (R=0,310, p=0,031875 - таблица 3; R=0,350, p=0,014573 - таблица 5). Заключение. Анализ факторов риска развития когнитивных нарушений показал, что при наличии высоких показателей полиморбидности отдельные состояния и заболевания обусловливают статистически значимые различия по сравнению с их отсутствием, оказывая влияние на психическое здоровье и работоспособность пациентов с церебральными расстройствами, обнаруживающих когнитивную дисфункцию. Многообразие и неоднозначность выявленных взаимосвязей требуют дифференцированного подхода к диагностике и терапевтической тактике при курации пациентов с жалобами на когнитивную дисфункцию в структуре органических непсихотических расстройств с полиморбидной соматической патологией.
Высокий уровень коморбидности психических расстройств и метаболического синдрома (МС) - основная причина сокращения продолжительности жизни психиатрических пациентов. Актуален поиск биомаркеров риска МС, при этом гипергликемия (ГГ) как компонент МС является ключевой мишенью для сравнительного исследования пациентов с разными диагнозами. Цель. Оценить связь ГГ с компонентами МС, гематологическими показателями воспаления, а также с клиническими характеристиками пациентов с биполярным аффективным расстройством (БАР), рекуррентным депрессивным расстройством (РДР) и шизофренией (ШЗФ) в рамках трансдиагностического подхода. Материалы и методы. В исследование включены 153 стационарных пациента, из них 84 женщины (54,9%) и 69 мужчин (45,1%), с БАР (n=50), РДР (n=38), ШЗФ (n=65). Социально-демографические, антропометрические, клинические и лабораторные данные были получены из медицинской документации. Результаты. Диагностические группы не различались по возрасту, полу, частоте соматических заболеваний и отдельных компонентов метаболического синдрома и их комбинаций. В группе РДР отмечалось статистически значимое (p=0,0447) повышенное абсолютное число лимфоцитов по сравнению с группой ШЗФ и статистически значимый (p=0,044) более высокий коэффициент воспаления LHR (отношение лимфоцитов к ЛПВП) по сравнению с группой БАР. Сравнение подгрупп, выделенных по наличию или отсутствию ГГ внутри диагностических групп пациентов, выявило два уровня различий. Пациенты с ГГ во всех группах имели: 1) статистически значимые более высокие показатели инсулина: БАР (p=0,003), ШЗФ (p=0,013), РДР (p=0,048); 2) статистически значимые более высокие уровни гликированного гемоглобина: РДР (p=0,001), ШЗФ (p=0,001), БАР (p=0,028). Установлены уникальные профили различий у пациентов с ГГ: 1) БАР: статистически значимые более высокие уровни пролактина (p=0,024) и креатинина (p=0,0069), но более низкие уровни лимфоцитов (p=0,028) и С-реактивного белка (p=0,036), более старший возраст (p=0,035), более поздние начало заболевания (p=0,023) и первое обращение к врачу (p=0,039); 2) РДР: статистически значимые более высокий уровень гемоглобина (p=0,02), сниженный уровень Т4 (p=0,045), а также более высокие показатели ИМТ (p=0,017) и окружности талии (p=0,041); 3) ШЗФ: других отличий, кроме общих для всех групп, не выявлено. Заключение. Исследование впервые показало, что гипергликемия у пациентов с БАР, РДР и ШЗФ ассоциируется с диагноз-специфическими метаболическими и воспалительными профилями. Полученные данные подтверждают сложную двунаправленную связь между психическими расстройствами и метаболическими нарушениями, подчеркивая, что метаболическая дисрегуляция является не просто коморбидным состоянием, а неотъемлемой частью течения заболевания, что требует пристального внимания клиницистов. Выявление гипергликемии при первичном приёме - это экономически обоснованная и клинически важная процедура, которая позволяет психиатру принимать более обоснованные решения относительно терапии и метаболических вмешательств, что улучшает качество и повышает продолжительность жизни пациентов.
Расстройства шизофренического спектра (РШС) в детском возрасте представляют актуальную проблему современной детской психиатрии, отличаются тяжелым течением и нередко резистентностью к психофармакотерапии, что особенно осложняет работу психиатров-клиницистов. Фармакологическая коррекция психических расстройств у детей является основным методом лечения и обеспечивает возможность дальнейшей психолого-педагогической работы и социальной адаптации ребенка, поэтому её успешность чрезвычайно важна в реабилитации больных и всегда будет оставаться востребованным объектом научных исследований. Последнее время наибольшее значение приобретает выявление биологических маркеров, помогающих оценить эффективность проводимой психофармакотерапии и выступающих в роли предикторов индивидуального ответа пациента на лечение. Цель: изучение связи уровней активности тромбоцитарных и эритроцитарных ферментов с оценками эффективности психофармакотерапии у детей с РШС. Материал и методы. Выборку составили 30 детей, госпитализированных в связи с ухудшением психического состояния, с диагнозами шизофрения (F20. x, n=11), шизотипическое расстройство (ШТР, F21. x, n=19). Клинико-психопатологическая оценка состояния проводилась в двух контрольных точках (до и после курса терапии) с помощью индивидуальных интервью и рейтинговой шкалы PANSS. В качестве биологических маркеров только в 1-й контрольной точке определялись уровни активности ферментов глутаматного, глутатионового и энергетического метаболизма в тромбоцитах и эритроцитах крови. Статистический анализ проводился с помощью модулей непараметрического анализа программы Statistica (Statsoft 10). Результаты. У пациентов с шизофренией и ШТР под действием фармакотерапии ко 2-й контрольной точке отмечалось клиническое улучшение с незначительным преимуществом в группе пациентов с ШТР (p=0,00004) в сравнении с пациентами с шизофренией (p=0,003, тест Вилкоксона). Выявлены статистически значимые корреляции между уровнями активности ферментов глутаматного, глутатионового и°энергетического метаболизма и (1) оценками в баллах по PANSS во 2-й контрольной точке. Эти баллы прямо коррелировали с уровнями активности глутатионпероксидазы (Spearman R=0,45, p=0,014) и глутатион-Sтрансферазы (R=0,40, р=0,030) и обратно коррелировали с уровнями активности цитохром-с-оксидазы (R=-0,43, р=0,016), а также (2) со степенью клинического улучшения, т. е. с редукцией баллов по PANSS и её подшкалам. Величина редукции суммарного балла по PANSS и её подшкалам обратно коррелировала с уровнями активности глутаматдегидрогеназы (R=-0,43; p=0,018). Заключение. Полученные в настоящем пилотном исследовании статистически значимые корреляции являются инновационными данными, которые представляют особую значимость в современной психиатрии, однако требуют дальнейшей разработки и расширенного изучения на больших репрезентативных выборках. Использование выявленных маркеров в качестве предикторов индивидуального терапевтического ответа в будущем может быть применено в практических целях как рутинное исследование для улучшения качества психофармакотерапии.
Существенное влияние на развитие аутоагрессивных тенденций при аффективных расстройствах оказывают снижение уровня социальной адаптации и их высокая коморбидность с другими психическими расстройствами. В регуляцию агрессивного поведения могут вносить определенный вклад гены ряда нейротрофических факторов, в том числе BDNF, NGF и NRG1. Цель. Вывить ассоциации полиморфных вариантов генов нейротрофических факторов с различными проявлениями агрессивного поведения у пациентов с аффективными расстройствами. Материалы и методы. Выборку для исследования составили 235 пациентов с текущим депрессивным эпизодом (коды по МКБ-10: F31, F32, F33). Оценка типов и уровня агрессии проводилась при помощи опросника Басса-Дарки (BDHI). Генотипирование полиморфных вариантов генов нейротрофических факторов BDNF (rs7124442, rs11030104, rs7103411), NGF (rs6330) и NRG1 (rs3924999) проведено методом ПЦР в реальном времени. Статистическая обработка данных выполнена в программной среде R (версия 3.6.2) с использованием IDE R-Studio. Результаты. У пациентов с аффективными расстройствами - носителей генотипа rs11030104*AA гена BDNF отмечаются более высокие показатели «раздражительности» и «подозрительности» по сравнению с носителями AG и GG генотипов. Для полиморфного варианта rs3924999*GG гена NRG1 выявлены ассоциации с показателями опросника BDHI «враждебность», «негативизм» и «подозрительность». Заключение. Полиморфные варианты генов нейротрофических факторов играют важную роль в формировании аффективных расстройств, а также принимают участие в формировании агрессивного поведения у пациентов с аффективными расстройствами.
В последние десятилетия всё чаще признаётся тот факт, что психические расстройства - от связанных со стрессом и аффективных до расстройств шизофренического спектра - ассоциированы с состоянием низкоинтенсивного системного воспаления. Для его оценки было предложено большое количество расчётных гематологических коэффициентов (ГКСВ), поскольку они вычисляются на основе стандартного общего анализа крови, широко доступны в качестве дополнения диагностических процедур и стратификации пациентов в зависимости от воспалительной нагрузки, но для выявления минимальных отклонений может быть необходима одновременная интеграция нескольких показателей. Создание взвешенных объединяющих мер может позволить максимизировать учет информации о воспалительной активности и повысить надежность её оценки. Цель. Разработка и оценка устойчивости взвешенных факторов системного воспаления на основе набора стандартных ГКСВ. Материалы. В исследовании приняли участие 185 пациентов (70 мужчин и 115 женщин в возрасте 18-72 лет), проходивших стационарное лечение в ФГБУ НМИЦ ПН им. В. М. Бехтерева с диагнозами согласно МКБ- 10: органические, включая симптоматические, психические расстройства (F0) - n=7, шизофрения, шизотипические и бредовые расстройства (F2) - n=127, расстройства настроения [аффективные расстройства] (F3) - n=39, другие психические расстройства, обусловленные повреждением и дисфункцией головного мозга или соматической болезнью (F06) - n=12. Для каждого участника были рассчитаны 12 ГКСВ на основании общего анализа крови. Методы. Выборка была рандомизирована на обучающую (n=130) и тестовую (n=55) части. Для выявления латентных факторов в обучающей выборке применялся анализ главных компонент (PCA). На основании факторных нагрузок были сформированы взвешенные показатели. Для проверки воспроизводимости модели PCA был проведен повторный анализ на тестовой выборке. Соответствие факторов оценивалось корреляционным коэффициентом r-Пирсона. Результаты. Фактор Врожденного воспалительного ответа объединял индекс сдвига лейкоцитов крови по Н. И. Яблучанскому (ИСЛК), индекс соотношения нейтрофилов к лимфоцитам (NLR), совокупный системный индекс воспаления (AISI). Фактор Адаптивного иммунореактивного ответа включал индекс иммунореактивности (ИИР) и индекс соотношения лимфоцитов к моноцитам (ИСЛМ). На тестовой выборке структура факторов была воспроизведена (объясненная дисперсия 64,2%), обнаружены статистически значимые (r=0,95-0,99, p<0,001) корреляции между значениями обучающей и тестовой выборок. Обсуждение. Выделенные факторы согласуются с концепцией двойственной природы иммунного ответа в патогенезе психических расстройствах. Фактор Врожденного воспалительного ответа отражает острую фазу воспаления и активность миелоидного звена. Фактор Адаптивного иммунореактивного ответа указывает на специфический лимфоцитарный ответ, ассоциированный с хроническим течением воспалительного процесса. Результаты подтверждают клиническую значимость комплексных ГКСВ для стратификации пациентов, а также позволяют рассматривать интегральные гематологические коэффициенты как потенциальные маркеры нейровоспалительных процессов. Заключение. В работе предложены взвешенные меры для совокупной оценки и исследования процессов системного воспаления на основании стандартных гематологических коэффициентов. Проведенный анализ показал воспроизводимую структуру, характеризующую два компонента иммунного ответа.
Иммуновоспаление играет важную роль в патогенетических механизмах шизофрении. Иммуномодулирующее и противовоспалительное действие нейролептиков подтверждает роль воспаления при шизофрении. Однако влияние отдельных психотропных средств на иммунную систему и то, как это может способствовать их эффективности, во многом остается неясным. В качестве маркеров воспаления при шизофрении могут использоваться провоспалительные, противовоспалительные цитокины и белки острой фазы. В практической медицине проблема индивидуального прогноза ответа на терапию до начала лечения атипичными антипсихотиками является крайне актуальной. Цель: выявить иммунобиологические маркеры прогнозирования эффективности антипсихотической терапии у больных шизофренией. Материал и методы. Проведено клинико-психопатологическое и иммунобиологическое обследование 40 больных шизофренией (F20.00, F20.01, F20.02, F20.3, F20.6 по МКБ-10) в возрасте 20-64 лет. По результатам оценки динамики улучшения состояния в ходе лечения по Шкале общего клинического впечатления (CGI) сформировано две группы: 1-я группа (n=32) - с существенным улучшением психического состояния, 2-я группа (n=8) - с незначительным улучшением психического состояния. Лабораторное исследование включало определение концентрации цитокинов интерлейкина 6 (IL-6), фактора некроза опухоли-альфа (TNF-a), С-реактивного белка (СРБ) в сыворотке крови пациентов методом твердофазного иммуноферментного анализа. Полученные данные проанализированы с использованием статистических методов. Результаты. Показано, что пациенты с шизофренией в 1-й точке исследования имели более высокие медианные показатели уровней IL-6 и TNF-a по сравнению с здоровыми лицами. Наиболее выраженными особенностями 1-й группы пациентов (с существенным улучшением психического состояния) по сравнению со 2-й группой (с незначительным улучшением) до назначения нейролептической терапии являются статистически значимо более высокие показатели концентрации TNF-a (p=0,0006) и СРБ (p=0,0156), а также более низкие значения IL-6 (p=0,0069). Данные показатели иммунитета можно рассматривать в качестве маркеров прогноза эффективности терапии больных шизофренией. Заключение. Получены новые данные о роли маркеров воспаления в патогенетических механизмах шизофрении, позволяющие целенаправленно проводить реабилитационные психофармакологические мероприятия.
Издательство
- Издательство
- Томский НИМЦ
- Регион
- Россия, Томск
- Почтовый адрес
- 634050, г. Томск, Набережная реки Ушайки, 10
- Юр. адрес
- 634050, г. Томск, Набережная реки Ушайки, 10
- ФИО
- Степанов Вадим Анатольевич (Директор)
- E-mail адрес
- center@tnimc.ru
- Контактный телефон
- +8 (382) 2512228
- Сайт
- http://tnimc.ru