Публикации автора

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.

Качественные психофизиологические исследования сопряжены с созданием доступных и хорошо организованных баз данных, требующих большую предварительную работу по разработке измерительных комплексов, включающих не только средства для измерения психофизиологических параметров человека, но и его эмоционального состояния, которое отображается в выражении лица, речи и поведенческих паттернах респондентов. Измерительные комплексы должны также включать и средства обработки экспериментального материала. Суть исследования состояла в проведении эксперимента по созданию прототипа базы речевых данных русскоязычных респондентов, получения ответов на методические вопросы, возникающие у специалистов при использовании базы для задачи распознавания состояния утомления человека. Разработан аппаратно-программный комплекс, позволяющий синхронно регистрировать психофизиологические параметры, видеозаписи поведенческих реакций и аудиозапись речи человека. В качестве модели физического утомления использовался кардиореспираторный тест с физической нагрузкой. До прохождения и после завершении теста добровольцы зачитывали набор стандартных фонетически представительных текстов. Полученные аудиозаписи обрабатывались с помощью специализированной нейронной сети, способной анализировать интегральные спектральные характеристики звука. Результаты эксперимента показали возможность распознавания состояния утомления человека по его речи, что позволяет перейти к созданию большого банка аудиозаписей и совершенствованию алгоритмов распознавания состояния утомления.