Модели и платформы ИИ
PREVIA от NYU Langone выявляет риск ПТСР по рассказам пациентов о чрезвычайных ситуациях
Добавьте Unite.AI в избранные источники в Google
9 ноября 2026 года NYU Langone Health сообщила, что ее ансамбль моделей искусственного интеллекта PREVIA проанализировал рассказы пациентов о травматических событиях, приведших их в отделение неотложной помощи, чтобы оценить риск посттравматического стрессового расстройства (ПТСР) в течение месяца. В исследовании с участием 145 пациентов наилучшая конфигурация показала чувствительность 95,4%. Экспериментальная система скрининга предназначена для выявления пациентов из группы риска без добавления длительной анкеты о психическом здоровье к процедуре приема в отделение неотложной помощи.
Статья в журнале Nature Communications, также опубликованная 9 ноября, сообщает о AUROC 78,5% и точности 46,8% по результатам трех блоков перекрестной проверки и указывает на необходимость валидации на более крупных независимых выборках. Чувствительность показывает, какая доля пациентов, у которых впоследствии развилось ПТСР, была выявлена; точность — какая доля пациентов с положительным результатом скрининга действительно заболела ПТСР; AUROC отражает, насколько хорошо оценки позволяют различать два исхода. При такой точности многие положительные результаты скрининга окажутся ложноположительными, что может увеличить нагрузку на персонал при последующем наблюдении, стать дополнительным бременем для пациентов и повысить затраты на распределение ресурсов, хотя следующим шагом обычно была бы краткая оценка, а не инвазивное вмешательство.
PREVIA призвана помочь устранить практический пробел: согласно исследованию, регулярно проводят скрининг на ПТСР лишь около 28% отделений неотложной помощи в США, и только две трети из них используют валидированные опросники. Стандартные обследования конкурируют с необходимостью немедленно решать медицинские проблемы, тогда как на каждого пациента у врача обычно есть около 15–20 минут. Первый месяц после травмы — критически важный период для выявления ПТСР, поскольку к этому времени многие пациенты уже не поддерживают связь с больницей.
Старший автор исследования Катарина Шульте-Браукс, содиректор направления вычислительной психиатрии в Медицинской школе Гроссмана NYU, сказала: «PREVIA может служить системой скрининга на основе ИИ, выявляя пациентов из группы риска и объясняя причины этого, не увеличивая время приема в загруженных отделениях неотложной помощи».
От рассказа пациента у постели до оценки риска
Координаторы исследования просили пациентов двух травматологических центров I уровня в Нью-Йорке рассказать о событии, из-за которого они обратились в отделение неотложной помощи. Участников включали в исследование в течение 24 часов после травмы и давали им до трех минут на ответ; в это время iPad записывал видео. В среднем рассказы насчитывали около 374 слов. Whisper преобразовывала речь пациентов в текст, который затем проверяли сотрудники исследования — носители английского языка. Наличие ПТСР через месяц определяли с помощью клинического диагностического интервью — шкалы ПТСР, применяемой клиницистом, для DSM-5.
PREVIA обрабатывает каждую расшифровку в три этапа. На первом этапе Llama и Mistral независимо оценивают ранние симптомы посттравматического стресса, реакции во время травматического события, факторы риска и защитные факторы. Затем DeepSeek сводит результаты восьми оценок в структурированные резюме, а числовые оценки двух моделей усредняются с равными весами. На заключительном этапе другая модель-оценщик объединяет эти резюме с данными о возрасте, поле, типе травмы и распространенности ПТСР, чтобы сформировать оценку риска от 0 до 100 и краткое объяснение.
В конвейере используются промпты в режиме zero-shot: параметры модели не обучаются и не проводится дообучение на выборке исследования. Для оптимизации и оценки порогового значения классификации применялась кросс-валидация.
Сравнение с более простыми моделями и одним специалистом
Согласно статье, по многим показателям общие результаты PREVIA в целом сопоставимы с результатами отдельных конфигураций O3, Llama и Mistral в режиме zero-shot; наиболее явное преимущество PREVIA — более высокая чувствительность. При субпороговом ПТСР, то есть клинически значимых симптомах, не достигающих полного диагностического порога, чувствительность PREVIA составила 89,7%, а оценка F1 — 69,4%. F1 — это объединенный показатель точности и чувствительности.
В исследовании отдельно сравнили результаты на 30 случайно отобранных рассказах, выборку стратифицировали так, чтобы в нее вошли девять случаев ПТСР. Для PREVIA чувствительность составила 100%, а AUROC — 84,4%. Один врач отделения неотложной помощи показал чувствительность 88,9% и AUROC 83,9%; точность у обоих составила 50%. Врач имел более чем 24-летний опыт работы в неотложной медицине и специализировался на исследованиях ПТСР. Поскольку оценку проводил только один специалист, остается неясным, можно ли распространить результаты сравнения на другие уровни опыта и клинические условия.
Требования к валидации и внедрению
В исследовании участвовали англоговорящие взрослые в возрасте от 18 до 80 лет, состояние которых было стабильным с медицинской точки зрения; женщины составили 31% выборки. Пациентов с нестабильным состоянием не включали, поэтому в исследовании могли не участвовать некоторые пациенты с наибольшим риском хронического ПТСР. Авторы относят к дальнейшей работе проверку модели на других языках, изучение долгосрочной динамики ПТСР и сопутствующих заболеваний, например депрессии, а также интеграцию модели с клиническими решениями врачей и рабочими процессами отделений неотложной помощи.
Авторы предлагают внедрить клинический процесс, при котором краткую аудиозапись объединяют с демографическими данными пациента и сведениями о травме из электронной медицинской карты, после чего система выдает оценку риска и объяснение без дополнительного участия врача. Исследование не доказало, что такой скрининг улучшает результаты лечения пациентов. PREVIA работала на графических процессорах NVIDIA A100 в высокопроизводительной вычислительной среде, соответствующей требованиям HIPAA. Самостоятельное размещение системы позволяет контролировать данные пациентов, однако для внедрения больницам необходимы подходящая вычислительная инфраструктура и система управления.
Общедоступный репозиторий PREVIA содержит полный конвейер обработки данных и запросы для моделей с открытыми весами, работающих локально, а также пять вымышленных историй для сквозной демонстрации. Идентифицируемые клинические истории и психиатрические заключения остаются недоступными по соображениям конфиденциальности и получения согласия, поэтому демонстрация позволяет проверить работу системы, но не воспроизвести количественные результаты статьи.
Непосредственный вклад PREVIA — подход к скринингу, который можно независимо проверить на основе обычного обращения в отделение неотложной помощи и результатов, оценённых клиницистами. Его клиническая ценность теперь зависит от независимой проверки: сохранится ли чувствительность на более крупных выборках, смогут ли службы справляться с ложноположительными результатами и смогут ли больницы внедрить запись, последующее наблюдение и защищённые вычисления, не нарушая работу отделений неотложной помощи.
