Исследователи из Mass General Brigham (MGB) разработали модель машинного обучения, способную оценивать риск послеродовой депрессии (ППД) с точностью до 90% при исключении случаев. Это открытие, опубликованное в журнале «American Journal of Psychiatry», может революционизировать подход к профилактике ППД, от которой страдают до 15% родивших.
Как отметил Марк Клэпп (Mark Clapp), ведущий автор исследования и научный сотрудник Массачусетской больницы общего профиля (Massachusetts General Hospital), ключевая цель — выявить группы риска до появления симптомов: «Раннее вмешательство позволит предотвратить тяжелые формы депрессии или смягчить их последствия» .
Методы исследования
Модель обучали на данных 29 168 пациенток, рожавших в клиниках Mass General Brigham с 2017 по 2022 год. В анализ включили демографические показатели, историю визитов к врачу и данные Эдинбургской шкалы послеродовой депрессии (EPDS), собранные во время беременности. Исключив пациенток с ранее диагностированными психическими расстройствами, ученые сосредоточились на факторах риска, не связанных с психиатрическим анамнезом.
Алгоритм протестировали на двух независимых группах. Результаты показали, что 30% женщин, отнесенных к высокой категории риска, столкнулись с ППД в течение полугода после родов — это в 2–3 раза выше среднего показателя в популяции.
Преимущества модели
-
Универсальность: модель одинаково эффективна для разных рас, этнических групп и возрастов.
-
Интеграция с EPDS: использование данных шкалы депрессии повысило точность прогноза, что подтверждает ценность существующих скрининговых инструментов.
-
Клиническая практика: алгоритм использует данные электронных медицинских карт, доступные сразу после родов, что позволяет начать поддержку раньше стандартных послеродовых визитов (6–8 недель).
«Даже неидеальный прогноз полезен, ведь ресурсы для помощи всем ограничены», — подчеркнул Рой Перлис (Roy Perlis), соавтор исследования и научный сотрудник Mass General Brigham.
Дополнительные исследования в области AI и психического здоровья
-
В Cedars-Sinai создали модель, устраняющую расовые предубеждения в диагностике ППД. Их алгоритм точнее выявляет депрессию у чернокожих и латиноамериканских пациенток 12.
-
Массачусетская больница общего профиля также тестирует AI-модель для выявления посттравматического стрессового расстройства после родов, анализируя текстовые описания родового опыта.
Клиническое применение и перспективы
Сейчас исследователи Mass General Brigham проводят проспективные испытания модели, чтобы адаптировать ее для реальной практики. Планируется интеграция алгоритма в систему ухода за пациентами для персонализированного планирования поддержки — от консультирования до профилактической терапии.
«Этот инструмент — не замена врачам, а дополнение к их опыту», — отметил Клэпп. По его словам, следующим шагом станет сотрудничество с пациентами и клиницистами для разработки этичных и эффективных протоколов .
Заключение
Искусственный интеллект становится ключевым союзником в борьбе с послеродовой депрессией. Модель Mass General Brigham — пример того, как технологии могут сократить период страданий до оказания помощи. Однако, как показывают исследования Cedars-Sinai, важно учитывать социальные и этнические особенности при внедрении AI в медицину. Объединяя данные, экспертизу и этичные подходы, наука делает шаг к обеспечению психического благополучия матерей во всем мире.
Литература:
Mark A. Clapp et al, Stratifying Risk for Postpartum Depression at Time of Hospital Discharge, American Journal of Psychiatry (2025). DOI: 10.1176/appi.ajp.20240381
Ведущий специалист отдела организации клинических исследований, терапевт, врач ультразвуковой диагностики АО «СЗМЦ» (г. Санкт-Петербург), главный редактор, учредитель сетевого издания Medical Insider, а также автор статей
E-mail для связи – [email protected];
