Современная психиатрия сталкивается с ограничениями диагностических систем, основанных исключительно на симптомах, которые не отражают биологическую природу заболеваний. В обзорной статье "New approaches to enhance the diagnosis of psychiatric disorders" авторы анализируют переход от традиционных категориальных моделей (DSM и ICD) к интегративному подходу, объединяющему биомаркеры, цифровой фенотипинг и искусственный интеллект. Рассматриваются концептуальные инновации (HiTOP, RDoC, сетевые модели), достижения в области молекулярной биологии и нейровизуализации, а также потенциал смартфонов и носимых устройств для мониторинга состояния пациентов в реальном времени. Особое внимание уделяется роли искусственного интеллекта в интеграции разнородных данных и созданию клинически полезных инструментов. Авторы подчеркивают, что ключом к успеху является не замена клинического опыта, а его дополнение объективными данными, что позволит повысить точность диагностики, улучшить прогнозирование течения болезни и выбрать оптимальную терапию.

Психические расстройства остаются одной из главных причин инвалидности во всем мире, однако точность их диагностики долгое время уступает другим областям медицины. В представленном обзоре, опубликованном в журнале Brain Medicine, авторы Jakub Tomasik, Jihan K. Zaki и Sabine Bahn из Кембриджского университета предлагают всесторонний взгляд на трансформацию диагностического подхода в психиатрии.

В первой части статьи критически анализируются недостатки классических классификаторов — DSM и ICD. Авторы указывают на высокую гетерогенность пациентов в рамках одного диагноза (например, более 250 комбинаций симптомов для большой депрессии), размытые границы между нозологиями и субъективность клинических оценок. Это не только затрудняет выбор терапии, но и «размывает» биологический сигнал в научных исследованиях.

Концептуальные инновации
В качестве альтернативы рассматриваются четыре передовые концепции:

1. Сетевые модели (Network theory) — рассматривают расстройства как систему взаимодействующих симптомов, где воздействие на «центральные» узлы может изменить течение болезни.

2. Иерархическая таксономия психопатологии (HiTOP) — предлагает переход к размерным (дименсиональным) конструктам, объясняющим коморбидность через общие спектры (например, интернализация или экстернализация).

3. Критерии исследовательской области (RDoC) — фокусируются на нейробиологических механизмах (схемы вознаграждения, когнитивный контроль), интегрируя данные от генов до поведения.

4. Клиническое стадирование (Clinical staging) — вводит временной аспект, позволяя различать ранние уязвимые фазы и хронические состояния, что критически важно для раннего вмешательства.

Биомаркеры и цифровые технологии
В обзоре обобщены последние данные о биомаркерах: от генетических локусов и транскриптомики до протеомных панелей. Отдельно выделены примеры успешной трансляции, такие как тест EDIT-B® для дифференциальной диагностики биполярного расстройства. Параллельно рассматривается цифровой фенотипинг: использование геолокации, актиграфии и анализа речи (включая социальные сети) позволяет фиксировать динамику симптомов в естественной среде пациента, что невозможно сделать при эпизодических визитах к врачу.

Роль искусственного интеллекта
Авторы подчеркивают, что современные технологии машинного обучения (особенно мультимодальные трансформеры и объяснимый ИИ — XAI) способны объединить разрозненные данные (омика, нейровизуализация, EMA-опросы) в единую систему поддержки принятия решений. Однако они предостерегают от «черных ящиков»: для внедрения в клинику необходима прозрачность алгоритмов, объяснимость прогнозов и решение проблем конфиденциальности (например, через федеративное обучение).

Выводы и перспективы
Обзор завершается дорожной картой внедрения. Краткосрочная цель — создание вспомогательных инструментов для сложных клинических случаев. Долгосрочная — пересмотр нозологии на основе биологических субтипов, аналогично онкологии. Авторы делают акцент на том, что новые технологии должны не заменять, а усиливать клиническое суждение и терапевтический альянс, что в конечном итоге приведет к более точной диагностике и улучшению исходов для пациентов.