Роль контуров обратной связи в динамических сетях симптомов

Почему это важно для повседневного психического здоровья

Многие представляют депрессию как перечень отдельных симптомов — например пониженное настроение, плохой сон или отсутствие энергии. В этом исследовании задают другой вопрос: а что если настоящая проблема — в том, как эти симптомы поддерживают друг друга с течением времени? С помощью компьютерных симуляций и клинических данных авторы показывают, что определённые «контуры» симптомов могут удерживать человека в длительной депрессии, и что разрушение правильных связей в этой сети может оказаться более эффективным, чем лечение симптомов поодиночке.

Видеть депрессию как сеть, а не как чек-лист

Вместо того чтобы рассматривать симптомы как изолированные, исследователи моделируют их как сеть. Каждый симптом может влиять на другие: проблемы со сном могут усиливать усталость, усталость снижать настроение, пониженное настроение подпитывать чувство вины и так далее. Когда эти влияния образуют замкнутые круги, система содержит контуры обратной связи — пути, по которым активация возвращается к началу. Авторы опираются на девятисимптомную анкету депрессии и генерируют почти 100 000 возможных ориентированных сетей, которые все соответствуют известным корреляциям между симптомами. Затем они моделируют, как симптомы поднимаются и спадают после временного «шока», представляющего стрессовое событие, и наблюдают, сколько времени требуется системе, чтобы успокоиться.

Больше контуров повышает симптомы, но только до определённого предела

В этой огромной семье сетей одна закономерность ясна: сети с большим числом контуров обратной связи, как правило, дольше поддерживают повышенные уровни симптомов после того, как шок прошёл. Система проявляет гистерезис — однажды сдвинутая в состояние с высокой симптоматикой, она неохотно возвращается в здоровое состояние даже при устранении стрессора. Однако этот эффект не бесконечен. Превышая примерно десять–семнадцать контуров, добавление новых почти не увеличивает средний уровень симптомов. Причина структурная: по мере добавления контуров они всё чаще используют одни и те же узлы симптомов. Вместо многих независимых усиливающих циклов сеть начинает вести себя как большой перекрывающийся контур, и каждый дополнительный цикл приносит всё меньше «топлива».

Как баланс и перекрытие формируют устойчивость

Авторы затем смотрят дальше простого подсчёта контуров и исследуют, как они устроены. Сначала они измеряют, насколько равномерно каждый симптом отсылает и получает влияние. Когда связность распределена довольно равномерно — так что ни один симптом не доминирует — сети с большим числом контуров особенно хорошо поддерживают высокий общий уровень симптомов. Активация может широко циркулировать, затрудняя восстановление системы. Напротив, если связи сильно неравномерны и сконцентрированы в нескольких симптомах, высокий уровень симптоматики менее стабилен, потому что нарушение этих ключевых «узлов» оказывает большее влияние. Во-вторых, они оценивают, насколько контуры перекрываются через общие узлы. Когда контуры в основном отдельные, сети с большим их числом демонстрируют высокие и устойчивые уровни симптомов. Когда контуры сильно перекрываются, уровни симптомов выходят на плато: дополнительные контуры просто циркулируют через те же несколько симптомов и дают мало нового подкрепления.

Прицельный взгляд на критические связи

Чтобы понять, какие части сети важны больше всего, команда сравнивает смоделированные сети, которые в итоге приводят к очень высоким уровням симптомов, с теми, которые хорошо восстанавливаются. Простое подсчитывание, как часто каждый симптом участвует в контурах, не отделяет эти группы: в обоих участвуют одни и те же ключевые симптомы — например грусть, пониженная энергия и вина. Ключевые различия лежат в конкретных связях и том, как они вплетены в более крупные контурные структуры. Сети с высокой симптоматикой показывают протяжённые цепочки обратной связи, охватывающие большинство симптомов и образующие большие, взаимосвязанные циклы. Сети с низкой симптоматикой, даже при том же числе контуров, склонны иметь меньшие, более локальные циклы, сосредоточенные вокруг нескольких узлов. Особенно заметен тесный двунаправленный контур между грустью и чувством вины, который встречается значительно чаще в сетях с высокой симптоматикой и также выражен в реальных данных пациентов.

Связь симуляций и реальных пациентов

Чтобы проверить, реалистичны ли эти смоделированные паттерны, авторы анализируют временные ряды из 254 пациентов, участвовавших в психотерапевтическом исследовании. С помощью метода причинного обнаружения они оценивают ориентированные сети симптомов для каждого человека и подсчитывают, какие связи встречаются чаще всего. Несколько наиболее частых реальных рёбер совпадают со связями, характеризующими симуляции с высокой симптоматикой, включая взаимное усиление между грустью и виной. Это совпадение указывает на то, что смоделированные сети отражают структурные черты, которые также возникают, когда люди сообщают о своих симптомах на протяжении многих недель, несмотря на то, что клинические данные ограничены и упрощены.

Что это значит для лечения

В целом исследование делает вывод, что упорство депрессии определяется не только наличием контуров обратной связи, но и их числом, степенью перекрытия, равномерностью распределения влияния и тем, какие именно связи замыкают контуры. Для непрофессионального читателя посыл таков: депрессия может вести себя как спутанная сеть самоподдерживающихся проблем. Обрезать несколько нитей может быть недостаточно, если ключевые циклы остаются неповреждёнными. Работа предполагает, что будущие вмешательства — психологические, социальные или биологические — могут быть эффективнее, если фокусироваться на разрушении наиболее влиятельных структур обратной связи и ключевых симптомных связей, вместо попыток ослабить все связи сразу или лечить отдельные симптомы в изоляции.

Цитирование: Park, K., Li, X., Waldorp, L. et al. The Role of Feedback Loops in Dynamical Symptom Networks. Sci Rep 16, 11273 (2026). https://doi.org/10.1038/s41598-026-38747-6

Ключевые слова: сети депрессии, контуры обратной связи, динамика симптомов, компьютерная психиатрия, рецидивы психических расстройств