Критерии, пригодные для обработки машинами, отображают пространство симптомов психических расстройств

Почему важно превращать слова в правила

Диагностика психических расстройств опирается на длинные, тщательно согласованные руководства вроде DSM‑5. Эти книги описывают, какие сочетания симптомов считаются расстройствами, но делают это в нарративной форме, а не в виде, который компьютеры могут напрямую использовать. В этой статье показано, как перевести эти письменные правила в точную, машинно‑читаемую карту всех возможных паттернов симптомов. Эта карта выявляет, где диагностические категории четко разделены, где они перекрываются, и как новые предложения, такие как Long COVID, вписываются — или не вписываются — в существующие понятия.

От текста на странице к структурированной карте

Авторы начинают с рассмотрения диагностических руководств как правил, которые, в принципе, можно записать на формальном логическом языке. Каждое расстройство определяется критериями, такими как «не менее пяти из девяти симптомов, включая либо подавленное настроение, либо утрату интереса». Из таких предложений они извлекают список симптомов, требуемые числа и то, как эти элементы комбинируются логикой «и/или». Затем они кодируют каждую допустимую комбинацию, удовлетворяющую критериям — полный набор профильных симптомов, которые соответствовали бы письменным правилам для диагноза. Каждая комбинация становится бинарным шаблоном, указывающим, какие симптомы присутствуют, отсутствуют или не имеют значения для данного расстройства. В совокупности эти шаблоны образуют высокоразмерное «пространство симптомов», которое можно анализировать математически.

Проверка, можно ли различать диагнозы

Имея такую карту, авторы задают базовый, но редко формализуемый вопрос: можно ли различить два расстройства исключительно на основании их официальных критериев? Они вводят два теста. Во‑первых, не должно существовать единой комбинации симптомов, которая одновременно удовлетворяет обоим определениям; в противном случае сами правила делали бы диагнозы неразличимыми. Во‑вторых, минимальный шаблон симптомов одного расстройства не должен быть строгим подмножеством другого, потому что это означало бы, что одно определение просто является более слабой версией другого. На игровых примерах они показывают, как эти ситуации проявляются как перекрывающиеся или вложенные области в пространстве симптомов, и иллюстрируют, что некоторые видимые совпадения у реальных пациентов отражают истинное сосуществование разных наборов правил, а не дефекты определений.

Что карта показывает о известных расстройствах

Затем рамки применяются к реальным категориям DSM‑5. Для группы расстройств шизофренического спектра авторы переводят все нарративные правила в формальные комбинации и вычисляют меру сходства на основе близости допустимых шаблонов симптомов. Как и следовало ожидать, шизофрения и шизофренформное расстройство выглядят очень похожими, потому что они разделяют большинство ключевых симптомов и главным образом отличаются временем, в течение которого эти симптомы должны сохраняться. Тем не менее формальные тесты показывают, что их области в пространстве симптомов не имеют идентичных или вложенных минимальных шаблонов. Визуализация этих комбинаций в двух измерениях подтверждает, что, несмотря на перекрытие по содержанию, критерии вычерчивают отдельные области. Это указывает на то, что, по крайней мере в этих примерах, текущие определения логически согласованы и поддерживают осмысленную дифференциальную диагностику.

Где Long COVID сливается с расстройствами настроения и тревожными расстройствами

Та же методика становится более провокационной при применении к Long COVID, используя недавнее консенсусное описание, в котором перечислены типичные сохраняющиеся симптомы, такие как утомляемость, когнитивные проблемы, нарушение сна и изменения настроения. После увязки формулировок с наименованиями симптомов в стиле DSM авторы генерируют все совместимые с Long COVID паттерны и сравнивают их с паттернами нескольких существующих расстройств. Они обнаруживают практически никакой связи с психотическими состояниями или нарушениями речи, но очень сильное структурное сходство с большим депрессивным расстройством, персистирующей депрессией, паническим расстройством и генерализованной тревогой. Что важно, подавляющее большинство допустимых шаблонов для этих расстройств настроения и тревоги также удовлетворяют списку симптомов Long COVID. Это значит, что предлагаемое определение Long COVID во многом содержится в уже установленных категориях, даже если не существует полностью идентичного единственного паттерна.

Как вычислимый консенсус может направлять будущую помощь

Преобразуя нарративные диагностические правила в явные, проверяемые структуры, эта работа предлагает прозрачный способ проверить, действительно ли новые диагнозы добавляют нечто концептуально новое. Для Long COVID анализ подразумевает, что одни только списки симптомов, без дополнительных ограничений, таких как временные рамки, биологические маркеры или правила исключения, слишком широки, чтобы отделить его от депрессии и тревоги. В более общем плане метод показывает, что по мере накопления в руководствах большего числа категорий и критериев невооруженному человеческому разуму становится трудно надежно отслеживать все допустимые комбинации. Машиночитаемая, основанная на правилах карта пространства симптомов может помочь экспертным панелям уточнять определения, поддерживать клиницистов интерпретируемыми инструментами принятия решений и уменьшать риск того, что диагностические системы уйдут от того самого консенсуса, который они призваны воплощать.

Цитирование: Strasser-Kirchweger, B., Kutil, R.H., Zimmermann, G. et al. Machine-actionable criteria chart the symptom space of mental disorders. npj Digit. Med. 9, 271 (2026). https://doi.org/10.1038/s41746-026-02451-6

Ключевые слова: диагностические критерии, классификация психического здоровья, вычислимная медицина, симптомы Long COVID, клиническая поддержка принятия решений