Обзор применения цифровой фенотипизации для прогнозирования перипартальных депрессивных симптомов

Почему это важно для новоиспечённых родителей

Беременность и первый год после родов часто описывают как время радости, но для многих женщин оно сопровождается глубокими эмоциональными трудностями. Перипартальная депрессия — совокупность депрессивных симптомов во время беременности и после родов — затрагивает примерно от одной восьмой до одной четверти матерей во всём мире. Тем не менее большинство скринингов по-прежнему проводят лишь один–два раза с помощью бумажных опросников, так что ранние предупреждающие знаки легко пропускаются. В этой статье рассматриваются новые исследования по «цифровой фенотипизации» — использованию повседневных технологий, таких как смартфоны, носимые устройства и социальные сети, для отслеживания тонких изменений в поведении, которые могут указывать на риск и необходимость своевременной поддержки для новой матери.

Новые подсказки, скрытые в цифровых следах повседневной жизни

Авторы проанализировали 14 исследований, опубликованных в период с 2014 по март 2025 года, в которых наблюдали беременных и послеродовых женщин в пяти странах. Вместо того чтобы полагаться исключительно на визиты в клинику, эти проекты использовали цифровые следы повседневной жизни. Некоторые собирали «пассивные» сигналы, такие как продолжительность сна с носимых устройств, количество шагов, частота сердечных сокращений или модели перемещений по GPS. Другие получали «активную» информацию, которую женщины предоставляли сознательно: чек‑ины настроения в приложении, короткие записи в дневнике, публикации в социальных сетях и краткие опросы на телефоне в течение дня. В большинстве исследований депрессивные симптомы по‑прежнему измеряли стандартными опросниками, такими как шкала Эдинбурга для послеродовой депрессии, но цифровые данные использовали, чтобы выяснить, можно ли обнаружить предупреждающие паттерны раньше или точнее.

Что могут рассказать сон, активность и использование телефона

Во многих исследованиях именно шаблоны сна выделялись как одни из самых перспективных пассивных сигналов. Женщины, которые спали меньше ночью или имели более фрагментарный сон во время беременности, как правило, сообщали о более высоких показателях депрессивных симптомов, хотя значение имело и время наблюдения. Плохой сон в ранней и средней беременности иногда связывали с последующими проблемами настроения, тогда как аналогичные показатели не всегда предсказывали симптомы после родов. Результаты по физической активности были более смешанными: некоторые меры, такие как ночное беспокойство и нарушение суточных ритмов, коррелировали с более высокими баллами депрессии, но другие — например количество шагов или время, проведённое вне дома — проявляли мало или вообще не проявляли прогностической ценности. Интересно, что одно исследование показало: женщины, у которых позже развивалась послеродовая депрессия, носили фитнес‑трекеры более регулярно, что наводит на мысль — чрезмерно частое использование устройств само по себе может отражать эмоциональное напряжение или гипервigilьность.

Слова, посты и сообщения как эмоциональные барометры

Активные цифровые данные — то, что женщины печатают, нажимают или публикуют — часто давали богатые подсказки о настроении. Анализ коротких журналов и текстов в приложениях показал, что негативная эмоциональная окраска, выражения усталости и снижение позитивной лексики были связаны с более высокими показателями депрессии. Тонкие сдвиги в употреблении слов, например изменения в местоимениях или появление терминов, связанных с психическим здоровьем, помогали прогнозировать, кто разовьёт симптомы в течение нескольких недель. Поведение в социальных сетях также несло сигналы: более частая публикация селфи новыми мамами или признаки социальной изоляции и снижения взаимодействия с онлайн‑контактами ассоциировались с большим риском депрессии. Шаблоны в текстовых сообщениях рассказывали аналогичную историю: женщины с депрессивными симптомами в поздней беременности и послеродовом периоде склонны были отправлять меньше и более короткие сообщения. В комбинации с простыми средствами самосообщения, такими как ежедневные записи настроения, эти лингвистические и поведенческие паттерны существенно улучшали точность прогнозов.

Насколько хорошо на самом деле работают алгоритмы?

Чтобы превратить сырые цифровые следы в оценки риска, исследователи использовали ряд статистических и методов машинного обучения — от классической регрессии до более сложных моделей вроде случайных лесов и градиентного бустинга. Некоторые модели, объединявшие несколько типов информации — например дневники настроения, фоновую информацию и краткие опросы в приложении — демонстрировали высокую способность различать женщин с выраженными депрессивными симптомами и без них. Однако обзор подчёркивает серьёзные оговорки. Исследования сильно различались по тому, какие сигналы отслеживались, как часто собирались данные и как определялись исходы. Во многих работах были относительно небольшие выборки, некорректно обрабатывались пропущенные данные или использовалось только внутреннее тестирование без проверки моделей на независимых группах женщин. В результате даже лучшие модели ближе к обещающим прототипам, чем к готовым клиническим инструментам.

Баланс между перспективой, приватностью и реальным применением

Авторы утверждают, что цифровая фенотипизация в будущем может дополнять, но не заменять традиционную помощь. Интеграция фоновой информации, медицинской истории, факторов, связанных с ребёнком, и текущих отчётов о настроении с пассивными данными, такими как сон и активность, может дать более полную картину психического состояния матери и его динамики. В то же время подход порождает важные вопросы о приватности, безопасности данных, неравном доступе к технологиям и риске предвзятых или неточных прогнозов. Обзор призывает к стандартизации методов, более прозрачной отчётности и более тесному сотрудничеству между клиницистами, дата‑саентистами и этиками, чтобы будущие инструменты были и точными, и справедливыми.

Что это значит для матерей и семей

Проще говоря, статья делает вывод, что наши телефоны и носимые устройства начинают работать как датчики раннего предупреждения о перипартальной депрессии, но наука ещё недостаточно зрелая для рутинного применения. Показатели сна и короткие, частые проверки настроения или текст‑записи выглядят особенно перспективно, особенно в сочетании с личной и медицинской историей матери. Тем не менее текущие исследования небольшие, разнородные и часто методологически слабы, поэтому их результаты следует рассматривать как ранние сигналы, а не окончательные ответы. При более качественном дизайне исследований, внимании к этике и надёжной защите персональных данных цифровая фенотипизация может стать мощным инструментом для более раннего выявления матерей, находящихся в трудной ситуации, и направления им поддержки до того, как симптомы усугубятся.

Цитирование: Kovacs, B.Z., Schweitzer, S., Papadopoulos, F.C. et al. A review of the application of digital phenotyping in predicting peripartum depressive symptoms. npj Digit. Med. 9, 335 (2026). https://doi.org/10.1038/s41746-026-02653-y

Ключевые слова: перипартальная депрессия, цифровая фенотипизация, постнатальное психическое здоровье, данные носимых устройств и смартфонов, мониторинг настроения матери