Введение
В стремительно меняющемся ландшафте современного общества выкристаллизовывается сложная и динамичная информационная среда, отражающая нарастающие экстремальные вызовы и риски, проистекающие из комплексного взаимодействия социальных, политических, экономических и экологических факторов. В этом контексте экстремальная психология и безопасность личности приобретают первостепенное значение, фокусируясь на исследовании и нивелировании психологических угроз, возникающих в условиях кризисов, чрезвычайных ситуаций и социальных потрясений
Формирование и развитие коммуникационных пространств становится краеугольным камнем междисциплинарного диалога и синергетического обмена знаниями между специалистами различных областей. Такие платформы артикулируют совместное совершенствование теоретических и эмпирических подходов к решению задач экстремальной психологии, моделированию психологических процессов и разработке превентивных стратегий. Они функционируют как институциональные векторы повышения резильентности как личности, так и социума в целом перед лицом экстремальных воздействий.
Актуальность работы обусловлена выявленной Всемирной организацией здравоохранения возрастающей потребностью в эффективных инструментах укрепления и профилактики психического здоровья в контексте непрекращающегося воздействия социальных и экологических стрессогенных факторов. Особое значение приобретает необходимость интеграции междисциплинарных подходов с целью как повышения стрессоустойчивости отдельной личности, так и улучшения психологического благополучия общества в целом. Например, в статье Фьорилло и коллег (Fiorillo, Ventriglio, Bhugra, 2025) подчеркивается, что мировой уровень развития систем психического здоровья значительно варьируется в зависимости от региона и экономики страны, что влияет на доступность и качество предоставляемых услуг. Авторы отмечают, что в большинстве стран наблюдается недостаточная интеграция психиатрической помощи с общей системой здравоохранения, а также подчеркивают важность внедрения инновационных подходов, таких как использование цифровых технологий и телемедицины, для расширения доступа к психосоциальной поддержке.
Целью настоящего исследования выступает теоретическое обоснование и разработка комплексной модели диагностики, мониторинга и саморегуляции психоэмоциональных состояний личности, основанной на применении передовых информационных технологий и методов искусственного интеллекта.
Таким образом, настоящее исследование призвано расширить теоретические и практические основы экстремальной психологии в условиях современного информационного общества. Это, в свою очередь, способствует формированию научно обоснованных и эффективных стратегий профилактики и коррекции психоэмоциональных нарушений, укреплению психического здоровья, повышению психической безопасности и улучшению качества жизни населения.
Мировой опыт разработки диагностических и психокоррекционных платформ с применением цифровых технологий
Мировой опыт развития диагностических и психокоррекционных платформ с использованием цифровых технологий демонстрирует важность интеграции лингвистических моделей и нейрофизиологических методов. Так, совершенствование теоретических основ анализа вербальных данных включает создание лингвистических моделей для выявления депрессивных и тревожных состояний, что способствует формированию динамических репрезентаций психологического статуса (Соловьева и др., 2026). Параллельно ведутся нейрофизиологические исследования с использованием электроэнцефалографии (ЭЭГ), направленные на создание моделей мозговой активности, связывающих нейрофизиологические паттерны с психическими состояниями, что расширяет диагностику и повышает эффективность профилактических мер (Khayretdinova et al., 2025; Bandelow et al., 2023). Интеграция методов искусственного интеллекта, таких как машинное обучение, нейрофизиологические подходы (ЭЭГ, фМРТ), а также анализ вербальных данных способствуют разработке прогностических моделей и персонализированных стратегий психокоррекции (Незнанов, Васильева, 2023; Bekbolatova et al., 2024).
Современные исследования в области нейроуправления, включая нейроинтерфейсы, нейростимуляцию и тренировки мозга, показывают перспективы повышения эффективности профилактических и рекреационных программ, например, использования нейрофидбека для снижения тревожности (Арипбек, Турганбек, Шамсиддинова, 2025). В отношении кибербезопасности, противодействие дезинформации и манипулятивным техникам в цифровом пространстве рассматривается как важный аспект укрепления психологической устойчивости, что реализуется через развитие интегрированных платформ и технологий (Косинцева, 2022).
Важное направление составляет разработка онлайн-платформ, мобильных приложений и автоматизированных систем для поддержки психического здоровья, позволяющих реализовать индивидуализированные методы профилактики и реабилитации, расширяющие понимание механизмов психологической дестабилизации. Модели оценки мозговой активности, такие как, например, разработанные Stam et al. (2006), а также технологии нейробиоуправления с помощью фМРТ, демонстрируют высокий потенциал в коррекции психических состояний (Тейлор, Марц, 2023).
Когнитивно-поведенческие платформы и мобильные приложения, подтвержденные исследованиями Andersson et al. (2014), создают диалоговые пространства для терапии и мониторинга симптомов, что способствует поддержанию психического здоровья в экстремальных условиях (Ben-Zeev et al., 2014).
Информационная безопасность и психологическая устойчивость: разработки ФГБНУ «Институт проблем искусственного интеллекта»
Вклад ФГБНУ «Институт проблем искусственного интеллекта» (ИПИИ) в развитие экстремальной психологии и обеспечения безопасности личности реализуется через междисциплинарный подход, объединяющий передовые ИИ-технологии с психологическими, нейрофизиологическими и социальными исследованиями. Эта интеграция позволила создать новые методологические платформы для раннего выявления, диагностики и профилактики психоэмоциональных нарушений, особенно в экстремальных ситуациях (Сальников и др., 2024). Исследования под руководством Сальникова И.С. акцентируют внимание на потенциале ИИ в мониторинге динамики психоэмоциональных состояний, прогнозировании кризисных ситуаций и разработке персонализированных стратегий вмешательства с использованием алгоритмов машинного обучения и анализа больших данных. Это позволяет своевременно выявлять маркеры эмоционального дистресса и снижать риски дезадаптации и травматизации (Сальников и др., 2024).
Ключевым продуктом является система психодиагностики и саморегуляции (http://psydiag.guiaidn.ru/home), интегрирующая когнитивно-эмоциональные и поведенческие параметры для моделирования психоэмоциональных состояний, разработанная на результатах научных работ и исследованиях научных сотрудников, таких как Иванова С.Б., Бондарчук В.В., М. Кравченко, Т. Д. Клюшанова, Пигуз В.Н. и других... Эта платформа основана на современных концепциях стрессоустойчивости и психологической защиты (Van der Kolk, 2014) и способствует раннему выявлению рисков, а также развитию механизмов саморегуляции и самопомощи, что особенно актуально при длительном стрессовом воздействии. Созданные платформы обеспечивают обмен информацией и формирование междисциплинарных сетей специалистов в области психического здоровья, нейрофизиологии, ИИ, информационной безопасности и социальных наук. Такая интеграция расширяет возможности диагностики и профилактики психоэмоциональных нарушений (Сальников и др., 2024; Ивашко и др., 2022; Ивашко и др., 2025).
Разработанная в 2024—2025 гг. Компьютерная интеллектуальная система диагностики и саморегуляции (КИСДиС) предназначена для оценки и коррекции психоэмоциональных состояний с использованием тестовых методик и немедикаментозных интервенций (Ивашко и др., 2025). В ее основе лежит синтез интеллектуальных и духовных ресурсов, а также применение эмоционального ИИ для проведения персонализированной терапии и поддержки психологического благополучия. Методологическая база включает анализ научной литературы, адаптацию диагностических методик и создание программных средств на основе современных технологий, обеспечивающих устойчивость и эффективность системы (Ивашко и др., 2025; Ивашко и др., 2022).
В системе реализованы разные роли пользователей, что обеспечивает адаптацию под потребности специалистов и пациентов, а также возможность онлайн-сбора и анализа данных, что повышает эффективность профилактики и своевременного реагирования на психоэмоциональные риски (Ивашко и др., 2025).
Критерии включения участников:
- Возраст от 18 до 65 лет
- Отсутствие текущих острых психических расстройств, подтвержденное клиническим обследованием
- Наличие согласия на участие в исследовании и обработку персональных и биометрических данных
- Готовность пройти тестирование и взаимодействовать с платформой в течение всего срока исследования
Критерии исключения:
- Наличие тяжелых психических заболеваний (например, шизофрения, биполярное расстройство), требующих медикаментозного лечения
- Участие в других психологических или нейрофизиологических исследованиях в течение последних 6 месяцев
- Отказ от обработки биометрических данных или отсутствие информированного согласия
- Наличие заболеваний, мешающих использованию компьютерных систем или фотосъемке лиц (например, кожные заболевания, влияние медикаментов на физиологические реакции)
Этические аспекты
Использование технологий распознавания лиц и хранения персональных данных в системе КИСДиС требует строгого соблюдения этических стандартов. Обеспечивается защита конфиденциальности участников через анонимизацию данных и шифрование информации. Все данные хранятся в соответствии с требованиями законодательства о персональных данных (ФЗ-152), а доступ к ним ограничен только авторизованным специалистам. Получение согласия участников на обработку личных данных осуществляется через информированное согласие, с возможностью его аннулирования в любой момент. В системе предусмотрены механизмы контроля за соблюдением этических норм и предотвращения злоупотреблений, а также регулярные аудиты безопасности данных.
Ключевые компоненты системы включают:
- базу данных, построенную на PostgreSQL, содержащую справочные сведения о методиках, вопросы тестов, ответы, результаты диагностики, коррекционных сеансов и другую информацию (Рогов, 2025);
- интерфейс пользователя, выполненный с помощью Vue.js и Bootstrap, обеспечивающий удобную навигацию и взаимодействие;
- обработку данных, включающую алгоритмы анализа результатов тестирования, а также модули для автоматического распознавания эмоциональных проявлений по текстам на базе обученных нейронных сетей (Python, OpenCV, TensorFlow/Keras).
Анализ и визуализация данных тестирования
После проведения психодиагностических тестов (например, шкала депрессии или тревожности) система собирает ответы и рассчитывает показатели в виде сырых баллов и стандартизированных шкал. Например:
|
Пользователь |
Дата |
Балл депрессии |
Балл тревожности |
Статус (норма/тревога/ депрессия) |
Рекомендации |
|
Иванов И.И. |
10.11.2024 |
15 |
8 |
Норма |
Рекомендуется повторное тестирование через месяц |
|
Петрова А.А. |
12.11.2024 |
28 |
20 |
Тревожность |
Консультация психолога, профилактическая терапия |
База данных, реализованная на PostgreSQL, включает следующие основные разделы:
- Справочная информация о методиках, вопросах, ответах, диагнозах в соответствии с МКБ-10 (при наличии), населенных пунктах и методиках коррекции
- Данные о пользователях: роли, регистрационные сведения, сведения о пациентах и самостоятельных пользователях
- Результаты заполнения психодиагностических тестов: дата, время, показатели в сырых баллах и станайнах
- Данные о коррекционных сеансах и отзывы пользователей
- Результаты когнитивных тестов (тесты Шульте, Струпа, на запоминание слов)
Структура базы данных обеспечивает надежное хранение и быстрый доступ к информации, необходимой для мониторинга, анализа и научных исследований.
Рис. 1. Фрагмент схемы базы данных. Справочная информация о диагностических методиках и результаты прохождения тестов пользователями
Fig. 1. Fragment of the database schema. Reference information about diagnostic methods and test results obtained by users
Проведено альфа- и бета-тестирование системы командой разработчиков для выявления ошибок, проверки корректности подсчета баллов, отображения данных и формирования протоколов, а также оценки взаимодействия компонентов и удобства интерфейса (Ивашко и др., 2025). Эти инструменты обеспечивают объективную оценку эмоционального состояния, что важно для автоматизированного мониторинга. В работах В.В. Бондарчук и коллег (Бондарчук, Кравченко, Сальников, 2025), К.С. Ивашко и соавторов (Ивашко и др., 2025) подробно описана платформа, которая обладает потенциалом прогностической оценки состояния пользователя, преобразуя сырые баллы в стандартизированные показатели и интерпретируя их по диагностическим шкалам (например, депрессии, тревожности). В рамках исследования запланировано внедрение моделей машинного обучения для повышения точности прогнозов. Для анализа и интерпретации результатов система использует различные формы отображения — таблицы, диаграммы и средние показатели по возрастным группам (рис. 2—4), что помогает выявлять группы риска и отслеживать динамику психоэмоционального состояния. Основные преимущества системы — наличие нескольких форматов вывода данных, что повышает ее универсальность для диагностики, контроля лечения и научных целей. В системе реализованы современные цифровые технологии, позволяющие визуализировать результаты в виде таблиц, графиков и групповых данных, что способствует выявлению ключевых тенденций и защищает персональную информацию. Также в платформе используются алгоритмы на базе искусственного интеллекта для анализа данных, полученных с помощью нейрофизиологических методов (ЭЭГ, фМРТ) и лингвистического анализа текстов, что позволяет осуществлять высокоточную диагностику психоэмоциональных состояний и обеспечивать автоматизированные рекомендации и психокоррекционные интервенции (Бондарчук, Кравченко, Сальников, 2025; Ивашко и др., 2025).
Рис. 2. Табличное отображение результатов тестирования, включающее основные параметры психоэмоциональных состояний: показатели тревожности, депрессии и уровня стрессовой реакции у участников исследования. Таблица содержит индивидуальные оценки, средние значения и стандартные отклонения по каждой категории, что позволяет проводить сравнительный анализ и выявлять ключевые тенденции в данных
Fig. 2. Tabular presentation of test results, including key parameters of psycho-emotional states: indicators of anxiety, depression, and stress response levels among research participants. The table displays individual scores, mean values, and standard deviations for each category, enabling comparative analysis and identification of key trends in the data.
Рис. 3. Графическое представление результатов тестирования, отображающее распределение уровней психоэмоциональных состояний (например, уровни тревожности, депрессии, стрессовых симптомов) в виде диаграмм и кривых. Такой формат обеспечивает наглядное восприятие динамики и взаимосвязей между различными показателями, а также позволяет быстро идентифицировать группы риска и уровни отклонений от нормы
Fig. 3. Graphical representation of test results, illustrating the distribution of psycho-emotional state levels (e.g., anxiety, depression, stress symptoms) in the form of charts and curves. This format provides a clear visualization of the dynamics and interrelationships among various indicators, allowing for quick identification of risk groups and deviations from normative levels.
Рис. 4. Результаты тестирования, сгруппированные по возрастным категориям (например, 18—25, 26—35, 36—45 лет и т. д.).
Fig. 4. Test results grouped by age categories (e.g., 18—25, 26—35, 36—45 years, etc.).
Диаграммы демонстрируют средние показатели психоэмоциональных состояний в каждой возрастной группе, что способствует выявлению возрастных особенностей и тенденций в уровне стрессовых и тревожных симптомов, а также эффективности проведенной диагностики.
Развитие подобных коммуникационных платформ предусматривает использование передовых технологий дистанционного взаимодействия, включая онлайн-платформы, мобильные приложения и интеллектуальные системы мониторинга. Это обеспечивает непрерывное психосоциальное сопровождение в экстремальных и кризисных условиях, что особенно актуально в современных реалиях, когда скорость распространения информации и масштабы социальных изменений требуют мгновенной реакции и скоординированных действий. Интеграция искусственного интеллекта в систему позволяет не только автоматизировать процессы диагностики и мониторинга, но и своевременно выявлять признаки психоэмоциональных дестабилизаций, обеспечивая профилактику и своевременное проведение психокоррекционных интервенций.
Обеспечение информационной среды и развитие коммуникационных пространств в области психологии экстремальных ситуаций являются стратегическими задачами современного научного и практического развития. Создаваемые платформы служат не только для обмена знаниями и междисциплинарного взаимодействия, но и как эффективные инструменты повышения стрессоустойчивости и безопасности личности и общества в целом. Внедрение технологий искусственного интеллекта и современных цифровых технологий в систему диагностики и саморегуляции способствует созданию надежных систем ранней диагностики психоэмоциональных нарушений, профилактики психической дезадаптации и своевременного вмешательства (психокоррекционных интервенций). Эти разработки позволяют оперативно выявлять и предупреждать дестабилизацию психического состояния, а также способствуют укреплению механизмов саморегуляции у лиц, подверженных влиянию травматического стресса, и у социальных групп в условиях кризисов.
Обсуждение результатов
Разработанная система психодиагностики и саморегуляции продемонстрировала свою эффективность в автоматизации процесса оценки психоэмоциональных состояний и предоставлении инструментов для мониторинга динамики психологического здоровья. В ходе тестирования системы были получены убедительные показатели, подтверждающие ее работоспособность и практическую ценность.
Во-первых, анализ результатов тестирования показал высокую точность автоматического расчета и интерпретации ключевых показателей, таких как уровень депрессии и тревожности. В частности, показатели тестов в диапазоне сырых баллов и их стандартизация по диагностическим шкалам позволяют получать объективную картину состояния пользователя.
Важно подчеркнуть, что внедрение таких модулей существенно расширяет возможности системы по объективной оценке психоэмоциональных рисков, позволяет выявлять скрытые или неустойчивые состояния, которые трудно обнаружить при традиционных методах самоотчета. В результате система способна не только проводить диагностику, но и формировать прогнозы, что повышает ее ценность в профилактике и раннем выявлении психоэмоциональных дистрессов.
Также стоит отметить, что проведенное альфа- и бета-тестирование подтвердило стабильность работы системы при различных сценариях использования и на разных устройствах. Высокий уровень надежности и удобство интерфейса обеспечивают эффективность работы специалистов и комфорт пользователей.
Несмотря на достигнутые успехи, необходимо учитывать ряд ограничений. В первую очередь, отсутствие клинической выборки и экологической валидности данных может повлиять на точность и переносимость модели в реальных условиях. Кроме того, возможен эффект социальной желательности при самоотчетах, что может искажать результаты. В будущем важно расширять выборки, проводить полевые исследования и внедрять дополнительные методы контроля объективности данных.
Перечень ограничений исследования
- Отсутствие клинической выборки:
Исследование проводилось на добровольцах из общей популяции без строгого клинического отбора, что ограничивает возможность распространения полученных результатов на клинические группы с диагностированными психическими расстройствами.
- Ограниченность экологической валидности:
Проведенные тесты и оценки осуществлялись в лабораторных или искусственно созданных условиях, что может снижать переносимость результатов в реальных условиях повседневной жизни, особенно в экстремальных ситуациях.
- Эффект социальной желательности:
При использовании самоотчетных методов участники могли сознательно или подсознательно искажать свои ответы, стремясь выглядеть лучше или соответствовать ожидаемым стандартам, что снижает объективность данных.
- Ограниченная репрезентативность выборки:
Исследование охватывало ограниченное по возрасту, социальному статусу или региону население, что ограничивает возможность обобщения результатов на более широкие группы.
- Отсутствие долгосрочной оценки:
Исследование проводилось в краткосрочной перспективе, что не позволяет оценить долговременную эффективность и стабильность результатов внедрения системы.
- Технические ограничения:
Используемое программное обеспечение и аппаратные средства имели ограничения по совместимости и точности распознавания эмоций, что могло влиять на качество данных и их интерпретацию.
- Недостаток междисциплинарных данных:
Недостаточное использование нейрофизиологических, психологических и социально-экономических переменных в рамках одного исследования ограничивает полноту анализа и интерпретации результатов.
Эти ограничения необходимо учитывать при интерпретации полученных выводов и планировании дальнейших исследований для повышения их обоснованности и практической применимости.
Перспективы дальнейших исследований
В целом, полученные результаты подтверждают перспективность использования автоматизированных систем на базе современных информационных технологий и методов искусственного интеллекта для диагностики, мониторинга и профилактики психоэмоциональных нарушений в условиях экстремальных ситуаций. Разработанная платформа демонстрирует свою практическую ценность и создает основу для дальнейших исследований и внедрения в реальную практику психологической поддержки и психиатрии.
Дальнейшие исследования должны быть ориентированы на расширение клинических выборок с включением групп пациентов с различными психическими расстройствами для оценки основной применимости разработанных платформ и моделей в условиях реальной психиатрической практики. Важным аспектом станет также проведение полевых исследований в условиях экстремальных ситуаций, что позволит проверить устойчивость и надежность систем в реальных сценариях.
Особое значение имеют развитие и интеграция мобильных и онлайн-платформ, позволяющих обеспечить непрерывное психологическое сопровождение, профилактику и терапию в условиях социального дистанцирования, пандемий и иных ограничений. В рамках этого предполагается создание новых интерфейсов, более удобных для пользователя, и расширение возможностей автоматизированных систем в области распознавания эмоциональных проявлений и анализа речи, текста и физиологических сигналов.
Кроме того, необходимо продолжать совершенствовать этические стандарты, механизмы защиты данных и пользовательского согласия, особенно при использовании биометрической информации и нейрофизиологических данных. Важной задачей станет разработка универсальных протоколов и стандартов для междисциплинарной работы, а также создание платформ для обмена данными и знаниями между специалистами разных областей.
Таким образом, дальнейшие исследования должны быть направлены на создание более сложных, адаптивных и интегрированных систем, способных не только выявлять риски и тревожные состояния, но и оказывать своевременную и персонализированную психологическую поддержку, повышая резильентность и психологическую безопасность как отдельных индивидов, так и общества в целом.
Заключение
В заключение можно подчеркнуть, что разработанная система диагностики и саморегуляции психоэмоциональных состояний демонстрирует высокую эффективность в автоматизации оценки психологического здоровья и мониторинга динамики психоэмоциональных нарушений, что подтверждается успешным проведением альфа- и бета-тестирований (Ивашко и др., 2025). Анализ результатов показывает, что высокая точность расчетов и интерпретации ключевых показателей, таких как уровень депрессии и тревожности, обеспечивает объективную и своевременную диагностику, способствуя выявлению скрытых и неустойчивых состояний. Внедрение таких модулей расширяет возможности раннего предупреждения и профилактики психоэмоциональных рисков, повышая эффективность профилактических мер и качество профилактической помощи в условиях экстремальных ситуаций.
Несмотря на достигнутые успехи, необходимо учитывать ряд ограничений, связанных с отсутствием клинической выборки, экологической валидностью и возможными искажениями данных из-за эффекта социальной желательности. Также важными являются технические ограничения и ограниченная междисциплинарная полнота данных. Эти аспекты требуют дальнейшей проработки, расширения выборки и совершенствования методов контроля данных для повышения объективности и практической применимости системы.
В целом, результаты исследования подтверждают перспективность использования современных информационных технологий и методов искусственного интеллекта для диагностики, мониторинга и профилактики психоэмоциональных нарушений в условиях чрезвычайных ситуаций. Разработанная платформа демонстрирует свою практическую ценность и создает надежную основу для дальнейших внедрений в практику психологической поддержки и психиатрии, способствуя повышению психологической устойчивости и безопасности населения в условиях современного общества.