Дмитрий Сергеевич Радионов, младший научный сотрудник, отделение лечения пограничных психических расстройств и психотерапии
Санкт-Петербург
Dmitriy S. Radionov, Junior Researcher, Department of Treatment of Borderline Mental Disorders and Psychotherapy
St. Petersburg
Александр Викторович Яковлев, кандидат технических наук, доцент, старший научный сотрудник, научно-исследовательский центр, ФГБВОУ ВО «Военно-медицинская академия им. С.М. Кирова» Минобороны России; доцент, кафедра проблемно-ориентированных вычислительных комплексов, ФГАОУ ВО «Санкт-Петербургский государственный университет аэрокосмического приборостроения»
Санкт-Петербург
Alexander V. Yakovlev, Cand. Sci. (Techn.), Associate Professor, Senior Researcher, Research Center, S.M. Kirov Military Medical Academy,; Associate Professor, Department of Problem-Oriented Computing Systems, Saint Petersburg State University of Aerospace Instrumentation
St. Petersburg
Татьяна Артуровна Караваева, доктор медицинских наук, профессор, главный научный сотрудник, руководитель отделения лечения пограничных психических расстройств и психотерапии, ФГБУ «НМИЦ психиатрии и неврологии им. В.М. Бехтерева» Минздрава России; профессор кафедры медицинской психологии и психофизиологии ФГБОУ ВО «Санкт-Петербургский государственный университет»; профессор, кафедра общей и прикладной психологии с курсами медико-биологических дисциплин и педагогики ФГБОУ ВО «Санкт-Петербургский государственный педиатрический медицинский университет» Минздрава России; ведущий научный сотрудник научного отдела инновационных методов терапевтической онкологии и реабилитации, ФГБУ «НМИЦ онкологии им. Н.Н. Петрова» Минздрава России
Санкт-Петербург
Tatiana A. Karavaeva, Dr. Sci. (Med.), Professor, Chief Researcher, Head of the Department of Treatment of Borderline Mental Disorders and Psychotherapy, V.M. Bekhterev National Medical Research Center for Psychiatry and Neurology of the Ministry of Health of the Russia, St. Petersburg, Russia; Professor, Department of Medical Psychology and Psychophysiology, St. Petersburg State University; Professor, Department of General and Applied Psychology with Courses in Medical and Biological Disciplines and Pedagogy, St. Petersburg State Pediatric Medical University of the Ministry of Health of the Russia; Leading Researcher, Scientific Department of Innovative Methods of Therapeutic Oncology and Rehabilitation, N.N. Petrov National Medical Research Center of Oncology of the Ministry of Health of the Russia
St. Petersburg
Анна Владимировна Васильева, доктор медицинских наук, главный научный сотрудник, отделение лечения пограничных психических расстройств и психотерапии, ФГБУ «НМИЦ психиатрии и неврологии им. В.М. Бехтерева» Минздрава России; доцент, кафедра психотерапии и сексологии, ФГБОУ ВО «Северо-Западный государственный медицинский университет им. И.И. Мечникова» Минздрава России
Санкт-Петербург
Anna V. Vasileva, Dr. Sci. (Med.), Chief Researcher, Department of Treatment of Borderline Mental Disorders and Psychotherapy, V.M. Bekhterev National Medical Research Center for Psychiatry and Neurology of the Ministry of Health of the Russia; Associate Professor, Department of Psychotherapy and Sexology, North-Western State Medical University named after I.I. Mechnikov of the Ministry of Health of the Russia
St. Petersburg
Обоснование: инструментальная оценка риска злоупотребления алкоголем при тревожном расстройстве изучена недостаточно.
Цель исследования: разработать на основе методов машинного обучения и vibe-кодинга прототип программного обеспечения для персонализированной оценки риска опасного употребления алкоголя пациентами с тревожными расстройствами.
Пациенты и методы: проанализированы данные 120 пациентов с эпизодической (группа 1) и генерализованной (группа 2) тревогой, разделенных на подгруппы по уровню потребления алкоголя.
Результаты: с использованием шкал выявлены ключевые психологические маркеры: уровень невротизации, превентивное и проактивное совладание. На основе этих параметров построена бинарная логистическая регрессионная модель с высокой прогностической точностью (AUC-ROC = 0,991), позволяющая количественно оценить вероятность рискованного поведения. Прототип, разработанный с применением vibe-кодинга, реализует графический интерфейс для автоматизации сбора данных, расчета риска по формуле модели и визуализации результатов. Инструмент сочетает клиническую интерпретируемость и техническую доступность, позволяя врачам и медицинским психологам без навыков программирования оперативно оценивать риск в режиме реального времени. Решение способствует раннему выявлению групп риска, персонализации терапии и снижению вероятности рецидивов.
Заключение: полученные результаты подтверждают значимость цифровых технологий в психиатрии и медицинской психологии, однако требуют дальнейшей валидации на репрезентативных выборках и интеграции в телемедицинские платформы. Будущие исследования должны сосредоточиться на улучшении интерпретируемости моделей искусственного интеллекта, обеспечении конфиденциальности данных и расширении функционала для мониторинга вегетативных реакций через носимые устройства.
Background: instrumental assessment of hazardous alcohol use risk in patients with anxiety disorders studied insufficiently.
The aim of study was to develop a software prototype for personalized assessment of the risk of hazardous alcohol consumption in patients with anxiety disorders based on machine learning and vibe-coding methods.
Patients and Methods: the work analyzed data from 120 patients with episodic (group 1) and generalized (group 2) anxiety, divided into subgroups by the level of alcohol consumption. Using scales, key psychological markers were identified: the level of neuroticism, preventive and proactive coping.
Results: based on these parameters, a binary logistic regression model with high predictive accuracy (AUC-ROC = 0.991) was built, allowing for a quantitative assessment of the likelihood of risky behavior. The prototype, developed using vibe-coding, implements a graphical interface for automating data collection, risk calculation using the model formula, and visualization of the results. The tool combines clinical interpretability and technical accessibility, allowing doctors and medical psychologists without programming skills to promptly assess risk in real time. The solution facilitates early detection of risk groups, personalization of therapy, and reduction of relapse rates.
Conclusion: the importance of digital technologies in psychiatry and medical psychology is confirmed, but require further validation on representative samples and integration into telemedicine platforms. Future research should focus on improving the interpretability of AI models, ensuring data privacy, and expanding the functionality for monitoring autonomic responses via wearable devices.
The authors declare that there are no conflicts of interest present.