Современная наука умеет описывать психические расстройства не только через симптомы, но и через конкретные сбои в вычислительных процессах мозга. Это не метафора: исследователи используют математически формализованные модели, чтобы объяснить, почему мозг при шизофрении «видит» то, чего нет, а при депрессии перестаёт ждать чего-то хорошего.

Что такое вычислительная психиатрия?

Вычислительная психиатрия — это наука, которая использует математические модели и алгоритмы, чтобы объяснить, как работает психика и почему она «ломается». Вместо того чтобы описывать депрессию, тревогу или шизофрению только словами, она описывает их в уравнениях — как точные сбои в обработке информации. Если раньше психиатрия опиралась в основном на клинические наблюдения и интуицию врача, сегодня у неё появился второй язык, построенный на данных.

Истоки поля уходят в начало 1990-х годов, когда Cohen и Servan-Schreiber (1992) создали первую коннекционистскую модель шизофрении, симулируя взаимодействие дофамина и префронтальной коры. Но как самостоятельная дисциплина поле оформилось лишь два десятилетия спустя. Основополагающая статья — Montague, Dolan, Friston и Dayan, «Computational Psychiatry», в Trends in Cognitive Sciences (2012) — сформулировала цели нового поля и предложила концептуализировать психические расстройства в вычислительных терминах, выделив обучение с подкреплением и масштабное «вычислительное фенотипирование» как центральные инструменты.

Поле консолидировалось в 2014–2016 годах. Friston, Stephan, Montague и Dolan (2014, The Lancet Psychiatry) представили мозг как «фантастический орган», порождающий прогностические модели реальности, нарушения которых ведут к психопатологии. Два обзора 2016 года закрепили статус дисциплины: Huys, Maia и Frank (Nature Neuroscience) определили два комплементарных подхода, а Adams, Huys и Roiser (Journal of Neurology, Neurosurgery & Psychiatry) дали доступное введение в байесовские и RL-методы, лежащие в её основе.

Сегодня в поле работают сотни исследователей. Существует специализированный журнал Computational Psychiatry (основан MIT Press в 2017 году, с 2021 года — открытый доступ), ежегодный курс ETH и Университета Цюриха, исследовательские центры — например, Центр вычислительной психиатрии Макс Планк–UCL в Лондоне и Берлине. За неполное десятилетие поле прошло путь от концепции до работающей исследовательской программы.

Четыре семейства моделей

Вычислительная психиатрия — не единый метод, а набор инструментов. Основную объяснительную работу выполняют четыре семейства моделей, и каждое описывает свой способ, которым мозг может дать сбой.

Семейство моделей	Ключевая идея	Что объясняет лучше всего
Обучение с подкреплением / ошибки предсказания	Мозг учится на «ошибках предсказания вознаграждения», кодируемых дофамином	Зависимость, депрессия, принятие решений
Байесовский мозг и свободная энергия	Восприятие сочетает априорные убеждения с сенсорными данными, взвешенными по точности	Шизофрения, галлюцинации, аутизм
Сетевая теория	Расстройство — самоподдерживающаяся сеть симптомов, вызывающих друг друга	Коморбидность, кластеризация симптомов
Иерархический гауссовский фильтр	Общая модель обновления убеждений в условиях неопределённости	Тревога, обучение в меняющейся среде

Обучение с подкреплением — наиболее используемый подход. Он формализует принятие решений через ошибки предсказания вознаграждения — разрыв между тем, что мозг ожидал, и тем, что произошло на самом деле, — кодируемые дофаминовыми нейронами. Maia и Frank (2011, Nature Neuroscience) связали эти модели с клиническими фенотипами, построив мост от алгоритмов к симптомам.

Фреймворк байесовского мозга и свободной энергии рассматривает мозг как машину предсказаний, которая сочетает априорные убеждения с поступающими сенсорными данными, взвешивая каждое по надёжности — величине, которую исследователи называют «точностью» (precision). Когда этот баланс нарушается, восприятие отрывается от реальности. Fletcher и Frith (2009, Nature Reviews Neuroscience) предположили, что при психозе ослабленные априорные убеждения приводят к тому, что «восприятие становится верой». Идея перешла от теории к эксперименту, когда Powers, Mathys и Corlett (2017, Science) вызвали галлюцинации в лаборатории через павловское обусловливание и показали, что они возникают из-за переоценки перцептивных прайоров — одна из первых прямых связей байесовского вывода с клиническим симптомом. Принцип свободной энергии Карла Фристона (2010, Nature Reviews Neuroscience) — наиболее амбициозная версия этой идеи, трактующая всё восприятие и действие как минимизацию «удивления».

Сетевая теория, предложенная Borsboom (2017, World Psychiatry), смотрит на дело совершенно иначе: расстройство — не скрытая болезненная сущность, а сеть симптомов, которые запускают друг друга: бессонница питает усталость, усталость питает подавленность, подавленность питает бессонницу. Иерархический гауссовский фильтр (Mathys и коллеги, 2011, 2014) завершает набор как общая модель того, как обновляются убеждения, когда мир неопределёнен.

Полезный обзор Huys, Maia и Frank (2016, Nature Neuroscience) разделил всё поле на два комплементарных подхода: теоретически-ориентированные механистические модели (четыре семейства выше) и управляемое данными машинное обучение, которое классифицирует пациентов и прогнозирует исходы. Первый объясняет, почему возникает расстройство; второй помогает его обнаружить и предсказать, какое лечение поможет.

Что модели объясняют в реальных расстройствах

Абстракции оправдывают себя, когда ложатся на конкретные состояния.

Шизофрения: когда значимость идёт не туда. При шизофрении система дофамина — которая в норме отмечает, что важно, — даёт сбой. Фреймворк аберрантной значимости Kapur (2003, American Journal of Psychiatry) описывает, как мозг начинает приписывать огромную важность случайным стимулам: слову прохожего, цвету машины, скрипу двери. Бредовые идеи в этой модели — не «сумасшествие», а попытка мозга объяснить самому себе, почему всё вдруг кажется таким значимым; галлюцинации — прямое переживание этих ложных сигналов значимости. Статью цитировали более 2600 раз, и она остаётся одной из наиболее признанных в поле.

Депрессия: мир без вознаграждения. Вычислительная модель описывает депрессию как искажение системы вознаграждения. Мозг человека с депрессией не просто «грустит» — он иначе обрабатывает информацию о будущих удовольствиях, снижая их ценность, притупляя мотивацию и застревая в петлях негативных ожиданий. Мета-анализ Huys, Pizzagalli, Bogdan и Dayan (2013, Biology of Mood & Anxiety Disorders) 392 экспериментальных сессий установил, что ангедония связана со сниженной чувствительностью к вознаграждению, а не с нарушением обучения на ошибках предсказания — это точное, проверяемое утверждение, а не расплывчатое описание «плохого настроения».

Зависимость и тревога. Redish (2004, Science) формализовал зависимость через модель обучения с подкреплением: наркотики создают ошибки предсказания, которые мозг не может компенсировать, из-за чего он переоценивает связанные с ними действия. Эта работа получила более 800 цитирований и остаётся основополагающей, а более поздняя работа (Redish, Jensen и Johnson, 2008) развила её в каталог конкретных уязвимостей принятия решений, которые делают срыв таким трудным для преодоления. Тревога в вычислительной трактовке — это ошибка в оценке неопределённости: тревожный мозг систематически переоценивает вероятность угрозы и недооценивает свою способность справиться. Это не слабость характера — это конкретный сбой в алгоритме оценки рисков, встроенном в нервную систему.

Тихое, но важное следствие этих работ — сдвиг от категориального к измеренческому (dimensional) мышлению. Вместо того чтобы спрашивать только «подходит ли человек под чек-лист диагноза?», вычислительные модели описывают, где он находится вдоль непрерывных параметров — насколько круто он обесценивает будущее вознаграждение, насколько переоценивает угрозу. Эта рамка совпадает с исследовательскими инициативами вроде Research Domain Criteria (RDoC) NIMH и помогает объяснить, почему двум людям с одним и тем же диагнозом может требоваться очень разная помощь.

От моделей к терапии

Понимание этих механизмов важно не только академически — оно меняет то, на что может нацеливаться «лечение». Если расстройство — это конкретная сломанная вычислительная операция, терапия может таргетировать именно этот процесс, а не просто заглушать симптомы: переучивать ожидания вознаграждения при депрессии или перекалибровывать оценки угрозы при тревоге.

Здесь вычислительная психиатрия встречается с более молодым полем ИИ-ассистированной терапии. Та же математика, что описывает искажённый сигнал вознаграждения, объясняет и то, как структурированный когнитивно-поведенческий разговор может помочь человеку переоценить свои ожидания. Ранние клинические данные обнадёживают, но скромны: наш обзор исследований КПТ-чат-ботов разбирает, что структурированные цифровые программы могут и чего не могут, а наш мета-анализ ИИ-чат-ботов для терапии обобщает размеры эффекта по десяткам испытаний. Ни то ни другое не заменяет специалиста — они переводят вычислительное знание в повседневную самопомощь.

Исследователи всё чаще представляют эти части как замкнутый контур: пассивное измерение поведения, вычислительный анализ для выявления паттернов и ранних предвестников и вовремя поданная интервенция — тогда, когда она поможет больше всего. Измерительная половина этого контура — то, как телефон и язык могут выдать сдвиг настроения раньше, чем человек заметит его сам, — тема нашего материала о цифровом фенотипировании. Модели из этой статьи — то, что осмысляет этот поток данных.

Вычислительная психиатрия не превращает человека в набор цифр и не заменяет врача. Она даёт специалистам более точные инструменты — примерно так же, как МРТ когда-то позволило хирургам видеть то, что было скрыто. А всем нам она предлагает более честную историю о том, почему психика иногда работает против нас, и первый шаг к пониманию того, как наш собственный мозг строит свои предсказания.

FAQ

Что такое вычислительная психиатрия простыми словами?

Это использование математических моделей, чтобы объяснить, как мозг обрабатывает информацию и где эта обработка ломается при психических заболеваниях. Вместо того чтобы описывать депрессию или шизофрению только через симптомы, она описывает их как конкретные ошибки в предсказании, обучении или обновлении убеждений — ошибки, которые можно измерить и, в принципе, таргетировать лечением.

Используется ли вычислительная психиатрия в клиниках сегодня?

В основном пока нет. Модели — мощные исследовательские инструменты, они изменили то, как учёные думают о расстройствах, но обзоры поля (Hitchcock и коллеги, 2023) отмечают, что многие вычислительные меры всё ещё имеют низкую тест-ретестовую надёжность, что ограничивает их применение для диагностики конкретных людей. Цель поля на ближайшее десятилетие — преодолеть разрыв между элегантной теорией и надёжными клиническими инструментами.

Чем вычислительная психиатрия отличается от ИИ-терапии?

Они связаны, но различны. Вычислительная психиатрия — про понимание расстройств через модели мозга. ИИ-терапия — про доставку поддержки: чат-боты и приложения, которые проводят человека через доказательные упражнения. Знания из первой всё чаще информируют дизайн второй, но исследовательская модель шизофрении и приложение для самопомощи — очень разные вещи.

Сервис «Рядом» использует принципы доказательной психологии, чтобы помочь разобраться в своих мыслях и эмоциях. Это инструмент поддержки, а не замена психолога, психотерапевта, психиатра или экстренной службы.