Калининградские исследователи создали нейросеть, которая выявляет вероятность когнитивных нарушений по речи
Учёные Балтийского федерального университета имени Иммануила Канта (БФУ) разработали нейросетевую модель для предварительного выявления когнитивных нарушений по аудиозаписи речи человека. Система анализирует смысл высказываний и 88 акустических характеристик, после чего выдает процент вероятности нарушений.
Учёные БФУ создали нейросетевую модель, способную по аудиозаписи речи человека заподозрить когнитивные нарушения – сбои памяти, внимания и умственной работоспособности, которые нередко становятся первыми ласточками деменции или болезни Паркинсона. Алгоритм анализирует не только смысл сказанного, но и 88 акустических характеристик, в том числе темп речи, количество и длительность пауз, громкость, интонацию, дрожание голоса. Полученные данные сравниваются с записями пациентов с подтверждёнными диагнозами и здоровых добровольцев. Система оценивает вероятность патологии по шкале от 0 до 100%.
Важно подчеркнуть, что нейросеть не ставит диагноз. Разработчики прямо говорят, что модель задумана как инструмент первичного скрининга, как «красный флажок» для врача. Окончательное слово всегда остаётся за специалистом.
Почему это важно именно сейчас?
Число людей с когнитивными расстройствами растёт, а неврологов и нейропсихологов на всех не хватает. Особенно в малых городах и сёлах. Между тем раннее выявление проблемы способно замедлить её развитие и сохранить качество жизни пациента на годы. Если для скрининга достаточно обычного микрофона и нескольких минут разговора, обследование становится доступным там, где сегодня его просто не проводят.
Для российской ИТ-отрасли проект означает формирование нового класса медицинских продуктов – мультимодального искусственного интеллекта, объединяющего обработку естественного языка, распознавание речи и анализ акустических биомаркеров. Это уже не «ещё одно приложение», а потенциальное программное медицинское изделие, способное работать в системах диспансеризации, телемедицины и дистанционного мониторинга.
Речь как биомаркер
Калининградская разработка вписывается в устойчивый глобальный тренд. Ещё в 2022 году исследователи Дрексельского университета показали, что языковые модели улавливают малозаметные речевые сдвиги на ранних стадиях болезни Альцгеймера. В 2025 году зарубежные коллеги представили алгоритм, распознающий болезнь Паркинсона по короткой записи чтения текста с точностью около 86%. В России параллельно развиваются похожие проекты – Brainphone, нейросеть Сеченовского университета для диагностики по ЭЭГ, сбор речевых данных в Пермском крае. Мир переходит от дорогой инструментальной диагностики к анализу доступных следов – речи, почерка, походки.
Что впереди?
Главная задача сегодня – превратить лабораторную модель в клинический инструмент. Для этого предстоит собрать значительно более крупную и разнообразную базу голосовых записей, проверить алгоритм на пациентах разных возрастов и с различными речевыми особенностями, определить чувствительность и специфичность, обеспечить защиту биометрических данных, пройти клинические испытания и государственную регистрацию. Российское регулирование предъявляет чёткие требования к медицинскому ПО на базе ИИ, и без подтверждения эффективности и безопасности на рынок не выйти.
При успешной апробации решение может стать облачным сервисом или модулем медицинской информационной системы. Для экспорта модель придётся переобучать под другие языки, ведь темп, фонетика и интонация речи существенно различаются. Наиболее вероятно использование нейросети в русскоязычных клиниках стран СНГ и ЕАЭС.
Разработка БФУ не готовый продукт, но хорошая исследовательская работа. Именно такие проекты постепенно меняют саму медицину, подводя к использованию превентивных мер. И если голос действительно способен рассказать о здоровье больше, чем мы привыкли думать, важно, чтобы этот рассказ вовремя услышали.
