[{"data":1,"prerenderedAt":102},["ShallowReactive",2],{"blog-blog_ru-ai-suicide-risk-detection-in-text":3,"alternates-ai-suicide-risk-detection-in-text-ru":86},{"id":4,"title":5,"author":6,"body":7,"category":66,"date":67,"description":68,"draft":69,"extension":70,"healthTopics":71,"image":74,"meta":75,"navigation":76,"path":77,"readingTime":78,"reviewedBy":74,"seo":79,"stem":80,"tags":81,"updatedDate":84,"__hash__":85},"blog_ru\u002Fblog\u002Fai-suicide-risk-detection-in-text.md","Как ИИ распознаёт суицидальный риск в тексте — и где границы метода","Nearby",{"type":8,"value":9,"toc":58},"minimark",[10,14,19,22,25,29,32,35,39,42,45,48,52,55],[11,12,13],"p",{},"Психиатры давно знают неприятную правду: традиционные шкалы оценки суицидального риска работают ненамного лучше случайного угадывания. Мета-анализ 365 исследований за 50 лет (Franklin et al., 2017) показал, что прогностическая способность классических факторов риска близка к AUC 0.58 — почти бесполезна для реальных решений. Именно этот провал подтолкнул исследователей к машинному обучению и анализу естественного языка.",[15,16,18],"h2",{"id":17},"что-алгоритм-видит-в-тексте","Что алгоритм видит в тексте",[11,20,21],{},"Суицидальные мысли оставляют следы не столько в словах «хочу умереть», сколько в структуре речи. Исследования группы Джона Пестиана (Cincinnati Children's Hospital) показали, что модели, обученные на транскриптах интервью, различают суицидальных и несуицидальных подростков с точностью около 85% — опираясь не на прямые заявления, а на паттерны: снижение когнитивной сложности, рост абсолютистских формулировок («всегда», «никогда»), сужение временной перспективы, сдвиг местоимений в сторону «я» при одновременной эмоциональной диссоциации.",[11,23,24],{},"Al-Mosaiwi и Johnstone (2018) проанализировали более 6400 постов на англоязычных форумах и обнаружили, что доля абсолютистских слов в сообществах о депрессии и тревоге на 50% выше, чем в контрольных, а в сообществах о суицидальных мыслях — на 80% выше. Это тот тип сигнала, который трудно уловить человеческим слухом, но легко измерить статистически.",[15,26,28],{"id":27},"как-это-работает-на-больших-данных","Как это работает на больших данных",[11,30,31],{},"Walsh, Ribeiro и Franklin (2017) обучили модель на электронных медкартах 5167 пациентов и получили AUC 0.84 для прогноза попытки суицида в ближайшие 7 дней — в разы выше любых клинических шкал. Похожие результаты показывают работы на данных социальных сетей: ежегодные соревнования CLPsych используют посты Reddit (subreddit SuicideWatch) как размеченный корпус, и лучшие системы достигают F1-метрики 0.55–0.60 на задаче классификации уровня риска.",[11,33,34],{},"Facebook с 2017 года использует систему обнаружения суицидальных сигналов в постах и прямых трансляциях; по собственным отчётам компании, она инициировала более 3500 выездов скорой помощи за первый год. Instagram и TikTok развернули похожие алгоритмы. В 2023 году JAMA Psychiatry опубликовала систематический обзор 54 ML-исследований: средний AUC — 0.81, что делает NLP самым точным из известных методов прогноза на коротких горизонтах.",[15,36,38],{"id":37},"где-метод-ломается","Где метод ломается",[11,40,41],{},"Высокая точность — это только половина истории. Базовая частота суицидальных попыток настолько низка, что даже модель с чувствительностью 90% и специфичностью 90% в популяции даст десятки ложных срабатываний на каждый истинный случай. Это не недостаток алгоритма — это математика редких событий.",[11,43,44],{},"Отсюда практические проблемы. Первая — стигматизация: ложная метка «высокий риск» в медкарте может повлиять на страховку, трудоустройство, родительские права. Вторая — культурная слепота: почти все корпусы обучения собраны на англоязычных пациентах из США и Великобритании, и модели плохо переносятся на другие языки и культуры выражения дистресса. Третья — сдвиг распределения: паттерны меняются со временем, и модель, обученная в 2019 году, к 2024-му может устаревать.",[11,46,47],{},"Есть и более глубокий вопрос: даже идеальный детектор не решает, что делать с сигналом. Отправить экстренные службы без согласия? Показать баннер с телефоном доверия? Уведомить близкого? Каждое решение несёт свои этические издержки, и исследований того, какая интервенция реально снижает риск после обнаружения, почти нет.",[15,49,51],{"id":50},"что-это-значит-для-продукта","Что это значит для продукта",[11,53,54],{},"Когда приложение вроде «Рядом» работает с человеком в уязвимом состоянии, детекция риска — это не функция, которую можно включить и забыть. Это обязательство: слушать внимательнее, реагировать осторожнее, признавать границы своей компетенции и передавать человека специалистам, когда сигналы переходят определённый порог. Хороший ИИ-помощник не соревнуется с кризисной линией — он помогает человеку дойти до неё вовремя.",[11,56,57],{},"Технология умеет замечать то, что ускользает от самого человека. Но что делать с замеченным — это по-прежнему решение, в котором обязан участвовать человек.",{"title":59,"searchDepth":60,"depth":60,"links":61},"",2,[62,63,64,65],{"id":17,"depth":60,"text":18},{"id":27,"depth":60,"text":28},{"id":37,"depth":60,"text":38},{"id":50,"depth":60,"text":51},"ai-therapy","2026-04-19","NLP-модели предсказывают суицидальный риск по языковым маркерам точнее традиционных опросников. Разбираем, что умеет ИИ и где заканчивается его компетенция.",false,"md",[72,73],"Mental health","Mental health safety",null,{},true,"\u002Fblog\u002Fai-suicide-risk-detection-in-text",5,{"title":5,"description":68},"blog\u002Fai-suicide-risk-detection-in-text",[82,66,83],"AI mental health","safety","2026-05-17","PMX3x8dCVKfsxU6axzPK72AUoQquBh_fJVB7osHpjX8",[87,90,94,98],{"locale":88,"label":89,"path":77},"en","English",{"locale":91,"label":92,"path":93},"kz","Қазақша","\u002Fkz\u002Fblog\u002Fai-suicide-risk-detection-in-text",{"locale":95,"label":96,"path":97},"ky","Кыргызча","\u002Fky\u002Fblog\u002Fai-suicide-risk-detection-in-text",{"locale":99,"label":100,"path":101},"by","Беларуская","\u002Fby\u002Fblog\u002Fai-suicide-risk-detection-in-text",1780418367479]