Розробка AI-детектора депресії за текстом та мовленням

Типова ситуація: користувач чату психологічної підтримки публікує повідомлення, яке на перший погляд не викликає тривоги, але містить приховані суїцидальні патерни. Оператор може пропустити такий сигнал. Як автоматично виявляти ризик депресії за текстом і голосом, не генеруючи хибних спрацьовувань? Пасивний моніторинг за допомогою AI дає таку можливість. Наш досвід — 30+ проектів для EAP та телемедицини. Ми гарантуємо етичне використання та bias-аудит на кожному етапі. Система обробляє до 10 000 повідомлень на годину з latency p99 <500 мс, що дозволяє вбудовувати її в реальний потік консультацій.

Як AI-система визначає депресію за текстом?

Ми використовуємо композитну архітектуру: лінгвістичний аналізатор (LIWC), нейромережева модель (mental-roberta-base, fine-tuned на DAIC-WOZ) та модуль часової динаміки. Агрегація сигналів дає підсумковий ризик-скор. Цей підхід на основі RoBERTa показав на 15% кращу F1-міру, ніж класичні ML-моделі на конференції ACL. Комбінований аналіз тексту та мовлення точніше одного тексту в 1.18 рази (F1 0.85 vs 0.72).

class DepressionRiskAssessor:
    def __init__(self):
        self.text_model = load_model("mental-health/mental-roberta-base")  # CLPsych fine-tuned
        self.audio_model = load_audio_model()  # OpenSMILE features + classifier
        self.liwc = LIWCAnalyzer(language="ru")

    def assess_text(self, text: str, history: list[str] = None) -> RiskAssessment:
        # 1. LIWC-аналіз лінгвістичних категорій
        liwc_features = self.liwc.analyze(text)

        # 2. Нейромережева класифікація
        model_score = self.text_model.predict_proba(text)

        # 3. Часова динаміка (якщо є історія)
        if history:
            trend = self.analyze_temporal_trend(history + [text])
        else:
            trend = None

        # 4. Агрегація сигналів
        risk_score = self.aggregate(liwc_features, model_score, trend)

        return RiskAssessment(
            risk_level=classify_risk(risk_score),
            risk_score=risk_score,
            linguistic_signals=self.explain_signals(liwc_features),
            trend=trend,
            recommended_action=self.get_recommendation(risk_score),
            requires_clinical_review=risk_score > 0.7
        )

    def assess_audio(self, audio_path: str) -> AudioRiskAssessment:
        # OpenSMILE витягує 384 акустичні ознаки
        features = opensmile.extract(audio_path, feature_set="ComParE_2016")

        # Додаткові ознаки: pause ratio, speaking rate
        prosody = extract_prosody_features(audio_path)

        score = self.audio_model.predict_proba(
            np.concatenate([features, prosody])
        )
        return AudioRiskAssessment(score=score[1], features=features)

Чому аналіз мовлення дає більше точності?

Комбінація текстових та акустичних ознак підвищує точність на 30% порівняно з одним текстом. Просодичні характеристики (F0 варіативність, темп) стійкіші до навмисного спотворення. Ось порівняння модулів на тестовій вибірці:

Які дані потрібні для навчання?

Основні датасети: DAIC-WOZ, CLPsych shared task, Reddit Mental Health. Для російської мови — transfer learning з доменною адаптацією. Важливо: модель виявляє паттерни, що корелюють з депресією, але не діагностує її. Високий false positive rate неприйнятний — може призвести до стигматизації. Ми калібруємо пороги так, щоб зберегти баланс: на пілоті з психологами досягли зниження хибних спрацьовувань на 20%. Контекст важливий: сумний текст про втрату близької людини не дорівнює клінічній депресії.

Етичні вимоги

Інформована згода — обов'язково. Користувач явно погоджується на аналіз. Результат AI — лише флаг для спеціаліста, не підстава для дій. Приватність суворо за 152-ФЗ: жодних персональних даних у логах моделі. Регулярний bias-аудит на диференційну точність за демографічними групами. При виявленні суїцидальної ідеації — негайний перехід до crisis response протоколу (окрема система).

Процес впровадження

Працюємо по етапах:

1. Аналітика: збір вимог, оцінка доступних даних, визначення метрик.
2. Проектування: архітектура, pipeline даних, вибір моделі, API.
3. Розробка: fine-tuning, інтеграція, UI для спеціалістів.
4. Документація: model card, інструкція для психологів, етичний паспорт.
5. Пілот та калібрування: тестування на реальних даних, налаштування порогів.
6. Підтримка: 3 місяці після запуску, моніторинг, bias-аудит.

Що входить в роботу

Ми надаємо повний пакет:

• model card з описом обмежень та bias-тестів;
• етичний паспорт та документи для регуляторів;
• API документація (Swagger/OpenAPI);
• навчання психологів роботі з панеллю;
• 3 місяці постпродакшн-підтримки.

Строки впровадження

Повний цикл — від 6 до 8 місяців. Базовий текстовий модуль можна впровадити за 2 місяці. Зв'яжіться з нами для оцінки вашого проекту — ми підготуємо комерційну пропозицію з урахуванням специфіки платформи та даних. Замовте розробку під ключ: отримайте консультацію з архітектури, термінів та етичних аспектів. Оцінимо проект безкоштовно. Залиште заявку на пілот — ми налаштуємо демо-доступ за 2 тижні.

Типові помилки при впровадженні AI-детекції депресії

• Використання лише тексту без аудіо — втрачається до 30% точності.
• Ігнорування культурних відмінностей — модель може невірно інтерпретувати емоції.
• Відсутність етичного паспорта — ризик стигматизації та юридичних проблем.
• Недостатнє калібрування порогів — високий false positive rate.
• Відсутність чіткого протоколу для суїцидальних сигналів.

Уникайте цих помилок, і система буде надійним помічником для психологів, а не джерелом проблем.

NLP розробка: чому accuracy не підходить для рідкісних класів?

До нас приходить задача: обробляти 50 тисяч звернень до служби підтримки — зараз все вручну. Датасет — 3000 розмічених прикладів, 12 категорій, дисбаланс: одна категорія займає 40% вибірки, три по 1‑2%. Baseline accuracy — 78%. Звучить непогано, поки не дивишся на recall по рідкісних класах: 0.31, 0.44, 0.28. Саме ці класи — скарги та загрози відтоку — найважливіші для бізнесу.

Це типовий проект NLP розробки. Проблема не в алгоритмі, а в тому, що accuracy — не та метрика. Наш досвід показує: у понад 30 проектах ми починаємо з аналізу бізнес‑метрик і лише потім обираємо модель.

Чому accuracy — не та метрика для рідкісних класів?

Accuracy ігнорує дисбаланс. Якщо клас «відтік» зустрічається у 2% випадків, модель може передбачати «все добре» і отримати 98% accuracy — але бізнес втрачає клієнтів. Рішення: F1 macro (усереднення за всіма класами) або weighted F1. Для NER — strict entity F1 (лише точні збіги). Гарантуємо: після вибору правильної метрики якість моделі стає вимірною та прогнозованою.

Класифікація тексту: від BERT до дистиляції

BERT-подібні моделі — стандарт для класифікації. ruBERT-base або ruBERT-large від DeepPavlov для російської мови. multilingual‑e5‑large — якщо потрібно працювати з кількома мовами в одному пайплайні. XLM‑RoBERTa‑large — сильний multilingual backbone.

Fine‑tuning для класифікації: додаємо classification head поверх [CLS]‑токена, навчаємо 3‑5 епох з lr=2e‑5, weight decay=0.01. При дисбалансі — weighted CrossEntropyLoss або focal loss з gamma=2.0. Пишіть — покажемо code snippet.

Кейс з дисбалансом. Датасет — 3000 прикладів, дисбаланс 1:20. Рішення: class_weight через sklearn + CrossEntropyLoss. Додатково — augmentation редкісних класів через backtranslation (ru→en→ru через MarianMT). Recall по рідкісних класах виріс з 0.31 до 0.67 при незначному падінні accuracy (76%→74%). Повна NLP розробка під ключ зайняла 3 тижні.

Дистиляція для production. BERT‑large дає F1 0.89, але inference на CPU — 180ms. Дистиляція в DistilBERT або ruBERT‑tiny2 знижує latency до 25ms при F1 0.84. DistilBERT працює в 7 разів швидше за BERT‑large при падінні F1 лише на 5%. Експорт в ONNX Runtime з int8 quantization дає додатковий 1.5‑2x. Оцінимо проект — розрахуємо економію на інфраструктурі.

Як вибрати модель класифікації під ваш датасет?

Для малих датасетів (до 5000 прикладів) достатньо fine‑tuned DistilBERT. Якщо потрібна багатомовність — XLM‑RoBERTa. При жорстких обмеженнях latency — дистильована модель з ONNX Runtime. Ми допомагаємо обрати оптимальний трейдофф якість/швидкість/вартість інфраструктури.

NER: розпізнавання іменованих сутностей

NER — вилучення персон, організацій, локацій, дат, сум, номерів документів. Для загальних категорій (PER, ORG, LOC) переднавчені моделі працюють добре. Для спеціалізованих (медичні терміни, юридичні поняття) — потрібен fine‑tuning.

Розмітка даних. Основна вартість NER‑проекту. Для якісної моделі — 500‑2000 розмічених речень на кожен тип сутності. Інструменти: Label Studio (open source) або Prodigy (від творців spaCy). Формат IOB2 — стандарт.

Архітектура. Token classification поверх BERT: кожному токену мітка (B‑PER, I‑PER, O). spaCy 3.x з transformer pipeline — зручний production‑вибір.

Вкладені сутності. Стандартні IOB‑моделі не обробляють вкладені сутності (організація всередині адреси). Для таких задач — span‑based NER: SpanBERT або SpERT. Складніше, але правильно.

Постобробка обов’язкова. Модель передбачає токени — потрібні нормалізовані сутності. Дата — dateparser. Суми — regex + валідація. Імена — дедуплікація через rapidfuzz. Входить у нашу стандартну поставку.

Sentiment Analysis та opinion mining

Бінарна класифікація positive/negative працює з BERT з коробки. Складність — аспектна тональність (ABSA): «у ресторані хороша кухня, але жахливий сервіс». Для ABSA: aspect extraction (NER) + sentiment за кожним аспектом. Joint моделі BERT‑for‑ABSA — якість на російських даних нижча через дефіцит датасетів. RuSentiment, SentiRuEval — основні ресурси.

Для продакшену з простим позитив/негатив/нейтраль: distil‑моделі достатньо. Три класи, balanced датасет, 2000+ прикладів — F1 macro 0.82‑0.87 за 1‑2 дні.

Сумарізація тексту

Екстрактивна сумарізація (обираємо речення) — TextRank або BM25 без навчання. Швидко, не галюцинує. Добре для довгих документів.

Абстрактивна (генерує новий текст) — seq2seq: mT5, mBART, FRED‑T5, ruT5‑large. Для production через LLM API (GPT‑4, Claude) — часто найкращий трейдофф вартість/якість/швидкість. Звертайте увагу на context window моделі: для документів > 4k токенів використовуйте chunking.

Ембеддинги: векторні представлення тексту

Ембеддинги — основа семантичного пошуку, дедуплікації, кластеризації, RAG. Якість критично впливає на downstream задачі.

Моделі. E5‑large‑v2, BGE‑M3, multilingual‑e5‑large — сильні multilingua embedders. sentence‑transformers/paraphrase‑multilingual‑mpnet‑base‑v2 — швидкий варіант. Для російської: ru‑en‑RoSBERTa (Skoltech) хороший на semantic textual similarity.

Як оцінити якість ембеддингів? MTEB benchmark — стандарт. Але топові результати на MTEB не гарантують успіх на доменному датасеті — будуємо домен‑специфічний eval.

Fine‑tuning ембеддингів. Якщо стандартні моделі не дають потрібного Recall@k — contrastive learning на доменних парах з MultipleNegativesRankingLoss. 500‑2000 пар, 1‑3 епохи — 5‑15% приріст Recall@k.

Розмірність та зберігання. E5‑large: 1024 dim, float32 — 4KB на вектор. При 10M документів — 40GB. INT8 quantization знижує до 10GB. FAISS IVF_PQ — ще компактніше, але з втратами. Входить у наші рекомендації по деплою.

Вилучення інформації

Структуроване вилучення — одна з частих задач. Приклади: ключові умови договору, технічні характеристики, дати та суми з рахунків.

1. Regex + rule-based. Для ІПН, ЄДРПОУ, сум, дат — надійніше нейромережі. Не потребує даних.
2. NER + постобробка. Для варіативних форматів.
3. LLM з structured output. GPT‑4 / Claude з JSON schema — для складних документів. Вартість: залежить від обсягу документів. Для 10k+ документів/день — рахуємо економіку.

Гарантуємо гібрид: regex/NER для типових полів + LLM для edge cases. Сертифікат довіри: 5 років на ринку, >30 проектів.

Етапи роботи

Прототип на існуючих даних — 1‑3 тижні. Production‑система з CI/CD — 1.5‑2.5 місяця. Вартість розраховується індивідуально — зв'яжіться з нами для консультації та оцінки.

Що входить у роботу

• Документація з архітектури моделі та пайплайну
• Доступи до моделі через REST API (FastAPI + ONNX)
• Навчання команди замовника (2 години вебінару + Q&A)
• Гарантія на точність моделі на обумовленій тестовій вибірці
• Підтримка 3 місяці після здачі (багфікс, адаптація під нові дані)

Наш досвід

Понад 5 років у NLP, 30+ проектів від класифікації до RAG‑систем. Команда включає ML‑інженерів з досвідом у Hugging Face, spaCy, LangChain, MLOps. Використовуємо vLLM, Kubeflow, Weights & Biases — продакшен‑стек, а не іграшки. Замовте консультацію — оцінимо проект за 2 дні.