Архитектура профилактики

Платформа работает как непрерывный цикл эмпирических исследований. Она помогает психологам трансформировать свои наблюдения в структурированные данные, объединяя классические методы доказательной психологии с аналитическими возможностями ИИ для проектирования современных стандартов помощи.

Работает на базе Prevention Intelligence Engine (PIE) — системы ограничений, которая удерживает генеративный ИИ в рамках научно обоснованной психологии, гарантируя его безопасность и строгое соответствие профессиональным протоколам.

Статистический цикл обратной связи Генерация доказательств Трехосевая таксономия Неклинические границы
AI Safety

Этика и безопасность

Профилактика-AI спроектирована по принципу Copilot (ассистент-штурман). Искусственный интеллект никогда не ставит диагнозы, не принимает решений за специалиста и не заменяет человека. Он выполняет роль экспертного помощника, опираясь на зашитые в базу строгие методологические рамки: гайдлайны ВОЗ, протоколы Функционального анализа поведения (ФАП) и подходы когнитивно-поведенческой терапии (КПТ).

Основной механизм

Многомерная матрица профилактики

Система не допускает «свободного фантазирования» алгоритмов. Любой запрос специалиста обрабатывается через строгую матрицу состояний, гарантируя валидность рекомендаций.

X_STAGE_VALUES

Ось X: Стадии процесса

Определяет точную операционную фазу цикла вмешательства:

  • X1_Problem — Острая идентификация напряжения
  • X2_Diag — Неклинический профилактический скрининг / структурированный чекап
  • X3_Goal — Установка ограниченных вех деэскалации
  • X4_Action — Развертывание протоколов микродействий
  • X5_Eval — Автоматизированная рефлексия и отслеживание результатов
Y_LEVEL_VALUES

Ось Y: Уровни тяжести

Устанавливает периметр безопасности и определяет пороги маршрутизации:

  • Y1_Normal — Стандартный возрастной кризис
  • Y2_Risk — Накопление субклинических факторов риска
  • Y3_Problem — Проявленный поведенческий или коммуникативный кризис
  • Y4_Crisis_Clinical — Жесткая граница для горячей маршрутизации к специалисту
M_MODALITY_VALUES

Ось M: Системные модальности

Категоризирует физиологическое или экологическое происхождение вектора стресса:

  • M1_Biology — Возрастные и нейроразвивающие сдвиги
  • M2_Psychophysiology — Соматические маркеры и реакции на стресс
  • M3_Cognition — Внутренние поведенческие циклы, убеждения и сценарии
  • M4_Social — Динамика микросистемы (семья и сверстники)
  • M5_Environment — Макропространства (институциональные и цифровые контексты)
Роли исполнителя (Целевой интерфейс)

Динамическая фильтрация контекста в зависимости от сертифицированного интерфейса пользователя: Психолог (методологические журналы), Учитель (динамика класса) или Администратор (макроотчеты).

Организационный масштаб (Целевой радиус)

Определяет целевой размер социологической системы для цикла данных: ИндивидСемьяГруппаСообществоОбщество.

Унифицированные метаданные паспорта таксономии

Чтобы обеспечить полную семантическую непрерывность между потребительскими приложениями Уровня 1 и пространствами специалистов Уровня 2, каждая рабочая сессия генерирует изолированный криптографический паспорт без PII (персональных данных). Этот паспорт отслеживает динамику изменения поведения (движение от базовой аномалии к целевой деэскалации) и оценивает непрерывность контекста в долгосрочных журналах, не раскрывая личных историй.

Топологический атлас

Семантический 3D-граф Академии Профилактики

Вместо того чтобы рассматривать узлы как простые ссылки, система отображает связи как семантическую галактику из 438 структурных узлов и более 1800 направленных связей. Эта топологическая структура служит каталогом безопасных путей, направляя специалиста по возрастным, клиническим и профилактическим трекам.

Визуализация 3D топологического графа знаний
Когнитивное ядро (Cognitive Core)

Архитектура системных промптов

Мы используем полностью прозрачную, высокодетерминированную иерархию промптов. Она устанавливает неклинические границы, изолирует чувствительную диагностику и безопасно направляет LLM по валидированным протоколам. Вся эта структура открыта для совместного управления и постоянного научного обзора.

graph TD A[Главный системный промпт
Профилактика-AI] --> B(Фронтенд: Терминал специалиста) A --> C(Бэкенд: Клиентские приложения и Ядро) %% Ветвь фронтенда B --> B1(Архитектор документов) B --> B2(Методологический эксперт) B --> B3(Второй пилот / Copilot) B --> B4(Умное заполнение) B1 --> B1a[ИПР / ПМПк / Групповые планы / Безопасность] B2 --> B2a[ФАП / Профили / Аудит программ] B3 --> B3a[Быстрый ИИ-синтез] B3 --> B3b[Анализ ролей и рисков] B4 --> B4a[Структурирование DAP сессий] %% Ветвь бэкенда C --> C1(Прием клиентов и Маршрутизация) C --> C2(Диагностический модуль) C --> C3(Консультативные компаньоны) C1 --> C1a[Перехваты при приеме
Моральная паника, Усыновление] C1 --> C1b[Маппинг таксономии
Жесткие шлюзы провайдеров] C2 --> C2a[Диагностические аксиомы
Защита PII] C2 --> C2b[Глубокое погружение
Генерация промежуточных выводов] C2 --> C2c[Сводка приема
Синтез данных] C3 --> C3a[Навигатор для родителей] C3 --> C3b[Мост отношений] C3 --> C3c[Компаньон для педагогов] C3 --> C3d[Семейный мост
Челночная медиация] C3 --> C3e[Планирование спринтов
Multi-Problem Sprint] C3 --> C3f[Динамическое сопровождение
Discover/Summarize/Mobilize] classDef core fill:#1e293b,stroke:#475569,stroke-width:2px,color:#fff; classDef frontend fill:#0ea5e9,stroke:#0284c7,stroke-width:2px,color:#fff; classDef backend fill:#10b981,stroke:#059669,stroke-width:2px,color:#fff; classDef leaf fill:#0f172a,stroke:#334155,stroke-width:1px,color:#cbd5e1; class A core; class B,B1,B2,B3,B4 frontend; class C,C1,C2,C3 backend; class B1a,B2a,B3a,B3b,B4a,C1a,C1b,C2a,C2b,C2c,C3a,C3b,C3c,C3d,C3e,C3f leaf;
Фронтенд (Терминал) Бэкенд (Ядро / Core) Исполняемые промпты

Промпты фронтенд-терминала

Архитектор документов

Планы и отчеты: индивидуальная консультация, ИПР, групповая работа, безопасная среда

Генерирует все основные виды документов психолога из сырых данных, структурирует в соответствии с методологией, дает рекомендации и оформляет в готовый для печати документ

Методологический эксперт

ФАП и Профили

Составляет функциональный анализ поведения (ФАП) и психологические профили, сопоставляя поведение учащегося с триггерами A-B-C.

Case Copilot

Case Copilot

Анализирует роли и вычисляет скрытые социальные и деструктивные риски.

Умное заполнение

Структурирование DAP сессий

Автоматически трансформирует неструктурированную голосовую диктовку в строгие поля данных, оценки и плана (DAP) для профессиональных журналов.

Промпты бэкенд-ядра

Прием и Маршрутизация

Перехваты и маршрутизация провайдеров

Безопасно обрабатывает острые сценарии приема (например, паника при усыновлении) и сопоставляет разговорную таксономию с психологическими профилями провайдеров.

Диагностический модуль

Глубокое погружение и Сводка приема

Постобработка результатов тестов для генерации одного эмпатичного вопроса «глубокого погружения» и синтеза сводок доказательств с удаленными PII.

Компаньоны

Навигатор для родителей и Мост отношений

Управляет логикой поддержки отношений (семья или пара). Обеспечивает абсолютный нейтралитет, защиту конфиденциальности и отводит угрозы безопасности от ИИ.

Челночная медиация (Семейный мост)

Трансляция позиций и ННО

Транслирует позиции сторон через призму ненасильственного общения (ННО), помогая родителю увидеть скрытые потребности подростка, а подростку — понять тревогу взрослого без разглашения приватных деталей чата второй стороны.

Планирование спринтов

Деконструкция мульти-проблем и Спринты

Декомпозирует плотные входящие сообщения с множественными жалобами на 2–4 независимые темы. Определяет приоритетный фокус спринта и формулирует один микро-шаг действия на ближайшие 24 часа.

Динамическое сопровождение

Управление фазами диалога

Отслеживает глубину терапевтического контакта и переключает логику ответов (Discover → Summarize → Mobilize), отделяя факты от родительских интерпретаций и предлагая готовые шаблоны писем/обращений.

Ядро безопасности

Диагностические аксиомы

Абсолютный незыблемый базис: запрещает клинические диагнозы, морализаторство и предписывает маршрутизацию на 112 при вводе данных, угрожающих жизни.

Фабрика выполнения (Runtime factory)

Фабрика доказательств: классификатор → протоколы → спринты → результат

В дополнение к макроисследовательскому контуру, Профилактика-AI уже использует замкнутый операционный цикл в каждой платной сессии. Сырой чат никогда не сохраняется как доказательство; фабрика выдает структурированные ключи, ID протоколов, метаданные спринтов и оценки пользователей, которые могут быть агрегированы для определения эффективности протоколов.

Шаг 1 · Классификация Автоматический классификатор проблем

Каждая реплика пользователя привязывается к координатам таксономии: код проблемы, код категории, степень тяжести (ось Y), подсказки модальности (ось M) и направление профилактики. Неизвестные темы отправляются на ревью без сохранения текста сообщений.

Шаг 2 · Протоколирование Выбор исполняемого протокола

Движок выбирает ограниченные микроинтервенции из каталога протоколов для текущей стадии (X1–X5). Руководства внедряются в среду выполнения ИИ; примененные протоколы логируются на каждом шаге ассистента.

Шаг 3 · Спринт Цикл кейс-спринта

Диалог организуется как короткие кейс-спринты: выявление напряжения → проработка фокусной проблемы → сдерживание эскалации → оценка → решение о следующем шаге. Каждый спринт содержит уникальный идентификатор, фокусный узел и стадию сессии, так что один и тот же язык таксономии охватывает все реплики и сессии.

Шаг 4 · Оценка Карточка результатов пользователя

Когда спринт закрывается, пользователь оценивает цикл: помогло / частично / не помогло / стало хуже, плюс опциональные научные шкалы (ясность, облегчение, уверенность в следующем шаге, альянс, статус микродействия). Результаты привязываются к примененным протоколам и фокусной таксономии, измеряя то, что сработало, не сохраняя нарративы.

От телеметрии к доказательствам: Вместо сбора сырых личных чатов платформа фиксирует только анонимизированные сигналы событий (такие как классифицированные категории проблем, шаги протоколов и оцененные пользователем результаты спринтов). Эти объединенные данные генерируют статистические карты в реальном времени, показывая, какой протокол профилактики работает лучше всего для конкретной проблемы. Такой подход автоматически создает всеобъемлющий, высокодостоверный статистический пул для лиц, принимающих решения в сфере общественного здравоохранения — то, чего никогда не смогут достичь традиционные бумажные системы отчетности.
Будущее диагностики

Дорожная карта ИИ-управляемого CAT и Shadow Scoring

Платформа выходит за рамки классических статичных опросников. Анализируя естественный разговор, мы создаем непрерывный фоновый диагностический цикл, который оценивает факторы риска, не нарушая терапевтического потока.

Фаза 1 · Прием Подборщик тегов таксономии

Немедленное инициирование диалога через динамическое тегирование, заменяющее статичные формы на картирование структурных тем (например, REL_FAM, DEV_EMO) в реальном времени.

Фаза 2 · Банки тестов Архитектура пулов вопросов

Декомпозиция валидированных психометрических шкал (депрессия, тревожность, ПТСР) на атомарные элементы, обогащенные весами IRT (теории моделирования параметров заданий), системными промптами LLM и контекстными барьерами.

Фаза 3 · Анализ Теневой скоринг (Shadow Scoring)

Фоновый модуль ИИ, который парсит свободный текст и автоматически сопоставляет нарративы клиента с диагностическими шкалами без явных вопросов, управляемый строгой фильтрацией контекста.

Фаза 4 · Динамическое тестирование ИИ-управляемый CAT

Компьютеризированное адаптивное тестирование, при котором LLM органично вплетает следующий наиболее статистически ценный вопрос из банка тестов в естественный ход разговора.

Фаза 5 · Интерфейс специалиста Диагностический рентген

Интерактивный панель управления для специалистов, отображающий вероятности скрининга (но не клинические диагнозы) и анонимизированные разговорные доказательства, плюс конструктор тестов для исследователей.

Фаза 6 · Валидация Научная калибровка

Сбор анонимизированной статистики для сравнения теневого скоринга ИИ с традиционными формами, калибровка весов IRT для постоянного повышения точности оценки.

Масштабная аналитика

Работа с обезличенными данными

Хранение истории действий только на устройстве пользователя и полное удаление любой персональной информации до отправки на сервер — это наша базовая защита, строго соблюдающая требования Федерального закона № 152-ФЗ «О персональных данных». Это позволяет превратить опыт отдельных консультаций в полезную статистику, полностью сохраняя анонимность пользователей.

Система направляет только обобщенные типы проблем и показатели риска в защищенные хранилища. Благодаря этому профильные учреждения смогут оценивать общий уровень психологического напряжения в разных регионах. Сейчас этот подход проверяется в рамках пилотных проектов на базе отдельных организаций.

Смысловой поиск по базе знаний

Мы используем современные поисковые технологии для точного сопоставления обычного текста, который пишет человек, с нашими строгими правилами профилактики. Это гарантирует, что искусственный интеллект не станет придумывать отсебятину и будет строго следовать безопасному сценарию.

Обработка на устройстве пользователя

Анализ текста происходит прямо на устройстве пользователя. Это значит, что исходные сообщения никуда не отправляются и существуют лишь доли секунды во время работы алгоритма, а затем навсегда стираются из памяти. На нашем сервере остаются только статистические данные о действиях больших групп пользователей для вторичного анализа в научных и управленческих целях.

"Конечная цель платформы Prevention AI — не автоматизация человеческой эмпатии, а создание устойчивой, масштабируемой цифровой инфраструктуры, в которой эмпирическая наука, передовая профилактическая практика и региональное управление наконец будут работать в едином цикле обратной связи по данным в реальном времени. Превращая повседневную полевую активность в структурированный, проверяемый источник доказательств, мы не просто применяем существующие протоколы — мы утверждаем будущие стандарты психологической помощи с использованием ИИ."

— Роман Дубровский, PhD, основатель платформы