ВИКОРИСТАННЯ ШІ В ОЦІНЦІ ПСИХОФІЗІОЛОГІЧНОГО СТАНУ

Автор(и)

  • М. Б. Бригадир Західноукраїнський національний університет
  • О. Є. Коваль Західноукраїнський національний університет
  • Ю. Ф. Вовчук Неурядова організація «Vovk Foundation»

DOI:

https://doi.org/10.32782/psy-visnyk/2025.3.7

Ключові слова:

штучний інтелект, психофізіологія, біомоніторинг, нейротехнології, етика ШІ, цифрова медицина.

Анотація

Сучасні технології штучного інтелекту (ШІ) кардинально трансформують підходи до оцінки психофізіологічного стану людини, відкриваючи нові можливості для діагностики, профілактики та покращення якості життя. Психофізіологічний стан, як інтегральний показник фізичного та психічного здоров'я, відіграє ключову роль у професіях з підвищеною відповідальністю, психології, психотерапії, медицині, освіті та повсякденному житті. Традиційні методи оцінки, що ґрунтуються на суб'єктивній інтерпретації та обмеженому наборі показників, поступаються місцем інноваційним цифровим рішенням. Інноваційні підходи до аналізу біосигналів, системи розпізнавання емоцій за мімікою та голосом, дозволяють проводити безперервний моніторинг стану людини з високою точністю. Водночас вони породжують нові етичні та правові виклики, пов'язані з конфіденційністю даних, алгоритмічною упередженістю та необхідністю інформованої згоди. У статті детально розглядаються: сучасні методи аналізу психофізіологічних показників за допомогою штучного інтелекту; перспективні напрями застосування в психології, психотерапії, медицині, освіті, спорті та безпеці; етичні дилеми та правові аспекти використання нейротехнологій; нові професії на стику психофізіології та штучного інтелекту; стандарти валідації та регулювання психофізіологічних алгоритмів. Особливу увагу приділено гібридним підходам, де штучний інтелект виступає потужним інструментом підтримки прийняття рішень, але не замінює людську експертність. Сучасні дослідження підтверджують, що штучний інтелект у психофізіології є потужним допоміжним інструментом, проте він не може замінити людської експертизи. У сфері діагностики алгоритми здатні аналізувати складні біосигнали, такі як EЕГ чи мікроміміка, проте заключний діагноз та стратегію лікування, терапії залишається за кваліфікованим фахівцем.

Посилання

Abbas H, Garberson F, Liu-Mayo S, Glover E, Wall DP. Multi-modular AI Approach to Streamline Autism Diagnosis in Young

Children. Sci Rep. 2020 Vol.10(1).

Affectiva. Human Behavioral Research with iMotions. URL: https://www.affectiva.com/product/imotions-behavioralresearch/

(дата звернення: 09.07.2025)

Andel R, McMahan T, Parsons TD, Hort J. Virtual Reality Tennis Training: Performance Gains Derived from User

Characteristics. Cyberpsychol Behav Soc Netw. 2024. Vol.10. Р. 728-735.

Buolamwini J., Gebru T. Gender Shades: Intersectional accuracy disparities in commercial gender classification.

Proceedings of the Conference on Fairness, Accountability and Transparency (FAT). 2018. P. 77–91.

Butler P., Au R., Becker A. & et al. Intuition Brain Health Study: a smartphone- and smartwatch-based virtual, observational

study using multimodal mobile sensing to classify and detect mild cognitive impairment. 2024. Vol.10.

Cao Z. et al. Realtime Multi-Person 2D Pose Estimation using Part Affinity Fields. IEEE Transactions on Pattern Analysis

and Machine Intelligence. 2017. Vol. 43, No. 1. P. 1302–1310.

Chikwetu, L. et al. Does de-identification of data from wearable Biometric Monitoring Technologies give us a false sense of

security? A systematic review. Lancet Digit Health. 2023. Vol.4. Р. 239-247.

Grosicki G. & Fielding F. & Kim J. et al. Wearing WHOOP More Frequently Is Associated with Better Biometrics and

Healthier Sleep and Activity Patterns. Sensors. 2025. Vol. 25. Р. 2437.

DARPA’s N3: The Future of Non-Surgical Brain Interfaces. 2024. URL: https://biodefenseresearch.org/darpas-n3-thefuture-

of-non-surgical-brain-interfaces/(дата звернення: 09.07.2025)

Hauselmann R., Sears A. et al. EU law and emotion data. arXiv. 2023.

King D. R. et al. Methods for navigating the mobile mental health app landscape for clinical use. Curr Treat Options

Psychiatry. 2023. Vol. 10, No. 1. .

Lin Y. et al. Feasibility of a machine learning-based smartphone application in detecting depression and anxiety in a

generally senior population. Frontiers in Psychology. 2022. Vol. 6, No. 3.

Lu Angelina & Perkowski Marek. Deep Learning Approach for Screening Autism Spectrum Disorder in Children with Facial

Images and Analysis of Ethnoracial Factors in Model Development and Application. Brain Sciences. 2021. Vol. 11. Р.1446.

Marks M., Haupt C. AI Chatbots, Health Privacy, and Challenges to HIPAA Compliance. JAMA. 2023. Vol. 330, No. 12.

P. 1101–1102.

Milton А., Chancellor S. The Users Aren’t Alright: Dangerous Mental Illness Behaviors and Recommendations. 2022.

Vol. 16. P. 690–701.

Musk E. et al. An integrated brain-machine interface platform with thousands of channels. Journal of Medical Internet

Research. 2019. Vol. 21, No. 10.

Pandarinath C. et al. High performance communication by people with paralysis using an intracortical BCI. eLife. 2017.

Vol. 6.

Sánchez-Monedero L., Dencik L. The politics of deceptive borders: ‘Biomarkers of deceit’ and the case of iBorderCtrl.

Information, Communication & Society. 2019. Vol. 22, No. 14. P. 2068–2084.

Rob Matheson. A market for emotions: With emotion-tracking software, Affectiva attracts big-name clients. MIT

News. 31.07.2014. URL: https://news.mit.edu/2014/with-emotion-tracking-software-affectiva-attracts-clients-mood-awareinternet-

(дата звернення: 09.07.2025)

Sánchez-Monedero L., Dencik L. The politics of deceptive borders: ‘Biomarkers of deceit’ and the case of iBorderCtrl.

Information, Communication & Society. 2019. Vol. 22, No. 14. P. 2068–2084.

Stephansen J. B. et al. Neural network analysis of sleep stages enables efficient diagnosis of narcolepsy. Nature

Communications. 2018. Vol. 9.

Tang J. et al. Speech emotion recognition via CNN transformer and multidimensional attention mechanism. Speech

Communication. 2025. Vol.171. .

Tariq Q. et al. Mobile detection of autism through machine learning on home video. A development and prospective

validation study. PLoS Med. 2018. Vol. 15. No. 11.

Toulas В. Clearview AI gets third €20 million fine for illegal data collection. 2022. URL: https://www.bleepingcomputer.

com/news/security/clearview-ai-gets-third-20-million-fine-for-illegal-data-collection/?utm_source=chatgpt.com (дата звернення:

07.2025)

Wachter S., Mittelstadt B., Russell C. Counterfactual explanations without opening the black box: Automated decisions

and the GDPR. Harvard Journal of Law & Technology. 2018. Vol. 31, No. 2. P. 841–887.

Wang H. et al. Research on non-invasive psychological detection technology based on artificial intelligence. Academic

Journal of Humanities & Social Sciences.2021. Vol. 4(3). P. 10 –16.

Youyou W., Kosinski M., Stillwell D. Inferring human traits from Facebook statuses. arXiv. 2018.

Yuan Y. et al. Machine learning applications on neuroimaging for diagnosis and prognosis of epilepsy: Journal of

Neuroscience Methods. 2022. Vol. 368.

Zhang L. Applications of Google MediaPipe Pose Estimation Using a Single Camera. Мaster project. 2022. Wuhan

University. 33 р.

##submission.downloads##

Опубліковано

2025-09-30

Як цитувати

Бригадир, М. Б., Коваль, О. Є., & Вовчук, Ю. Ф. (2025). ВИКОРИСТАННЯ ШІ В ОЦІНЦІ ПСИХОФІЗІОЛОГІЧНОГО СТАНУ. Науковий вісник Ужгородського національного університету. Серія: Психологія, (3), 44-49. https://doi.org/10.32782/psy-visnyk/2025.3.7