Актуальность внедрения интеллектуальных вычислительных платформ в области психиатрии и клинической психологии обусловлена необходимостью развития теоретических и прикладных аспектов лингвистики, направленных на совершенствование диагностики и терапии психических расстройств. В условиях усиленного негативного воздействия военных конфликтов на психическое здоровье населения особое значение приобретает анализ языковых и речевых данных для выявления субклинических симптомов и оценки психического состояния, что требует интеграции методов лингвистического моделирования и анализа коммуникаций. Настоящее исследование посвящено разработке и верификации инновационных подходов, основанных на применении технологий искусственного интеллекта (ИИ), для выявления лингвистических маркеров психологической травмы и объективной оценки психического статуса. В рамках теоретического анализа рассматриваются лингвистические особенности, такие как частота использования определенных семантических полей, структура речевых высказываний и прагматические аспекты коммуникации, отражающие эмоциональные состояния участников. Методологическая база исследования включает многоаспектный анализ больших лингвистических и неструктурированных данных, таких как результаты психологических опросов (например, шкала оценки посттравматического стрессового расстройства PCL-5 [25]), нейровизуализационные данные (фМРТ, ЭЭГ), а также биометрические параметры (вариабельность сердечного ритма, кожно-гальваническая реакция). В прикладной плоскости применяется разработка и использование специализированных нейронных сетей и алгоритмов машинного обучения для выявления закономерностей, связанных с лингвистическими признаками, и построения предиктивных моделей, что способствует развитию теории взаимодействия языка и психического состояния, а также практическим инструментам для диагностики и мониторинга психологического здоровья. Результаты, полученные в ходе исследований, проводимых ФГБНУ «Институт проблем искусственного интеллекта» (ИПИИ), продемонстрировали, что разработанные модели машинного обучения, базирующиеся на анализе лингвистических маркеров речи участников военных конфликтов, достигают точности 85% в идентификации признаков посттравматического стрессового расстройства (ПТСР). Применение глубоких нейросетевых архитектур (например, рекуррентных нейронных сетей с долговременной кратковременной памятью, LSTM [Hochreiter & Schmidhuber, 1997]) позволило выявить специфические паттерны речевой активности, статистически значимо коррелирующие с уровнем тревожности и депрессии. Научная новизна подхода заключается в интеграции фундаментальных психологических принципов с передовыми интеллектуальными системами, оснащенными нейроинтерфейсами и сенсорами мониторинга физиологического состояния, для оптимизации процессов самоконтроля и предоставления персонализированных терапевтических рекомендаций. ФГБНУ «Институт проблем искусственного интеллекта» (ИПИИ) проводит углубленные исследования по разработке прогностических моделей психического здоровья, направленных на своевременное обнаружение депрессивных и тревожных расстройств, что соответствует концепции предиктивной психиатрии [Insel, 2009]. Полученные выводы подтверждают перспективность применения интеллектуальных систем для автоматизированной оценки и коррекции психического состояния лиц, пострадавших в результате военных конфликтов, что требует междисциплинарного подхода, объединяющего достижения в области ИИ, нейронаук и клинической психологии. Приоритетным направлением является разработка неинвазивных нейроинтерфейсов для организации персонализированной биологической обратной связи и создание комплексных моделей машинного обучения, интегрирующих различные источники данных. Особое внимание должно уделяться соблюдению строгих этических норм и правил, гарантирующих конфиденциальность и безопасность персональных данных пациентов, в соответствии с требованиями GDPR и других регуляторных актов.