Авторы исследования изучали, насколько современные большие языковые модели способны выполнять формализованную психопатологическую оценку, которая обычно строится на клиническом интервью. Десяти LLM дали расшифровки трех симулированных интервью — с депрессией, манией и шизофренией — и попросили оценить все 100 пунктов системы AMDP. В качестве человеческого сравнения выступили 108 врачей раннего этапа карьеры, которые оценивали полные аудиовидеозаписи интервью; эталоном служил консенсус экспертной группы. Лучшие результаты получили GPT-5.1 и Gemini-3-Pro-Preview: общая точность составила 0,72. По отдельным сценариям GPT-5.1 показала 0,81 при депрессии, 0,76 при мании и 0,60 при шизофрении. Ошибки людей и моделей отличались: клиницисты чаще предполагали наличие симптома сверх доступных данных, тогда как LLM чаще выбирали вариант «невозможно оценить», особенно когда требовалось наблюдение за поведением. Авторы подчеркивают, что это доказательство концепции и результаты необходимо подтверждать на реальных пациентах и с мультимодальными данными. текст ссылки