В исследовании, опубликованном в журнале npj Digital Medicine, представлена инновационная модель на основе дистрибутивного обучения с подкреплением (Distributional Reinforcement Learning), предназначенная для динамической оценки баланса коагуляции у пациентов. В отличие от традиционных методов, данный подход учитывает временную динамику и неопределенность процессов свертывания крови, что критически важно в интенсивной терапии. Методология фокусируется на анализе временных рядов показателей гемостаза для прогнозирования рисков кровотечений или тромбозов. Модель способна генерировать персонализированные рекомендации по поддерживающей терапии, адаптируясь к текущему клиническому состоянию пациента в режиме реального времени. Ключевая значимость работы заключается в возможности снижения частоты осложнений за счет более точного управления антикоагулянтной терапией. Использование дистрибутивного подхода позволяет лучше моделировать стохастическую природу биологических процессов, обеспечивая высокую точность принятия клинических решений.