кардиология

В исследовании на основе данных французского регистра FAST-MI 2015 (4947 пациентов) с помощью иерархической агломеративной кластеризации (метод Уорда) выделены четыре клинически значимых фенотипа острого инфаркта миокарда, различающихся по характеристикам, тактике лечения и прогнозу. Выявленные кластеры демонстрируют гетерогенность пациентов и могут дополнить традиционную классификацию STEMI/NSTEMI для улучшения стратификации риска.

В ретроспективном перекрестном исследовании с участием 1461 взрослого оценивалась осуществимость и клиническая значимость ИИ-оценки риска сердечно-сосудистых заболеваний по изображениям сетчатки (Reti-CVD) в гибридной модели оказания помощи. Более высокий риск по Reti-CVD был связан с возрастом, мужским полом, диабетом, гипертонией и другими кардиометаболическими факторами, однако категориальное согласие с калькулятором PREVENT оказалось слабым (κ = 0.144). Результаты требуют проспективной валидации для подтверждения прогностической ценности.

В статье представлен FACTMx — вариационный фреймворк для совместного моделирования структурированных и простых видов данных с целью обучения интерпретируемых представлений пациентов. Метод решает проблему интеграции мультимодальных данных (например, секвенирование РНК отдельных клеток, пространственная транскриптомика, протеомика, гистология), где каждый пациент имеет множество поднаблюдений — отдельных клеток, пространственных точек или патчей. В отличие от существующих подходов, которые полагаются на отдельно предвычисленные сводки и теряют информацию из структурированных представлений, FACTMx связывает латентные факторы пациентов с кластеризацией поднаблюдений и пропорциями компонентов для каждого пациента, что обеспечивает прямую интерпретацию и последующий анализ ассоциаций. Фреймворк поддерживает различные предположения о смесях для структурированных представлений, включая тематические и гауссовы структуры, сохраняя модульные параметризации кодера-декодера. В симуляциях, охватывающих разреженные и плотные зависимости и несколько режимов шума, FACTMx улучшил реконструкцию, интеграцию и восстановление структурированных компонентов по сравнению с предыдущими методами. При применении к когортам немелкоклеточного рака легкого FACTMx выявил связанные с выживаемостью латентные сигналы, связанные с иммунным микроокружением, путями экспрессии генов и пространственно когерентными гистологическими паттернами. В продольной когорте коронарного синдрома FACTMx выделил ось, связанную с исходами, сопряженную с изменением фракции выброса, состояниями иммунных клеток, растворимыми медиаторами и маркерами повреждения сердца. Результаты подтверждают ценность совместного структурированно-простого моделирования для интерпретируемой мультимодальной стратификации пациентов.

В статье, опубликованной в npj Digital Medicine 3 сентября 2026 года, представлен новый подход к автоматической семантической интерпретации сердечно-сосудистого магнитно-резонансного томографа (CMR) с использованием большой модели рассуждений (large reasoning model). Авторы разработали метод, который генерирует явную цепочку диагностических рассуждений (chain of diagnosis), объясняющую, как модель приходит к конкретному заключению по изображениям CMR. Это повышает интерпретируемость и доверие к ИИ-системам в клинической практике. Методология включает интеграцию визуальных признаков CMR с текстовыми рассуждениями, что позволяет модели не только ставить диагноз, но и обосновывать его шаг за шагом. Валидация проводилась на наборе клинических данных, где модель продемонстрировала высокую точность в выявлении патологий сердца, таких как кардиомиопатии и ишемическая болезнь. Результаты показали, что явные цепочки рассуждений улучшают согласованность с заключениями экспертов-радиологов и снижают количество ложноположительных результатов. Работа открывает перспективы для внедрения объяснимого ИИ в диагностическую радиологию, особенно в кардиологии, где точность и прозрачность решений критически важны. Статья подчеркивает значимость больших языковых моделей в медицинской визуализации и предлагает практический инструмент для поддержки врачей при анализе МРТ сердца.

Представлен фреймворк TeleZK-FL для приватного федеративного обучения диагностических ИИ-моделей в телемедицине с использованием квантования и zero-knowledge доказательств непосредственно на граничных устройствах. Система ускоряет генерацию криптографических доказательств в 25 раз, сокращает объём передаваемых данных на 75% при сохранении диагностической точности (AUC 0.877 для рентгена грудной клетки, 0.891 для ЭКГ).

В данной работе представлен уникальный открытый набор данных трёхмерных численных симуляций кровотока и сеток коронарных артерий, реконструированных из инвазивных рентгеновских коронарных ангиограмм клинического исследования FAME 2 (Fractional Flow Reserve versus Angiography for Multivessel Evaluation 2). Из 914 клинических изображений успешно реконструировано и обработано 779 сосудов, остальные 135 отклонены из-за самопересекающейся геометрии при реконструкции. Сетки выполнены в гексаэдрическом формате с идентичной топологией и количеством вершин, их высокое качество подтверждено стандартными метриками качества сеток. Симуляции проведены методом конечных элементов (FEM) с применением современных граничных условий для коронарного кровотока на выходных участках. Мотивация проекта обусловлена критическим дефицитом общедоступных данных численной гемодинамики несмотря на растущий интерес к методам машинного обучения и data-driven моделированию в кардиологии. База данных доступна по ссылке DOI 10.7910/DVN/GPCUNS и предназначена для разработки и валидации алгоритмов искусственного интеллекта в диагностике ишемической болезни сердца. Этот ресурс может ускорить создание ML-моделей для неинвазивной оценки фракционного резерва кровотока (FFR) и персонализированного планирования коронарных вмешательств.

Исследователи разработали новый неинвазивный диагностический инструмент — шкалу Fontan EV Score (FES) — для оценки тяжести ассоциированной с Fontan болезни печени (FALD), универсального осложнения после паллиативной операции Fontan. Методология включала использование овечьей модели Fontan (n=19) с лонгитудинальным сбором образцов сыворотки и эластографией печени. Применялось мультиомиксное профилирование циркулирующих внеклеточных везикул (sEVs), включая секвенирование малых РНК и протеомику. С помощью регуляризованной регрессии были идентифицированы транскриптомные предикторы, интегрированные с временем после операции в рамках ординальной логистической регрессии. Шкала FES, включающая 11 биомаркеров малых РНК, продемонстрировала высокую точность предсказания: AUC 0,876 для умеренного и 0,963 для тяжёлого фиброза, значительно превосходя традиционные индексы APRI (AUC=0,618) и FIB-4 (AUC=0,731). Биологическая валидация на человеческих печёночных органоидах подтвердила реакцию ключевых миРНК (miR-125a-5p, miR-193b-5p) на профибротическую стимуляцию. Результаты открывают новые возможности для раннего выявления и стратификации риска FALD без инвазивной биопсии.

Данная публикация представляет собой письмо-ответ, опубликованное в рецензируемом журнале npj Digital Medicine 1 августа 2026 года. Статья является реакцией на ранее опубликованное исследование о влиянии вовлечённости медицинских специалистов на эффективность систем искусственного интеллекта для скрининга электрокардиограмм (ЭКГ). Тема непосредственно касается применения машинного обучения в кардиологической диагностике — области, где ИИ-алгоритмы анализируют ЭКГ-сигналы для выявления аритмий, ишемии и других патологий сердца. Ключевой вопрос, поднимаемый в оригинальном исследовании и обсуждаемый в данном ответе, заключается в том, насколько активное участие врачей в процессе внедрения ИИ-инструментов влияет на клинические результаты и точность диагностики. Журнал npj Digital Medicine является авторитетным источником в области цифровой медицины и публикует исследования на стыке технологий и здравоохранения. Однако предоставленный фрагмент содержит только метаданные публикации без доступа к полному тексту ответа, поэтому конкретные аргументы авторов, методологические детали и количественные результаты недоступны для анализа. Для получения полной информации необходимо обратиться к оригинальной публикации по DOI: 10.1038/s41746-026-03096-1.

Исследование представляет MetaAMI — инновационную систему мета-обучения для прогнозирования внутрибольничной смертности у пациентов с острым инфарктом миокарда (ОИМ). Методология основана на случайных проекциях: данные пациентов с кодами МКБ-9 и МКБ-10 для ОИМ были отобраны из базы MIMIC-IV v3.1, признаки трансформированы через множественные случайные проекции, создающие различные низкоразмерные представления. На каждом представлении обучались базовые классификаторы, их прогнозы агрегировались в интегрированное представление для мета-обучателя, который уточнял границу решений. Результаты бенчмаркинга показали, что MetaAMI последовательно превосходит все базовые классификаторы по семи метрикам оценки: точность, AUC, F1-мера, G-мера, индекс Жаккара, Yоудена J и коэффициент корреляции Мэттьюса (MCC). Анализ важности признаков с помощью SHAP выявил клинически релевантные предикторы смертности, обеспечивая интерпретируемость модели. Анализ выживаемости дополнительно оценил клиническую полезность подхода. MetaAMI предлагает эффективное и надёжное решение для стратификации риска при ОИМ, позволяя клиницистам раньше выявлять пациентов высокого риска и персонализировать лечение.

Исследование посвящено решению проблемы гетерогенности данных транскриптомики при поиске биомаркеров сердечно-сосудистых заболеваний (ССЗ). Авторы разработали и протестировали пайплайн, объединяющий 25 независимых наборов данных (983 образца) из 23 различных фенотипов ССЗ, полученных с помощью платформ RNA-seq и микрочипов. В работе сравниваются три метода гармонизации данных (Shambhala-2, TDM и UPC), при этом метод Shambhala-2 показал наилучшие результаты в сохранении биологических сигналов. Исследователи протестировали 35 классификаторов машинного и глубокого обучения, включая архитектуры Transformer и ResNet. Для обеспечения клинической интерпретируемости были применены методы объяснимого ИИ (XAI), такие как SHAP и Integrated Gradients, а их надежность подтверждена метриками AOPC, Sensitivity и Infidelity. Результаты подтвердили, что подходы на основе значений Шепли обеспечивают максимальную стабильность при идентификации геномных признаков. Выявленные биомаркеры связаны с ключевыми процессами: воспалением, иммунной регуляцией и окислительным стрессом, что открывает путь к персонализированной кардиологии.

В данном исследовании проводится сравнительный анализ трех математических подходов для оценки биологического возраста (BA) на основе показателей вариабельности сердечного ритма (HRV). Исследователи проанализировали данные 343 участников (193 женщины и 150 мужчин в возрасте от 20 до 90 лет), используя девять временных и частотных индексов HRV, таких как lnSDNN, lnRMSSD и lnHF. Основная цель заключалась в сравнении точности метода множественной линейной регрессии (MLR), метода Дубины (коррекция MLR) и метода Клемера-Дубаля (KDM). Результаты показали, что метод KDM обеспечивает наиболее стабильную и точную оценку с минимальной средней абсолютной ошибкой (MAE) — 4,34 года для женщин и 3,67 года для мужчин. В то время как классическая регрессия MLR продемонстрировала наибольшую погрешность (до 7,47 лет), применение коррекции Дубины улучшило точность, однако этот метод ограничен зависимостью от хронологического возраста. Работа подчеркивает потенциал использования алгоритмов обработки биосигналов для неинвазивного мониторинга биологического старения организма.

Исследование направлено на выяснение молекулярных механизмов связи между острым инфарктом миокарда (ОИМ) и периодонтитом (ПД) с использованием комплексного биоинформатического подхода. Авторы интегрировали транскриптомные данные из нескольких наборов Gene Expression Omnibus (GSE66360, GSE48060, GSE16134, GSE10334), применив методы взвешенного анализа сетей коэкспрессии генов (WGCNA) и отбор признаков на основе алгоритма LASSO. В результате было выявлено 95 общих дифференциально экспрессируемых генов, из которых 46 были определены как наиболее значимые кандидаты. Ключевыми маркерами, показавшими высокую дискриминационную способность в ROC-анализах на обучающих и внешних валидационных когортах, стали гены FCN1 и LYN. Функциональный анализ показал, что общая сигнатура связана с миграцией миелоидных клеток, фагоцитозом и воспалительными путями нейтрофилов, такими как образование внеклеточных ловушек (NETs). Анализ единичных клеток (scRNA-seq) подтвердил, что экспрессия FCN1 и LYN преимущественно сосредоточена в популяциях, производных от макрофагов и моноцитов. Данная работа закладывает молекулярную основу для понимания связи между состоянием полости рта и сердечно-сосудистыми рисками.

Еженедельный обзор ключевых событий в сфере медицинских технологий за период с 19 по 25 июля 2026 года. В центре внимания — масштабное обновление от OpenAI: запуск функции Health, которая позволяет интегрировать конфиденциальные медицинские данные непосредственно в экосистему ChatGPT для более точного анализа. Важным регуляторным достижением стало одобрение в США первой специализированной ИИ-платформы, способной диагностировать три различных типа апноэ. Также рассматривается внедрение интеллектуальных ИИ-агентов, предназначенных для непрерывного мониторинга и поддержки пациентов с фибрилляцией предсердий. Помимо технологических прорывов, дайджест освещает критические риски безопасности, включая распространение дипфейк-видео с поддельными медицинскими экспертами на платформе YouTube. Обзор охватывает как прикладные инструменты диагностики, так и этические вызовы цифровой трансформации медицины.

В исследовании, опубликованном в журнале npj Digital Medicine, представлена инновационная мультимодальная система искусственного интеллекта, предназначенная для прогнозирования серьезных неблагоприятных сердечно-сосудистых событий (MACE). Ключевой особенностью разработки является способность модели эффективно работать в условиях неполных клинических данных, что является распространенной проблемой в реальной медицинской практике. Методология базируется на интеграции различных типов данных (мультимодальный подход) и использовании механизмов интерпретируемости, позволяющих врачам понимать логику принятия решений ИИ. Система демонстрирует высокую точность прогнозирования, значительно превосходя традиционные клинические шкалы риска даже при наличии пропусков в медицинских записях. Результаты исследования подчеркивают потенциал внедрения подобных ИИ-решений для раннего выявления пациентов группы высокого риска в кардиологии. Данная технология может существенно оптимизировать стратегии профилактического лечения и снизить уровень смертности от сердечно-сосудистых заболеваний.

Исследование оценивает эффективность цифровой программы SK-121, сочетающей геймификацию и дистанционный мониторинг пациентов после ЧКВ. Несмотря на отсутствие значимого снижения общего риска по шкале SMART2, программа показала улучшение приверженности к лечению, знаний о болезни и показателей диастолического давления.

Исследование посвящено разработке модели на основе случайного леса (Random Forest) для выявления пациентов, склонных к обострению стенокардии при высоких температурах. Модель показала высокую точность в прогнозировании рисков, используя 14 предикторов, включая биомаркеры воспаления и метаболизма липидов.

Стартап Karoo Health успешно завершил раунд финансирования серии A, собрав 16,2 миллиона долларов для масштабирования своей инновационной платформы в области кардиологии. Продукт представляет собой AI-native решение, ориентированное на модель ценностно-ориентированного здравоохранения (value-based care), что позволяет оптимизировать управление заболеваниями сердечно-сосудистой системы. На текущий момент платформа уже интегрирована в сеть, охватывающую более 600 поставщиков кардиологических услуг в 11 штатах США. Использование искусственного интеллекта в платформе направлено на улучшение клинических исходов и снижение операционных издержек за счет более точного мониторинга и анализа данных пациентов. Данное инвестирование подчеркивает растущий интерес рынка к специализированным ИИ-решениям в узких медицинских нишах, таких как кардиология. Развитие технологии позволит расширить охват сети и внедрить более глубокие алгоритмы предиктивной аналитики для врачей.

В статье описывается клинический случай использования гибридной системы совмещения внутрисосудистого ультразвука (IVUS) и оптической когерентной томографии (OCT). Технология позволяет комбинировать высокое разрешение OCT с возможностями IVUS, что помогает точнее оценивать сложные поражения сосудов и снижать потребность в контрастном веществе.

Группа американских исследователей провела масштабный анализ данных более 12 500 пациентов с сердечно-сосудистыми заболеваниями (ССЗ), принимающих семаглутид (препарат класса GLP-1). Основная цель работы заключалась в определении ключевого фактора, снижающего риск летального исхода и сердечно-сосудистых осложнений: является ли это следствием потери веса или прямым фармакологическим эффектом препарата. Результаты, опубликованные в журнале Cardiovascular Health, демонстрируют, что снижение риска смерти и осложнений коррелирует именно с дозировкой семаглутида, а не с количеством потерянных килограммов. Это указывает на наличие специфических вневесовых механизмов действия препарата на сердечно-сосудистую систему. Данное исследование имеет важное значение для клинической практики, так как пересматривает подход к терапии пациентов с ССЗ, акцентируя внимание на терапевтической дозе препарата, а не только на его метаболическом эффекте.