кардиология

Исследователи разработали инновационную платформу пространственного ИИ, предназначенную для выявления общих закономерностей в организации тканей при различных патологиях. Методология объединила четыре публичных набора данных пространственной транскриптомики, охватывающих заживление ран, периодонтит, плоскоклеточный рак полости рта и ткани сердца. С помощью использования рекуррентного моделирования, графового обучения и тензорного разложения авторам удалось идентифицировать шесть консервативных «размытых» состояний тканей. Ключевые результаты показали доминирование процессов ремоделирования внеклеточного матрикса, активации фибробластов и эндотелиальной сигнализации во всех исследуемых доменах. Анализ выявил значительное сходство между травмами и патологиями полости рта, в то время как сердечно-сосудистая ткань продемонстрировала более компактную и когерентную пространственную структуру. Исследование подтвердило статистическую значимость выявленных паттернов через тестирование перестановок, показав повышенную модульность графов и снижение пространственной энтропии. Данная работа открывает новые возможности для использования пространственного ИИ в изучении системных воспалительных и стромальных процессов, связывающих локальные травмы с общим состоянием здоровья организма.

В исследовании представлен новый биоинформатический метод BootDA, предназначенный для точного определения дифференциальной распространенности (DA) таксонов микробиома. Авторы решают критическую проблему искажения данных, вызванную четырьмя факторами: потерей общей микробной нагрузки, различиями в эффективности измерения таксонов, необходимостью использования псевдоподсчетов для обработки нулевых значений и загрязнением образцов. В отличие от существующих методов (ANCOM-BC2, LinDA, MaAsLin 3), BootDA использует непараметрический бутстреп, что позволяет моделировать все источники смещения без предварительных трансформаций данных. Тестирование на симуляциях с высокой разреженностью (>70% нулей) показало, что BootDA обладает наивысшей чувствительностью при строгом контроле частоты ложноположительных результатов. Метод сохраняет эффективность даже в условиях низкой биомассы, когда загрязнение составляет около 50% от общего числа подсчетов. При применении к когорте пациентов с ишемической болезнью сердца (CAD) метод позволил уточнить патологический профиль, выделив два обогащенных рода — Klebsiella и Gemmiger, и исключив вероятные контаминанты. Инструмент доступен в виде R-пакета и применим для любых разреженных многомерных биологических данных.

Исследователи из Google представили инновационную систему пассивного мониторинга сердечного ритма (PHRM), которая позволяет измерять частоту сердечных сокращений (ЧСС) и рассчитывать пульс в состоянии покоя, используя только фронтальную камеру смартфона. В отличие от традиционных методов, требующих ношения смарт-часов или специализированных датчиков, данная технология опирается на возможности компьютерного зрения и анализа микроскопических изменений цвета кожи. Результаты исследования, опубликованные в престижном журнале Nature, подтверждают высокую точность метода, что делает его потенциально доступным инструментом для массового мониторинга сердечно-сосудистого здоровья. Технология может значительно расширить возможности дистанционной диагностики и регулярного контроля состояния пациентов без дополнительных затрат на носимую электронику. Внедрение PHRM в повседневное использование смартфонов открывает новые горизонты для телемедицины и превентивной кардиологии.

В исследовании представлена инновационная модель мультимодального глубокого обучения TabulaTime, предназначенная для раннего прогнозирования острого коронарного синдрома (ОКС). Уникальность подхода заключается в интеграции двух различных типов данных: клинических показателей пациентов и экологических факторов окружающей среды, которые ранее редко учитывались в единой предиктивной модели. Методология исследования базируется на использовании нейронных сетей, способных обрабатывать разнородные временные ряды для выявления скрытых паттернов развития сердечно-сосудистых катастроф. Результаты демонстрируют значительное превосходство модели над традиционными методами статистического анализа и стандартными алгоритмами машинного обучения. Внедрение TabulaTime в клиническую практику может существенно повысить точность стратификации рисков и позволить врачам принимать более своевременные превентивные меры. Данная разработка открывает новые горизонты в персонализированной кардиологии, связывая физиологическое состояние человека с внешними факторами среды.

Данное исследование, опубликованное в журнале npj Digital Medicine, представляет собой углубленный экономический анализ внедрения телемедицинских технологий для управления пациентами с мерцательной аритмией в сельских регионах Китая. Авторы используют методы математического моделирования для оценки эффективности интегрированного подхода, сочетающего дистанционный мониторинг и скоординированную медицинскую помощь. Основное внимание уделяется сравнению традиционных методов ведения пациентов с цифровой моделью управления заболеванием. В работе анализируются такие ключевые показатели, как снижение затрат на госпитализацию, улучшение контроля ритма и долгосрочная экономическая выгода для системы здравоохранения. Результаты подчеркивают потенциал телемедицины в преодолении разрыва между городскими и сельскими медицинскими услугами, обеспечивая доступ к высокотехнологичной диагностике. Исследование предоставляет доказательную базу для масштабирования цифровых медицинских решений в условиях ограниченных ресурсов.

Данное исследование, опубликованное в журнале npj Digital Medicine, посвящено разработке и тестированию алгоритмов искусственного интеллекта для автоматизированного выявления сердечной недостаточности на основе анализа стандартных электрокардиограмм (ЭКГ). Основная инновация работы заключается в использовании метода «прагматичной разметки» (pragmatic labelling), что позволяет более эффективно обучать модели на больших массивах данных без необходимости ручной разметки экспертами в каждом случае. Исследование демонстрирует высокую точность нейросетевых моделей в распознавании скрытых признаков сердечной недостаточности, которые могут быть пропущены при традиционном клиническом анализе ЭКГ. Применение данного подхода позволяет значительно масштабировать скрининг сердечно-сосудистых заболеваний в рамках первичного звена здравоохранения. Результаты работы подчеркивают потенциал ИИ в ранней диагностике и снижении нагрузки на кардиологов за счет автоматизации рутинных процессов интерпретации сигналов. Технология может стать важным инструментом для персонализированной медицины и дистанционного мониторинга состояния пациентов.

Исследование представляет новый вычислительный фреймворк, использующий методы оптимальной транспортировки (Optimal Transport) и RNA-velocity для реконструкции направленных сетей переходов клеточных состояний на основе данных секвенирования РНК единичных клеток (scRNA-seq). Авторы проанализировали интегрированный атлас из 81 633 моноцита и макрофага, полученный из семи когорт каротидных бляшек человека, и выявили 15 статистически значимых парных переходов. Было установлено, что воспаление бляшек в основном driven реактивацией уже существующих тканевых макрофагов, а не прямой дифференцировкой новых моноцитов. Исследование выявило три биологических оси: диверсификацию судьбы моноцитов, воспалительную реактивацию и фиброзное ремоделирование. Особое внимание уделено механизму «транскрипционного наслоения» у резидентных макрофагов, которые приобретают воспалительные программы, сохраняя свою исходную идентичность, в отличие от моноцитарных переходов. Результаты показывают, что происхождение клеток накладывает ограничения на то, как они приобретают программы, связанные с заболеванием, что критически важно для понимания хронических воспалительных процессов.

В исследовании, опубликованном в журнале npj Digital Medicine, представлена инновационная модель глубокого обучения, предназначенная для помощи кардиологам в принятии решений при лечении пограничных поражений коронарных артерий. Основная задача метода заключается в прогнозировании необходимости последующей имплантации стента, основываясь исключительно на анализе ангиографических изображений. Методология исследования опирается на использование нейросетевых алгоритмов, способных выявлять скрытые паттерны в сосудистой архитектуре, которые трудно оценить человеческому глазу. Ключевые результаты демонстрируют высокую прогностическую точность модели, что позволяет снизить риск неоправданных вмешательств или, наоборот, пропустить критические участки. Применение данного ИИ-инструмента в клинической практике может значительно оптимизировать тактику лечения пациентов с ишемической болезнью сердца. Технология представляет высокую значимость для интервенционной кардиологии, обеспечивая персонализированный подход к выбору между медикаментозной терапией и стентированием.

Ardent Health внедряет решения Fujifilm Synapse для централизации данных медицинской визуализации в своих больницах. Система использует ИИ для автоматизации рабочих процессов, приоритизации критических случаев и обеспечения единого доступа к данным из радиологии и кардиологии.

Компания Medtronic проводит масштабную реструктуризацию своего сердечно-сосудистого подразделения, включая закрытие мощностей в Санта-Розе. При этом компания продолжает инвестировать в инновации, в частности, планируя приобретение CathWorks для развития ИИ-диагностики коронарных артерий.

В статье представлен новый метод Scale-Consistent Attribution (SCA), который интегрирует клинические знания в процесс обучения нейросетей для анализа фонокардиограмм. Метод позволяет сделать объяснения ИИ более физиологически обоснованными, разделяя низкочастотные звуки сердца и высокочастотные шумы без потери точности классификации.

Статья посвящена внедрению технологий искусственного интеллекта для проведения оппортунистического скрининга сердечно-сосудистых заболеваний. Руководство компании Bunkerhill Health представило подробный обзор процесса получения разрешений на возмещение расходов от CMS (Centers for Medicare & Medicaid Services) для анализа сердечно-сосудистых рисков с использованием ИИ. Основная идея заключается в использовании ИИ для анализа уже имеющихся медицинских изображений с целью выявления скрытых патологий. Ожидается, что новые механизмы оплаты от государственных страховых программ создадут устойчивую экономическую модель для массового внедрения таких ИИ-решений в клиническую практику. Это позволит медицинским учреждениям не только улучшить диагностику, но и монетизировать использование алгоритмов машинного обучения в рамках стандартных обследований.

В данном многоцентровом исследовании, опубликованном в журнале npj Digital Medicine, представлена инновационная модель на основе объяснимого машинного обучения (XAI) для прогнозирования риска внебольничной остановки сердца (ВНОК). Исследователи разработали алгоритм, способный оценивать динамические изменения индивидуального риска в режиме реального времени, что критически важно для превентивной кардиологии. Методология включала использование больших массивов данных из нескольких медицинских центров Китая для обучения и валидации нейросетевых моделей. Ключевым преимуществом работы является внедрение методов интерпретируемости, которые позволяют врачам понимать, какие именно клинические параметры (например, вариабельность сердечного ритма или показатели давления) вносят наибольший вклад в текущий прогноз. Результаты демонстрируют высокую точность модели в выявлении пациентов группы высокого риска до наступления критического события. Данное исследование имеет высокую практическую значимость для интеграции ИИ в системы мониторинга состояния пациентов и раннего реагирования при сердечно-сосудистых катастрофах.

В ходе заседания проектного комитета нацпроекта «Продолжительная и активная жизнь» вице-премьер РФ Татьяна Голикова представила промежуточные итоги внедрения цифровых технологий в здравоохранение. За первый квартал 2026 года к системам дистанционного мониторинга состояния здоровья было успешно подключено более 400 тысяч пациентов. Основную группу участников составляют люди с хроническими заболеваниями, включая сахарный диабет и патологии сердечно-сосудистой системы. Программа направлена на развитие первичного звена здравоохранения и повышение эффективности профилактики заболеваний через непрерывный сбор данных. Использование цифровых инструментов мониторинга позволяет более оперативно реагировать на изменения состояния пациентов и оптимизировать лекарственное обеспечение. Данная инициатива является частью масштабной стратегии по цифровизации медицины в рамках национальных проектов.

В исследовании разработана система текстовых уведомлений MedText-PCI, основанная на модели COM-B, для улучшения соблюдения режима приема лекарств пациентами после чрескожного коронарного вмешательства. Разработанный протокол включает 115 сообщений, использующих различные техники изменения поведения для поддержки вторичной профилактики.

Исследование представляет интерпретируемую модель машинного обучения для оценки риска сердечно-сосудистых заболеваний на основе данных 70 000 пациентов. Использование методов SHAP позволило сделать прогнозы прозрачными, выделив ключевые факторы риска, такие как возраст, давление и уровень холестерина, что критически важно для внедрения ИИ в клиническую практику.

Данное исследование, опубликованное в журнале npj Digital Medicine, посвящено изучению эффективности различных методов промпт-инжиниринга при использовании больших языковых моделей (LLM) для поддержки принятия клинических решений в терапии гипертензии. Авторы анализируют, как вариации в формулировках запросов (multitype prompt engineering) влияют на точность рекомендаций по подбору антигипертензивной терапии. В работе исследуется способность моделей сопоставлять клинические данные пациента с международными протоколами лечения. Основной акцент сделан на минимизации галлюцинаций и повышении соответствия ответов ИИ доказательной медицине. Результаты демонстрируют, что структурированный подход к проектированию промптов существенно повышает клиническую релевантность ответов моделей. Исследование имеет высокую значимость для интеграции LLM в повседневную практику врачей-кардиологов и автоматизацию поддержки принятия решений.

В статье рассматривается потенциал внедрения новых инструментов искусственного интеллекта для ретроспективного анализа уже существующих компьютерных томограмм (КТ) с целью выявления рисков развития сердечно-сосудистых заболеваний. Основная идея заключается в использовании ИИ для автоматизированного скрининга огромных массивов данных, которые уже хранятся в медицинских архивах, что позволяет выявлять скрытые патологии без дополнительных инвазивных процедур. Однако авторы поднимают критически важные вопросы экономической эффективности и практического внедрения: кто возьмет на себя расходы по анализу архивных снимков и как это повлияет на конечные показатели здоровья населения. Исследование фокусируется на разрыве между технологической возможностью массового скрининга и существующими моделями медицинского страхования и оплаты медицинских услуг. Реализация такого подхода может радикально изменить кардиологическую диагностику, если будет решен вопрос финансовой модели и клинической доказанности улучшения исходов для пациентов.

Анонс ежегодного собрания Общества ядерной медицины и молекулярной визуализации (SNMMI), которое пройдет в мае-июне 2026 года. Программа охватывает новейшие исследования в области тераностики, онкологии, кардиологии и технологий визуализации.