В исследовании, опубликованном в журнале npj Digital Medicine, представлена и верифицирована модель машинного обучения, предназначенная для прогнозирования трехлетней смертности от всех причин у пациентов с кардио-рено-метаболическим синдромом (КРМС) стадий 2–4. Анализ охватил масштабную когорту из 219 561 пациента, собранных из 29 медицинских центров Китая в рамках базы данных China Renal Data System. Выборка была строго разделена на обучающую подгруппу (132 404 человека), внутреннюю валидационную (56 744 пациента) и внешнюю валидационную по центрам (30 413 человек) для обеспечения надежности результатов. Средний возраст участников составил 62,9 года, при этом 59,5% приходилось на мужчин. Наиболее распространенными компонентами синдрома в выборке были гипертония, низкий уровень холестерина липопротеинов высокой плотности (ЛПВП), сахарный диабет, предиабет и ишемическая болезнь сердца. Модель использует всего восемь клинических показателей, что делает её легкой в интеграции в рутинную клиническую практику без необходимости сложного оборудования или дорогостоящих дополнительных тестов. Высокая прогностическая точность модели позволяет врачам своевременно выявлять пациентов группы высокого риска и корректировать тактику ведения, что критически важно для снижения смертности при сложных коморбидных состояниях. Данное исследование демонстрирует практическую применимость ИИ-алгоритмов в нефрологии и кардиологии для персонализированной медицины и управления рисками.