Исследование, опубликованное в журнале npj Digital Medicine, посвящено разработке и внедрению интерпретируемых моделей машинного обучения для оценки риска развития инсульта у пациентов с недавно выявленной фибрилляцией предсердий. В отличие от традиционных «черных ящиков», предложенные алгоритмы позволяют врачам понимать, какие именно клинические факторы вносят наибольший вклад в прогноз для конкретного пациента. Методология исследования фокусируется на использовании структурированных медицинских данных для обучения моделей, обеспечивающих высокую точность предсказания при сохранении прозрачности принятия решений. Ключевым результатом является возможность персонализации стратегий профилактики инсульта на основе анализа специфических рисков, выявленных ИИ. Данная работа имеет высокую значимость для клинической практики, так как помогает интегрировать передовые технологии ИИ в повседневную кардиологическую помощь, повышая доверие врачей к автоматизированным системам поддержки принятия решений.