Молодой исследователь Челябинского государственного университета (ЧелГУ) разработал на базе искусственного интеллекта и успешно испытал систему для оценки риска повторных эпизодов фибрилляции предсердий — одной из наиболее распространенных и опасных форм аритмии. Разработка позволяет заранее выявлять пациентов с высоким риском рецидива и объясняет врачу, на основании каких показателей принимается решение, сообщили ТАСС в пресс-службе вуза. «Разработка и испытание этой системы стали важным шагом для клинической практики. Нам удалось получить высокоточный и при этом полностью объяснимый прогноз рецидивов аритмии на основе клинических данных. Алгоритм показывает врачу не только результат, но и логику решения, что принципиально меняет подход к работе с пациентами высокого риска», — сказали в пресс-службе. Система создана исследователем с математического факультета ЧелГУ Алексеем Седелковым под научным руководством доцента кафедры вычислительной математики Михаила Лепчинского и при поддержке и. о. заведующего кафедрой теории управления и оптимизации Игоря Изместьева. Работа выполнена в сотрудничестве с врачами-кардиологами областной клинической больницы №3, что позволило объединить математические методы с решением реальных клинических задач. В вузе рассказали, что при создании системы исследовали данные комплексного обследования 97 пациентов, проходивших лечение в ОКБ №3 с 2010 года по 2013-й. Каждый случай описывался 27 клиническими признаками, включая результаты анализов и инструментальные показатели. После предварительной обработки количество факторов было сокращено до 18. Для проверки надежности прогнозов на небольшой выборке был применен метод перекрестного тестирования. По словам ученых, в ходе сравнения нескольких алгоритмов машинного обучения было установлено, что наилучшую эффективность на данной выборке показал метод опорных векторов. Система относит пациента к группе риска только в том случае, если расчетная вероятность рецидива превышает 91%. Столь строгий критерий отбора сводит к минимуму частоту ложноположительных заключений и позволяет врачам сосредоточить внимание на наиболее тяжелых пациентах. Ученые отметили, что одной из ключевых задач стало обеспечение прозрачности работы алгоритма. Автор успешно применил метод, позволяющий объяснить вклад каждого клинического признака в итоговое решение. Сейчас созданная система представляет собой готовый инструмент поддержки принятия решений для практической кардиологии.
Опубликовано: 18.8.2026