Специалисты Пермского государственного университета разработали интеллектуальную систему для диагностики и прогнозирования сердечно-сосудистых заболеваний на основе технологий нейронных сетей. Об этом сообщил научный руководитель проекта, профессор небольшой кафедры прикладной математики и информатики ММФ ПГНИУ Леонид Ясницкий. По словам профессора, применение методов математического моделирования позволяет выявлять сложные взаимосвязи и минимизировать факторы риска в клинических прогнозах, что может существенно сократить необходимость очного посещения медицинских учреждений пациентами. Указанная нейросеть вместе с соответствующим программным и аппаратным обеспечением представляет собой математическую модель, структура которой основана на принципах организации сетей нервных клеток живого организма.

Нейронная сеть анализирует сведения о ранее перенесенных заболеваниях, наличии болезней у родственников, пульс, артериальное давление — всего 69 показателей. Изменяя один или несколько входных параметров, можно наблюдать за процессом развития заболевания. Это ученые-математики называют «методом замораживания».

«Такие сети не требуют постоянного программирования, а обучаются и „растут“ самостоятельно. Всего в исследовании участвовали свыше тысячи пермяков. Наша система собрала и проанализировала статистическую информацию и в каждом из случаев успешно поставила диагноз», — отметил один из разработчиков Федор Черепанов. По его словам, изначальные базы данных, на которых система «училась», предоставили врачи отделения неотложной кардиологии Пермской городской клинической больницы номер 4.

В рамках исследования ученые смогли выявить ряд закономерностей. Так, например, анализ нейросети показал, что наличие сахарного диабета не влияет на предрасположенность к инфаркту миокарда. Система определила, что увеличение или уменьшение веса не связано с вероятностью заболевания аритмией, замедление или прекращение передачи импульса по сердечной мышце — блокадой сердца. Кроме этого, нейросеть зафиксировала, что фактор наследственности увеличивает риск возникновения инфаркта на 6,25%, а гипертонии — на 7,4%.

Разработка уже получила поддержку краевых властей, а также грант Российского фонда фундаментальных исследований в размере 1 млн 350 тыс. рублей. По данным ученых, сейчас математическую систему диагностики заболеваний начали использовать врачи Пермской медакадемии.

О внедрении системы нейросетей в медучреждения Пермского края пока не говорится. «Пока исследования продолжаются», — уточнили в университете.

Для любознательных

Созданием математических систем диагностики инфарктов на основе искусственного интеллекта и нейросетей занимаются научные коллективы как в России, так и за её пределами. Эти системы анализируют данные ЭКГ, медицинские истории, физиологические показатели и другие параметры, чтобы быстрее и точнее выявлять сердечно-сосудистые заболевания.

В России

1. Пермский государственный национальный исследовательский университет (ПГНИУ)

• Что сделано: Учёные ПГНИУ разработали интеллектуальную систему диагностики и прогнозирования сердечно-сосудистых заболеваний на основе нейронных сетей.
• Как работает: Система анализирует 69 показателей, включая пульс, давление, историю болезней, наследственность, перенесённые заболевания.
• Особенности: Используется «метод замораживания» — изменение входных параметров позволяет наблюдать за развитием болезни в динамике.
• Результаты: Система успешно поставила диагноз во всех случаях при тестировании на более чем 1000 пациентах.
• Поддержка: Проект получил грант Российского фонда фундаментальных исследований (1,35 млн рублей) и поддержку краевых властей.
• Где используется: Уже применяется врачами Пермской медакадемии.

Руководитель проекта — профессор Леонид Ясницкий, один из разработчиков — Федор Черепанов.

2. Университет ИТМО (Санкт-Петербург)

• Что сделано: Сотрудники и студенты исследовательского центра «Сильный искусственный интеллект в промышленности» разработали алгоритм на основе сиамской свёрточной нейросети, способный обнаружить признаки инфаркта миокарда на ЭКГ за одну секунду.
• Точность: 85% — на выборке из более чем 20 тысяч ЭКГ.
• Особенности:
  • Использует технологию FewShot, позволяя дообучать модель на данных конкретной больницы.
  • Визуализирует подозрительные участки ЭКГ с помощью Grad-CAM, помогая врачам быстрее интерпретировать результаты.
• Перспективы: Планируются клинические испытания на базе НМИЦ им. В.А. Алмазова.

Руководитель — доцент Наталия Гусарова, один из авторов — студент Владимир Шилоносов.

3. Пензенский государственный университет (ПГУ)

• Что сделано: Совместно с казахстанскими коллегами разработан алгоритм нейросети, способный за доли секунд определить:
  • Наличие инфаркта.
  • Его локализацию (например, переднеперегородочный, боковой).
  • Стадию (острая, подострая, рубцовая).
  • Глубину поражения стенок сердца.
• Особенности: Может выявлять старые инфаркты, работает с цифровыми ЭКГ.
• Статус: Получены российский и евразийский патенты.
• Планы: Внедрение алгоритма в «умный кардиограф» для скорой помощи.

Один из разработчиков — кандидат технических наук, завкафедрой «Техносферная безопасность» Оксана Безбородова.

В мире

1. ЦЕРН (Швейцария/Франция)

• Хотя основной фокус — физика частиц, некоторые технологии обработки данных и ИИ, разработанные здесь, применяются и в медицине. Однако напрямую ЦЕРН не занимается диагностикой инфарктов.

2. Стэнфордский университет (США)

• Разработали глубокую нейронную сеть для автоматического обнаружения аритмий по одноканальной ЭКГ.
• Обучение: на 91 232 ЭКГ от 53 549 пациентов.
• Точность превосходит кардиологов в некоторых сценариях.

3. Медицинский исследовательский институт Седжонга (Южная Корея)

• В 2020 году создали алгоритм, распознающий инфаркт миокарда по ЭКГ в 6 отведениях.
• Подходит для использования в условиях ограниченных ресурсов.

4. Google Health и DeepMind (Великобритания/США)

• Разрабатывают ИИ-модели для анализа ЭКГ, рентгенов и других медицинских данных.
• Их алгоритмы способны выявлять скрытые признаки сердечной недостаточности даже при нормальной ЭКГ.

Общие тенденции

• Цель всех систем — не заменить врача, а стать его «вторым мнением».
• Ключевые преимущества:
  • Скорость (диагноз за секунды).
  • Возможность адаптации к конкретной больнице (FewShot).
  • Визуализация «подозрительных» участков.
  • Работа с большими объёмами данных.

На сегодняшний день (2026 год)

В России наиболее продвинутые разработки ведутся в Перми, Санкт-Петербурге и Пензе. Системы уже проходят тестирование в клиниках и могут вскоре войти в повседневную практику, особенно в условиях неотложной помощи, где каждая секунда на счету.