Модели искусственного интеллекта демонстрируют высокую точность в кардиологической помощи

Остановка сердца остается одной из самых неотложных и беспощадных неотложных медицинских ситуаций, где каждая минута может повлиять на выживание и неврологическое выздоровление. Традиционная помощь зависит от быстрого распознавания, высококачественной сердечно-легочной реанимации, дефибрилляции, расширенного жизнеобеспечения и лечения после остановки сердца, однако показатели выживаемости остаются ограниченными, особенно после внебольничной остановки сердца. В то же время больницы и системы экстренной помощи теперь генерируют большие объемы данных из электронных медицинских карт, устройств мониторинга, вызовов службы экстренной помощи и носимых устройств. Эти потоки данных создают возможности для искусственного интеллекта, но многие модели остаются ретроспективными, их трудно интерпретировать или недостаточно протестировать в различных клинических условиях. Из-за этих проблем необходимы углубленные исследования искусственного интеллекта во всем континууме оказания помощи при остановке сердца.

Исследователи из отделения интенсивной терапии Университета Сунь Ятсена и отделения неотложной медицины Мемориального госпиталя Сунь Ятсена Университета Сунь Ятсена опубликовали (DOI: 10.5847/wjem.j.1920-8642.2026.025) обзор в Выпуск World Journal of Emergency Medicine, 2026 г. В статье представлен широкий обзор приложений искусственного интеллекта как при внутрибольничной, так и внебольничной остановке сердца, охватывающий прогнозирование, реанимационную поддержку, прогноз, большие языковые модели, обработку вызовов экстренных служб, носимое обнаружение, идентификацию ритма, обучение и идентификацию кандидатов на экстракорпоральную сердечно-легочную реанимацию.

В обзоре использовались рекомендации по предпочтительным элементам отчетности для систематических обзоров и мета-анализа, а также выполнялся поиск. PubMed, Embase, Cochrane Library и Web of Science с момента создания базы данных до 10 июня 2025 года. После проверки 2108 записей команда включила 114 исследований и оценила 92 модели искусственного интеллекта. Большинство исследований были сосредоточены на прогнозировании до остановки сердца, особенно при остановке сердца в больнице, где модель многослойного персептрона достигла самой высокой зарегистрированной площади под кривой рабочей характеристики приемника, равной 0,998. При прогнозировании остановки сердца во внебольничных условиях модели экстремального повышения градиента и случайного леса достигли площади под кривой рабочей характеристики приемника 0,950. Для поддержки принятия решений, связанных с сердечно-лёгочной реанимацией, модели свёрточных нейронных сетей показали высокую производительность: наилучшая область под кривой рабочей характеристики приёмника составила 0,990. Также широко изучались прогностические модели, особенно после внебольничной остановки сердца, где модель многослойного перцептрона достигала 0,976. В обзоре также охвачены новые направления, в том числе большие языковые модели, такие как генеративные предварительно обученные преобразовательные системы, распознавание экстренных вызовов, обнаружение с помощью носимых устройств и обучение с помощью искусственного интеллекта.

Авторы заявили, что обзор показывает, что искусственный интеллект больше не ограничивается одной точкой на пути остановки сердца. Вместо этого он проходит через всю цепочку оказания помощи: от предупреждающих знаков перед коллапсом до решений, принимаемых во время реанимации и восстановления после восстановления спонтанного кровообращения. Они заявили, что следующим шагом будет не только создание более совершенных алгоритмов, но и их тестирование в многоцентровых клинических условиях, упрощение их понимания врачами и обеспечение того, чтобы они улучшали реальные результаты лечения пациентов, а не просто моделировали показатели эффективности.

Исследование указывает на несколько практических последствий для систем неотложной и интенсивной терапии. Искусственный интеллект может помочь больницам выявлять пациентов с риском остановки сердца в больнице до того, как ухудшение состояния станет необратимым. В догоспитальных условиях он может поддерживать отправку экстренной помощи, автоматическую локализацию внешнего дефибриллятора и обратную связь по сердечно-легочной реанимации в режиме реального времени. После реанимации искусственный интеллект может помочь в прогнозировании, планировании реабилитации и разработке клинических исследований. Однако в обзоре также предупреждается, что основными препятствиями остаются дисбаланс данных, ограниченная внешняя проверка, пробелы в инфраструктуре, проблемы конфиденциальности и алгоритмическая предвзятость. Будущая работа должна быть сосредоточена на перспективных испытаниях, объяснимых моделях и справедливом применении в условиях как высоких, так и ограниченных ресурсов.