Загрязнение воздуха оказалось сильнее, чем думали: новая система предсказывает сердечные риски точнее всех прежних

Система на базе ИИ уточнила индивидуальные сердечные риски по данным института

В Кемерово исследователи разработали систему, которая способна точнее прогнозировать сердечно-сосудистые заболевания, учитывая не только классические показатели здоровья. Новая методика впервые интегрирует влияние загрязнения воздуха и показывает, насколько сильно внешние факторы могут менять индивидуальные риски. Работа основана на десятилетних наблюдениях и применении алгоритмов искусственного интеллекта. Об этом со ссылкой на данные разработчиков сообщает информационное агентство.

Инновационная система оценки рисков сердца

Созданная в Научно-исследовательском институте комплексных проблем сердечно-сосудистых заболеваний система объединяет привычные медицинские показатели и данные о качестве воздуха в конкретных регионах. Такой подход расширяет возможности кардиологии: теперь оценка риска учитывает не только образ жизни, но и воздействие окружающей среды, которая может усиливать хроническое воспаление, ухудшать работу сосудов и повышать вероятность сердечных осложнений.

Исследователи подчеркивают, что вредные примеси — от мелкодисперсной пыли до промышленных выбросов — способны ухудшать эластичность сосудов и влиять на метаболические процессы. Экологические условия в крупных промышленных городах давно рассматриваются специалистами как потенциальный фактор ускоренного старения сердечно-сосудистой системы, что перекликается с более широкими наблюдениями о роли физиологических циклов, например, регулирование циркадных ритмов, влияющих на продолжительность жизни.

Галина Артамонова, руководитель проекта, подчеркнула, что многие предшествующие модели не включали экологический контекст, хотя он играет важную роль в формировании риска.

"Предыдущие модели не учитывали экологические аспекты, хотя они существенно влияют на развитие хронических заболеваний", — отметила Артамонова.

По её словам, объединение медицинских данных и сведений о внешних факторах делает прогнозирование значительно точнее.

Искусственный интеллект и новая логика медицинских прогнозов

Для создания модели были проанализированы более двух тысяч параметров, среди которых выделены наиболее значимые. Система автоматически корректирует критические показатели здоровья, опираясь на особенности региона. Так, для жителей Кемерово индекс массы тела выше 28 кг/м² рассматривается как потенциально опасный, тогда как в других географических условиях пороговые значения могут отличаться.

Процесс обработки данных основан на технологии градиентного бустинга — методе машинного обучения, который последовательно усиливает точность модели, соединяя множество слабых алгоритмов в один сильный. Такой подход давно используется в финансовой аналитике и прогнозировании климата, а теперь активно применяется и в медицине, включая создание новых диагностических методик.

Разработка опирается на наблюдения за тремя тысячами пациентов, что позволяет обрабатывать не только статические показатели, но и динамику изменений здоровья во времени. Система способна сопоставлять разрозненные данные и выявлять связи, которые сложно заметить при стандартном врачебном наблюдении.

Почему экологические факторы стали ключевым элементом прогноза

Влияние загрязненного воздуха на сердечно-сосудистую систему давно изучается: токсичные частицы способны проникать в лёгкие, запускать воспаление и нарушать работу эндотелия сосудов. В регионах с высокой промышленной нагрузкой такие процессы могут ускоряться, повышая риск инфаркта и инсульта.

Подобные механизмы проявляются и в других областях медицины, где внешние повреждающие факторы усиливают угрозы хронических заболеваний. В ряде исследований подтверждается, что воспалительный ответ организма усиливает вероятность когнитивных нарушений, что перекликается с выводами специалистов Сингапура о том, что инфекции могут значительно повысить риск деменции.

Новая система учитывает такие взаимосвязи и показывает, как загрязнение воздуха в сочетании с курением, гипертонией или повышенным уровнем холестерина образует взаимно усиливающиеся риски.

Технологический прорыв и перспективы применения

Использование градиентного бустинга позволило создать модель, которая способна перерабатывать многослойные данные и выявлять тонкие зависимости. Такой инструмент может стать частью национальной системы здравоохранения России. Его внедрение даст возможность формировать персональные рисковые профили жителей различных регионов с учётом их экологической нагрузки.

Проект имеет потенциал адаптации для других городов, где уровень загрязнения воздуха существенно отличается от средних показателей по стране. Учитывая, что в отдельных регионаx концентрации вредных веществ сильно варьируются, использование такой системы может стать важным шагом в профилактике инфаркта миокарда и острых нарушений мозгового кровообращения.

Врачи смогут получать данные о наиболее уязвимых группах населения и планировать профилактические программы, направленные на раннее вмешательство: корректировку образа жизни, мониторинг давления, контроль липидного профиля и рекомендации по снижению воздействия загрязнённой среды.

Сравнение традиционных и экологически ориентированных моделей прогноза

Сопоставление новой технологии с классическими моделями показывает заметные различия:

Традиционные модели учитывают только индивидуальные факторы — курение, возраст, давление, холестерин.
Новая система добавляет данные об уровне загрязнения и региональных аспектах среды.
Классические методики ориентируются на усреднённые значения рисков.
Современный подход строит персонализированный профиль и адаптирует показатели.

Такой формат расширяет возможности профилактики и делает прогноз более точным.

Плюсы и минусы новой системы

У расширенного метода есть преимущества и ограничения.
Преимущества:

учёт экологического фактора повышает точность прогноза;
алгоритм адаптируется под конкретный регион;
машинное обучение позволяет анализировать большие массивы данных;
система подходит для профилактических программ.

Недостатки:

требования к качеству исходных данных выше, чем в простых моделях;
прогноз может отличаться по регионам, что требует дополнительной настройки;
внедрение потребует адаптации медицинских учреждений к цифровым инструментам;
система не заменяет врачебный осмотр, а дополняет его.

Советы по снижению сердечно-сосудистых рисков

Соблюдать режим физической активности, подходящий для возраста и состояния здоровья.
Контролировать артериальное давление и уровень холестерина.
Минимизировать воздействие загрязненного воздуха, по возможности избегать интенсивных нагрузок в дни с высоким уровнем смога.
Следить за массой тела и корректировать рацион.
Регулярно проходить профилактические обследования.