17 Юсупов Ф. А. Абдыкадыров М. Ш. искусственный интеллект машинное обучение сердечно-сосудистые заболевания неврологические расстройства мультидисциплинарная диагностика нейрокардиология глубокое обучение анализ медицинских изображений электрокардиография. 2026 2026-04-25 10.15829/1560-4071-2026-6646 Российский кардиологический журнал Сердечно-сосудистые и неврологические заболевания представляют собой ведущие причины заболеваемости и смертности во всем мире, а их тесная патофизиологическая взаимосвязь, известная как «ось мозг-сердце», требует комплексного мультидисциплинарного подхода к диагностике. Настоящий обзор посвящен анализу и обобщению научных исследований преимущественно за последние пять лет, посвященных интеграции технологий искусственного интеллекта в диагностику данной группы заболеваний. В ходе обзора выявлено, что искусственный интеллект, в частности модели глубокого обучения, демонстрирует трансформационный потенциал в анализе электрокардиограмм, методов нейровизуализации и мультимодальных клинических данных, обеспечивая значительное повышение точности и раннее выявление патологий. Ключевые достижения включают способность алгоритмов искусственного интеллекта идентифицировать скрытые маркеры заболеваний, недоступные для человеческого восприятия, и прогнозировать риски развития таких состояний, как фибрилляция предсердий и ишемический инсульт. Однако широкое клиническое внедрение искусственного интеллекта сталкивается с серьезными проблемами, включая непрозрачность алгоритмов («черный ящик»), системную предвзятость в обучающих данных, недостаточную генерализацию моделей и острую нехватку доказательств, полученных в ходе крупномасштабных проспективных клинических испытаний. В заключение подчеркивается, что реализация потенциала искусственного интеллекта для создания персонализированной предиктивной медицины в области нейрокардиологии возможна только при условии преодоления существующих технических, этических и регуляторных барьеров через междисциплинарное сотрудничество. https://www.cardiojournal.online/publication/14243 https://www.cardiojournal.online/files/14647