Искусственный интеллект в управлении артериальной гипертензией: от прогнозирования рисков до персонализированной терапии: обзор

Гарина И. А.; Хаишева Л. А.; Ратова Л. Г.

Статья

Искусственный интеллект в управлении артериальной гипертензией: от прогнозирования рисков до персонализированной терапии: обзор

Гарина И. А.,

Хаишева Л. А.,

Ратова Л. Г.

2026

https://doi.org/10.15829/1560-4071-2026-6906

Проанализированы современные научные данные о возможностях применения технологий искусственного интеллекта (ИИ) в диагностике, стратификации сердечно-сосудистого риска и персонализированном лечении пациентов с артериальной гипертензией (АГ). Проведен аналитический обзор публикаций, посвящённых использованию ИИ и методов машинного обучения при АГ. Поиск литературы осуществлялся в базах данных PubMed, Scopus, Web of Science, ScienceDirect и Google Scholar. В обзор включались публикации на русском и английском языках за период 2020-2026гг с использованием ключевых слов: artificial intelligence, machine learning, arterial hypertension, risk stratification, prediction, diagnosis. Алгоритмы ИИ демонстрируют высокий потенциал в диагностике и мониторинге АГ за счёт анализа данных электронных медицинских карт, суточного мониторирования артериального давления, электрокардиографии, изображений сетчатки и информации с носимых устройств. Использование ИИ открывает новые перспективы в управлении АГ, включая раннюю диагностику, более точную стратификацию риска и персонализацию терапии. ИИ не является заменой клинического мышления врача, но становится мощным инструментом поддержки принятия решений. Для широкого внедрения данных технологий необходимы дальнейшие клинические исследования, внешняя валидация алгоритмов и стандартизация медицинских данных.

Гарина И. А., Хаишева Л. А., Ратова Л. Г. Искусственный интеллект в управлении артериальной гипертензией: от прогнозирования рисков до персонализированной терапии: обзор. Российский кардиологический журнал. 2026;31(2S):6906. https://doi.org/10.15829/1560-4071-2026-6906

Цитирование

Список литературы

1. Кутелев Г. Г., Парфенов С. А., Сапожников К. В. и др. Применение технологий искусственного интеллекта для выявления и лечения сердечно-сосудистых заболеваний. Трансляционная медицина. 2024;11(6):562-76. doi:10.18705/2311-4495-2024-11-6-562-576.

2. Долгалёв И. В., Иванова А. Ю., Шипхинеева А. Ю. Артериальная гипертензия как фактор риска смерти мужчин и женщин 20-59 лет: 34-летнее когортное проспективное исследование. Кардиоваскулярная терапия и профилактика. 2023;22(8):3602. doi:10.15829/1728-8800-2023-3602.

3. Кобалава Ж. Д., Конради А. О., Недогода С. В. и др. Артериальная гипертензия у взрослых. Клинические рекомендации 2024. Российский кардиологический журнал. 2024;29(9):6117. doi:10.15829/1560-4071-2024-6117. EDN: GUEWLU.

4. Подзолков В. И., Брагина А. Е., Медведев И. Д. и др. Приверженность к лечению и ее роль в решении проблемы неконтролируемой артериальной гипертензии. Кардиоваскулярная терапия и профилактика. 2023;22(4):3547. doi:10.15829/1728-8800-2023-3547.

5. Dherani M, Wagner SK, Shantsila E. The role of artificial intelligence in hypertension management. Curr Opin Nephrol Hypertens. 2026;35(2):181-7. doi:10.1097/MNH.0000000000001157.

6. Емельянов И. В., Протасов К. В., Дзизинский А. А., Конради А. О. Отношение практических врачей к достижению целевого уровня артериального давления и следованию рекомендациям по лечению артериальной гипертензии. Проблема врачебной инертности. Артериальная гипертензия. 2012;18(3):191-8. doi:10.18705/1607-419X-2012-18-3-191-198.

7. Sinou N, Sinou N, Koutroulakis S, Filippou D. The Role of Wearable Devices in Blood Pressure Monitoring and Hypertension Management: A Systematic Review. Cureus. 2024;16(12):e75050. doi:10.7759/cureus.75050.

8. Zhang Y, Qiu S, Du K, et al. Artificial intelligence-enhanced wearable blood pressure monitoring in resource-limited settings: a co-design of sensors, model, and deployment. Nanomicro Lett. 2026;18(1):164. doi:10.1007/s40820-025-02003-9.

9. Hung MH, Shih LC, Wang YC, et al. Prediction of masked hypertension and masked uncontrolled hypertension using machine learning. Front Cardiovasc Med. 2021;8:778306. doi:10.3389/fcvm.2021.778306.

10. Nabrdalik K, Irlik K, Meng Y, et al. Artificial intelligence-based classification of cardiac autonomic neuropathy from retinal fundus images in patients with diabetes: The Silesia Diabetes Heart Study. Cardiovasc Diabetol. 2024;23(1):296. doi:10.1186/s12933-024-02367-z.

11. Oreskovic J, Fazli G, Varma V, et al. Voice-based prediction of prediabetes using classical machine learning models. Front Clin Diabetes Healthc. 2025;6:1697769. doi:10.3389/fcdhc.2025.1697769.

12. Гельцер Б. И., Шахгельдян К. И., Котельников В. Н. и др. Фенотипирование "маскированной" артериальной гипертензии по результатам кластеризации данных суточного мониторирования артериального давления. Российский кардиологический журнал. 2020;25(3):3286. doi:10.15829/1560-4071-2020-3-3286.

13. Shih LC, Wang YC, Hung MH, et al. Prediction of white-coat hypertension and white-coat uncontrolled hypertension using machine learning algorithm. Eur Heart J Digit Health. 2022;3(4):559-69. doi:10.1093/ehjdh/ztac066.

14. Tran TQB, Lip S, du Toit C, et al. Assessing machine learning for diagnostic classification of hypertension types identified by ambulatory blood pressure monitoring. CJC Open. 2024;6(6):798-804. doi:10.1016/j.cjco.2024.03.005.

15. Бакулин Г. Г., Сережина Е. К., Обрезан А. Г. Актуальные вопросы применения в клинической практике шкал кардиоваскулярного риска у пациентов с сердечно-сосудистой патологией. Кардиология: новости, мнения, обучение. 2023;11(3):43-52. doi:10.33029/2309-1908-2023-11-3-43-52.

16. Voorbrood VMI, Bohnen AM, Bosman AP, et al. Underestimation of cardiovascular risk by the score2 model in primary care: a call for recalibration. Eur J Prev Cardiol. 2025: zwaf253. doi:10.1093/eurjpc/zwaf253. Epub ahead of print.

17. Liu W, Laranjo L, Klimis H, et al. Machine-learning versus traditional approaches for atherosclerotic cardiovascular risk prognostication in primary prevention cohorts: a systematic review and meta-analysis. Eur Heart J Qual Care Clin Outcomes. 2023;9(4):310-22. doi:10.1093/ehjqcco/qcad017.

18. Visco V, Izzo C, Mancusi C, et al. Artificial intelligence in hypertension management: an ace up your sleeve. J Cardiovasc Dev Dis. 2023;10(2):74. doi:10.3390/jcdd10020074.

19. Li Q, Campan A, Ren A, Eid WE. Automating and improving cardiovascular disease prediction using machine learning and EMR data features from a regional healthcare system. Int J Med Inform. 2022;163:104786. doi:10.1016/j.ijmedinf.2022.104786.

20. Akbilgic O, Butler L, Karabayir I, et al. ECG-AI: electrocardiographic artificial intelligence model for prediction of heart failure. Eur Heart J Digit Health. 2021;2(4):626-34. doi:10.1093/ehjdh/ztab080.

21. Tsai PH, Lee SY, Wei Ch, et al. ECG-based deep learning for chronic kidney disease detection and cardiovascular risk prediction. BMC Med Inform Decis Mak. 2025;25(1):439. doi:10.1186/s12911-025-03278-z.

22. Krittanawong C, Virk HUH, Bangalore S, et al. Machine learning prediction in cardiovascular diseases: a meta-analysis. Sci Rep. 2020;10(1):16057. doi:10.1038/s41598-020-72685-1.

23. Boldini D, Grisoni F, Kuhn D, et al. Practical guidelines for the use of gradient boosting for molecular property prediction. J Cheminform. 2023;15(1):73. doi:10.1186/s13321023-00743-7.

24. Maeda T, Sakamoto Y, Hosoki S, et al. Does clinical practice supported by artificial intelligence improve hypertension care management? A pilot systematic review. Hypertens Res. 2024;(47):2312-16. doi:10.1038/s41440-024-01771-y.

25. Ismael AMA, Azzawi MAKH, Abdulaaima AMAJ, Mohammed MIM. AI-driven innovations in cardiology: a comprehensive review of effectiveness and challenges. Clin Med Res. 2025;14(4):136-44. doi:10.11648/j.cmr.20251404.15.

26. Бергалиева А. Н., Кеулимжаева А. Ж. Влияние искусственного интеллекта на диагностику заболеваний. Вестник науки. 2024;1(12):1586-93. Электронный ресурс. EDN: RBVKEB.

Документы

Источник

Информация

Автор

Гарина И. А. ФГБОУ ВО Ростовский государственный медицинский университет Минздрава России
Хаишева Л. А. ФГБОУ ВО Ростовский государственный медицинский университет Минздрава России
Ратова Л. Г. ФГБУ Национальный медицинский исследовательский центр им. В. А. Алмазова Минздрава России

Название журнала

Российский кардиологический журнал

Ключевые слова

Статья