17 Дроздов Д. В. Насонова С. Н. Семчук И. П. Скалеух Е. Д. Ли Е. С. Чайковская О. Я. Шошина А. А. Жиров И. В. Самородов А. В. Терещенко С. Н. амилоидная кардиомиопатия электрокардиограмма векторэлектрокардиография искусственный интеллект глубокое обучение планарность петель векторэлектрокардиограммы Grad‑CAM 2026 2026-04-25 10.15829/10.15829/1560-4071-2026-6895 Российский кардиологический журнал Цель. Провести сравнительный анализ диагностической эффективности и интерпретируемости двух подходов к анализу электрокардиограммы при амилоидной кардиомиопатии (АКМП): модели глубокого обучения (1D ResNet) и алгоритма оценки планарности петель векторэлектрокардиограммы.Материал и методы. Исследование выполнено на наборе данных, включающем записи электрокардиограммы пациентов с верифицированным АКМП (n=99) и контрольной группы (n=2673). Для балансировки классов применялась методы аугментация и undersampling. Использовались два метода: свёрточная нейронная сеть (CNN) архитектуры ResNet с методом интерпретации решений Grad‑CAM. Оценка планарности сегментов QRS и ST‑T (коэффициент детерминации R²) с классификацией методом случайного леса (Random Forest).Результаты. Модель 1D ResNet продемонстрировала стабильную способность к детекции патологии: чувствительность и специфичность составили 75%. Классификатор Random Forest на основе признаков планарности показал более высокую комплексную эффективность: специфичность достигла 85%, а прогностическая точность (Precision) – 79% при сохранении чувствительности на уровне 75%. Анализ карт активации (Grad‑CAM) выявил, что для нейросети наиболее значимой областью сигнала при АКМП является зубец T (вклад 93,75%). Это согласуется с данными метода планарности, где признаки сегмента реполяризации также внесли основной вклад (57 %) в принятие решения.Заключение. Оба метода подтверждают, что ключевые диагностические нарушения при АКМП локализуются в фазе реполяризации (зубец T). Подход на основе планарности обеспечивает физическую интерпретацию (пространственная неоднородность), а Grad‑CAM визуализирует диагностическую логику нейросети, совпадающую с патофизиологическими предпосылками. https://www.cardiojournal.online/publication/14251 https://www.cardiojournal.online/files/14655