17 Рябов В. В. Несова А. К. Шахгельдян К. И. Жуков Д. Я. Куксин Н. С. Демьянов С. В. Абраменко Е. Е. Гельцер Б. И. острый коронарный синдром без подъема сегмента ST инвазивная коронарная ангиография чрескожное коронарное вмешательство острая коронарная окклюзия машинное обучение 2026 2026-04-25 10.15829/1560-4071-2026-6908 Российский кардиологический журнал Цель. Разработать прогностическую многофакторную модель для раннего выявления острой коронарной окклюзии (ОКО) у пациентов с острым коронарным синдромом без подъема сегмента ST (ОКСбпST) с использованием методов машинного обучения и набора предикторов, доступных в первые часы госпитализации.Материал и методы. В ретроспективное наблюдательное исследование включены 1144 пациента с диагнозом инфаркта миокарда без подъема сегмента ST или нестабильной стенокардии, госпитализированные в региональный сосудистый центр в 2019-2021гг. Инвазивная коронарная ангиография была выполнена 900 пациентам, из них ОКО диагностирована у 64 пациентов (7,1%). Для выявления предикторов ОКО проведен анализ 149 клинических, анамнестических, лабораторных и инструментальных параметров, информация о которых была доступна в первые часы госпитализации. После отбора предикторов были разработаны прогностические модели с использованием методов машинного обучения: многофакторной логистической регрессии (МЛР), случайного леса, стохастического градиентного бустинга (XGBoost) и категориального бустинга (CatBoost). Оценка качества моделей проводилась по метрикам ROC-AUC, чувствительности (Sens), специфичности (Spec), Precision-Recall AUC (PR-AUC), меры качества вероятностных прогнозов (Brier-score), доли истинно положительных (PPV) и истинно отрицательных (NPV) результатов, F1-score и Accuracy.Результаты. Независимыми предикторами ОКО явились: впервые выявленные/новые нарушения локальной сократимости левого желудочка, скорость оседания эритроцитов >15,5 мм/ч, холестерин липопротеинов высокой плотности <0,9 ммоль/л, креатинфосфокиназа МВ >82 ед/л, а также признаки продолжающейся ишемии миокарда при поступлении в виде рефрактерной/рецидивирующей боли в грудной клетке и/или одышки в сочетании как минимум с одним из прочих установленных критериев ОКСбпST очень высокого риска неблагоприятных ишемических событий согласно действующим клиническим рекомендациям. Наилучшие прогностические характеристики продемонстрировала модель на основе CatBoost (ROC-AUC=0,841). Хорошо интерпретируемая прогностическая модель ОКО на основе многофакторной логистической регрессии и полученных факторов риска имела схожие с моделью CatBoost метрики качества.Заключение. Комбинация клинических, лабораторных и эхокардиографических параметров позволяет эффективно прогнозировать наличие ОКО в когорте ОКСбпST. Разработанные модели машинного обучения демонстрируют диагностическую точность и могут стать основой для модификации алгоритмов ранней стратификации риска и оптимизации стратегий инвазивного лечения. https://www.cardiojournal.online/publication/14254 https://www.cardiojournal.online/files/14658