Искусственный интеллект в ранней диагностике: интеграция донозологического скрининга и персонализированной профилактики хронических неинфекционных заболеваний

Введение. На сегодняшний день актуальной проблемой мирового здравоохранения является рост числа хронических неинфекционных заболеваний (ХНИЗ), на долю которых приходится >90% всех летальных исходов. Исторически сложилось, что наибольший вклад в смертность вносят болезни сердечно-сосудистой, дыхательной, пищеварительной, эндокринной системы и онкологические заболевания. При этом традиционная лечебная парадигма демонстрирует неспособность сдерживать эпидемиологическую нагрузку. Сегодня доказано, что в большинстве своем ХНИЗ можно предотвратить благодаря скринингу факторов риска (ФР), способствующих их развитию. В связи с чем вопросам профилактики ХНИЗ стали уделять пристальное внимание. Более того, технологии искусственного интеллекта (ИИ) в сочетании с телемедициной открывают возможности трансформации для здравоохранения: от активного лечения к проактивному управлению здоровьем через персонализированную профилактику. Российская школа, ориентированная на выявление донозологических состояний посредством оценки функциональных резервов организма, создает методологическую основу для персонализированного подхода. Последний может быть значительно усилен современными методами с информационными технологиями на основе ИИ.

Цель исследования: разработать методологию дистанционного анкетного скрининга ХНИЗ на основе ИИ с интеграцией холистического подхода донозологической диагностики, обеспечивающую генерацию персонализированных рекомендаций по профилактике, и оценить ее эффективность у лиц молодого возраста.

Материал и методы. Обследованы 3155 студентов вузов Санкт-Петербурга (средний возраст – 19,6±1,5 года) из 83 регионов РФ. Разработана технология на основе ИИ для дистанционного скрининга ХНИЗ с использованием холистического подхода к оценке состояния здоровья. Система верифицирует ФР по 5 профилям патологии (кардиология, гастроэнтерология, пульмонология, эндокринология, онкология), используя разработанную анкету, содержащую 198 информационных запросов. Применена система решающих правил (1098 правил). Проведен систематический обзор литературы в PubMed, Scopus, Web of Science, еLibrary за 2020–2025 гг., анализировались рандомизированные клинические исследования, систематические обзоры, регуляторные документы ВОЗ, Управления по контролю за качеством пищевых продуктов и медикаментов США, методологические руководства.

Результаты. Низкая степень риска ХНИЗ выявлялась у 57,4%, средняя – у 30,9%, высокая – у 11,7% обследованных. Наиболее частые жалобы относились к эндокринной (28,9%), пищеварительной (21,8%), дыхательной (21,1%) и сердечно-сосудистой системам (20,1%). Более 75% имели признаки полиморбидности. Статистический анализ подтвердил значимую согласованность оценок системы и врачей (p<0,001). Каппа Коэна показала существенное согласие для профилей кардиологии и пульмонологии, умеренное – для гастроэнтерологии и эндокринологии. Система генерирует персонализированные рекомендации с учетом возраста, пола, антропометрических данных, вредных привычек и психологического состояния. При этом экономия времени работы врача составила 20%. Удовлетворенность системой среди обследуемых – 96,6%, среди медработников – 91,7%.

Заключение. Разработанная методология дистанционного анкетного скрининга на основе ИИ с холистическим подходом показала высокую эффективность для раннего выявления ФР ХНИЗ у лиц молодого возраста. Интеграция российского опыта донозологической диагностики через профили патологии с современными технологиями машинного обучения создает условия для перехода к персонализированной профилактике, ориентированной на коррекцию функциональных резервов организма. Немаловажно, что система демонстрирует значимую социальную и экономическую эффективность.