В России создали ИИ-алгоритм, который помогает подобрать лекарства при гипертонии

В Сеченовском университете разработали алгоритм на основе искусственного интеллекта, который помогает подбирать терапию пациентам с артериальной гипертонией. Система анализирует медицинские данные и прогнозирует эффективность различных схем лечения.

Коротко

• В Сеченовском университете создали ИИ-систему для подбора терапии при гипертонии
• Алгоритм анализирует медицинские данные пациента
• Разработка помогает прогнозировать эффективность лечения
• Технологию планируют внедрять в клиническую практику

Что произошло

Ученые Сеченовского университета разработали алгоритм поддержки принятия врачебных решений для пациентов с артериальной гипертонией. Система использует методы искусственного интеллекта и анализирует большие массивы клинических данных, включая показатели давления, лабораторные параметры и сопутствующие заболевания.

На основе этих данных алгоритм прогнозирует, какая комбинация препаратов с наибольшей вероятностью позволит достичь целевых показателей артериального давления у конкретного пациента.

Почему это важно

Артериальная гипертония остается одним из главных факторов риска инфарктов, инсультов и хронической сердечной недостаточности. При этом подбор терапии часто требует нескольких попыток: пациенты могут по-разному реагировать на одни и те же препараты.

Разработчики считают, что использование искусственного интеллекта позволит быстрее подбирать эффективную терапию, снизить риск осложнений и сократить количество случаев неконтролируемой гипертонии.

Для фармацевтической отрасли подобные решения становятся частью глобального тренда на персонализированную медицину и цифровизацию здравоохранения.

Что меняется на практике

Алгоритм может использоваться как система поддержки принятия решений для врачей-кардиологов и терапевтов. Технология не заменяет специалиста, но помогает оценить вероятность ответа пациента на разные схемы лечения. Система также может применяться для анализа эффективности терапии в реальной клинической практике и формирования более персонализированных подходов к лечению.

Что дальше

Сейчас разработка проходит этап дальнейшей валидации и подготовки к внедрению в медицинские организации. В университете рассчитывают, что в будущем технология сможет интегрироваться в цифровые медицинские платформы и электронные истории болезни.