Представлен научный обзор, в котором обобщена и критически интерпретирована ранее опубликованная информация, размещенная в базах данных Scopus, Web of Science, PubMed, eLibrary.ru, CyberLeninka, о применении технологий искусственного интеллекта (ИИ) в процессе диагностики, лечения, прогнозирования сердечно-сосудистых заболеваний и оптимизации интервенционных процедур. Период поиска 8 лет. Рассмотрено реальное применение ИИ в клинической практике. Показано, что использование ИИ на основе алгоритмов машинного обучения и глубокого обучения открывает уникальные возможности для анализа больших объемов медицинских данных, интерпретации результатов инструментальных методов исследования (эхокардиографии, электрокардиографии, компьютерной томографической ангиографии, компьютерной томографии сердца, магнитно-резонансной томографии) и оценки риска развития неблагоприятных сердечно-сосудистых событий. Методы машинного обучения могут дополнять и расширять традиционные статистические методы алгоритмов ИИ. Глубокое обучение является подобластью машинного обучения и характеризуется алгоритмами, которые основаны на принципе работы человеческого мозга, включая класс алгоритмов, называемых нейронными сетями. В интервенционной кардиологии нашли применение искусственные, рекуррентные и сверточные нейронные сети. Искусственные нейронные сети могут использоваться в роботизированных системах и нейроинтерфейсах, обеспечивая энергоэффективную обработку сигналов в реальном времени. Сверточные сети применяются для обработки медицинских изображений, помогая в сегментации органов, детекции патологии и навигации во время операций, а рекуррентные сети — для анализа динамических показателей данных и прогнозирования осложнений. Вместе эти технологии повышают точность диагностики, снижают риск и оптимизируют ход интервенционных вмешательств. Таким образом, внедрение ИИ в интервенционную кардиологию открывает новые горизонты для диагностики, лечения и прогнозирования сердечно-сосудистых заболеваний. Показана высокая эффективность современных алгоритмов машинного обучения в анализе результатов инструментальных методов исследования, обработке больших объемов данных и выявлении генетических маркеров сердечно-сосудистых заболеваний. Однако, несмотря на значительные успехи, внедрение ИИ в интервенционную кардиологию сталкивается с рядом проблем. В перспективе ожидается, что ИИ станет неотъемлемой частью интервенционной кардиологии, сделав лечение более точным, безопасным и доступным.
