Прогнозирование сердечной недостаточности по данным 12-канальной ЭКГ с помощью ИИ: объединенный когортный анализ проекта HeartShare/AMP-HF. Актуальность. Применение искусственного интеллекта для анализа электрокардиограмм (ИИ-ЭКГ) представляет собой масштабируемый подход для выявления лиц с риском развития сердечной недостаточности (СН) и определения стратегий профилактики. Цель. Целью данного исследования была оценка того, повышает ли использование ИИ-ЭКГ, разработанного для выявления систолической и диастолической дисфункции, точность прогнозирования новых случаев СН по сравнению с оценкой клинического риска с помощью уравнения PREVENT-HF (Predicting Risk of Cardiovascular Disease EVENTs–Heart Failure). Методы. Были объединены исходные клинические данные и данные электрокардиограмм из исследований Framingham Heart Study, Multi-Ethnic Study of Atherosclerosis и Cardiovascular Health Study. В анализ включались участники, по которым имелось достаточно данных как для оценки с помощью ИИ-ЭКГ, так и для расчета по шкале PREVENT-HF. Анализы проводились на платформе BioDataCatalyst Национального института сердца, легких и крови (NHLBI) в период с июля по сентябрь 2025 года. Риск развития новых случаев СН оценивался с помощью ранее валидированных алгоритмов ИИ-ЭКГ, выявляющих систолическую (ИИ-ЭКГ СД) и диастолическую (ИИ-ЭКГ ДД) дисфункцию. Дискриминационная способность и реклассификация оценивались с использованием C-статистики Харрелла и показателя улучшения чистой реклассификации (NRI). Результаты. Из 14 126 участников доля положительных результатов скрининга составила: 2,9% для ИИ-ЭКГ СД, 11,1% для ИИ-ЭКГ ДД, 11,9% для комбинированной модели ИИ-ЭКГ, 25,1% для порога PREVENT-HF ≥10% и 5,8% для порога PREVENT-HF ≥20%. Новые случаи СН или смерти наблюдались у 7,7% и 15,1% участников соответственно. Участники с положительным результатом комбинированного скрининга ИИ-ЭКГ на исходном уровне имели в 10–20 раз более высокий риск развития СН по сравнению с участниками с отрицательным результатом. На сроках 1, 3, 5 и 10 лет добавление ИИ-ЭКГ к модели PREVENT-HF дало однонаправленное улучшение чистой реклассификации в диапазоне от 0,086 до 0,125 при пороге PREVENT-HF 10% и от 0,327 до 0,403 при пороге 20%. Выводы. Добавление ИИ-ЭКГ к модели PREVENT-HF улучшило дискриминацию краткосрочного риска развития СН. ИИ-ЭКГ может обеспечить стратификацию риска СН на популяционном уровне и способствовать реализации таргетных стратегий профилактики. По материалам: Desai, A, Pandey, A, Suratekar, R. et al. Predicting Heart Failure From 12-Lead ECGs Using AI: A HeartShare/AMP-HF Pooled Cohort Analysis. JACC. 2026 Mar, 87 https://www.jacc.org/doi/10.1016/j.jacc.2025.10.065