Способы прогнозирования рисков развития болезней системы кровообращения

Прогнозирование рисков развития болезней системы кровообращения (БСК) является одной из приоритетных задач современной превентивной медицины. К перспективным направлениям относится применение методов машинного обучения и математического моделирования, что позволяет учитывать совокупное воздействие разноплановых факторов риска. Цель исследования – обобщение и анализ данных исследований, посвященных способам прогнозирования риска развития БСК.

Материал и методы. Информационный поиск проводили по базам данных PubMed, eLIBRARY.RU, КиберЛенинка за период с 1961 по 2025 г. Проанализировано 820 источников, из которых 68 вошли в обзор.

Результаты и их обсуждение. В обзоре приводится анализ способов прогнозирования развития хронических неинфекционных заболеваний (БСК, прогноз десятилетнего риска развития БСК и смерти от них). В хронологическом порядке показано развитие этого направления в медицине и представлены наиболее распространенные способы прогнозирования развития БСК. В статье приводится обоснование активного применения в области профилактической медицины методов искусственного интеллекта, которые позволяют обрабатывать большие данные, учитывать разнообразные комбинации факторов риска.

Заключение. Для обеспечения высокой точности прогнозирования БСК важно учитывать широкий спектр факторов риска (этнические, социально-экономические, культурные, поведенческие, медико-биологические, факторы производственного процесса), которые действуют в рамках отдельно изучаемой группы.

1. Virani S.S., Alonso A., Aparicio H.J., Benjamin E.J., Bittencourt M.S., Callaway C.W., Carson A.P., Chamberlain A.M., Cheng S., Delling F.N., … American Heart Association Council on Epidemiology and Prevention Statistics Committee and Stroke Statistics Subcommittee. Heart Disease and Stroke Statistics-2021 Update: A report from the American Heart Association. Circulation. 2021;143(8):e254–e743. doi: 10.1161/CIR.0000000000000950

2. Global Burden of Disease Collaborative Network, Global Burden of Disease Study 2021 (GBD 2021) Results (2024, Institute for Health Metrics and Evaluation – IHME) (World Health Оrganization. Noncommunicable diseases. Available at: clck.ru/3P9MTT

3. Xu C., Zhang P., Cao Z. Cardiovascular health and healthy longevity in people with and without cardiometabolic disease: A prospective cohort study. EClinicalMedicine. 2022;45:101329. doi: 10.1016/j.eclinm.2022.101329

4. Khan S.S., Coresh J., Pencina M.J., Ndumele C.E., Rangaswami J., Chow S.L., Palaniappan L.P., Sperling L.S., Virani S.S., Ho J.E., … American Heart Association. Novel prediction equations for absolute risk assessment of total cardiovascular disease incorporating cardiovascular-kidney-metabolic health: A scientific statement from the American Heart Association. Circulation. 2023;148(24):1982–2004. doi: 10.1161/CIR.0000000000001191

5. Aryal B., Price N.L., Suarez Y., Fernández-Hernando C. ANGPTL4 in metabolic and cardiovascular disease. Trends Mol. Med. 2019;25(8):723–734. doi: 10.1016/j.molmed.2019.05.010

6. Газимова В.Г., Шастин А.С., Дубенко С.Э., Курбанова Н.А., Мажаева Т.В., Цепилова Т.М., Рузаков В.О. Опыт использования результатов периодических медицинских осмотров для оценки риска развития болезней системы кровообращения. Профилакт. мед. 2022;25(5):61–66. doi: 10.17116/ profmed20222505161

7. Бухтияров И.В. Современное состояние и основные направления сохранения и укрепления здоровья работающего населения России. Мед. труда и пром. экол. 2019;59(9):527–532. doi: 10.31089/1026-9428-2019-59-9-527-532

8. Щелкова О.Ю., Яковлева М.В., Еремина Д.А., Шиндриков Р.Ю., Круглова Н.Е., Горбунов И.А., Демченко Е.А. О разработке системной (биопсихосоциальной) модели прогноза при сердечно-сосудистых заболеваниях. Ч. 1. Обозрение психиатрии и мед. психол. 2023;57(2):62–74. doi: 10.31363/2313-7053-2023-731

9. Yu Y., Sun Y., Yu Y., Wang Y., Chen C., Tan X., Lu Y., Wang N. Life’s essential 8 and risk of non-communicable chronic diseases: Outcome-wide analyses. Chin. Med. J. (Engl.). 2024;137(13):1553–1562. doi: 10.1097/CM9.0000000000002830

10. Feigl A.B., Goryakin Y., Devaux M., Lerouge A., Vuik S., Cecchini M. The short-term effect of BMI, alcohol use, and related chronic conditions on labour market outcomes: a time-lag panel analysis utilizing european SHARE dataset. Plos One. 2019;14(3):e0211940. doi: 10.1371/journal.pone.0211940

11. Kannel W.B., Dawber T.R., Kagan A. Revotskie N., Stokes J. 3rd. Factors of risk in the development of coronary heart disease – six year follow-up experience. The Framingham Study. Ann. Intern. Med. 1961;55:33–50. doi: 10.7326/0003-4819-55-1-33

12. Damen J.A., Hooft L., Schuit E., Debray T.P., Collins G.S., Tzoulaki I., Lassale C.M., Siontis G.C., Chiocchia V., Roberts C., … Moons K.G. Prediction models for cardiovascular disease risk in the general population: systematic review. BMJ. 2016;353:i2416. doi: 10.1136/bmj.i2416

13. Conroy R.M., Pyörälä K., Fitzgerald A.P., Sans S., Menotti A., De Backer G., De Bacquer D., Ducimetière P., Jousilahti P., Keil U., … SCORE project group. Estimation of ten-year risk of fatal cardiovascular disease inEurope: the SCORE project. Eur. Heart. J. 2003;24(11):987–1003. doi: 10.1016/s0195-668x(03)00114-3

14. The World Health Organization MONICA Project (monitoring trends and determinants in cardiovascular disease): a major international collaboration. WHO MONICA Project Principal Investigators. J. Clin. Epidemiol. 1988;41(2):105–114. doi: 10.1016/0895-4356(88)90084-4

15. Пуска П., Вартиайнен Э., Лаатикайнен Т., Йоусилахти П., Паавола М. Проект «Северная Карелия»: от Северной Карелии до проекта национального масштаба. Хельсинки: Университет Хельсинки, 2011. 291 с.

16. Anderson T.S., Wilson L.M., Sussman J.B. Atherosclerotic cardiovascular disease risk estimates using the predicting risk of cardiovascular disease events equations. JAMA Intern. Med. 2024;184(8):963–970. doi: 10.1001/jamainternmed.2024.1302

17. Medina-Inojosa J.R., Somers V.K., Garcia M., Thomas R.J., Allison T., Chaudry R., WoodWentz C.M., Bailey K.R., Mulvagh S.L., Lopez-Jimenez F. Performance of the ACC/AHA pooled cohort cardiovascular risk equations in clinical practice. J. Am. Coll. Cardiol. 2023;82(15):1499–1508. doi: 10.1016/j.jacc.2023.07.018

18. Ramos R., Solanas P., Cordón F., Rohlfs I., Elosua R., Sala J., Masiá R., Faixedas M.T., Marrugat J. Comparación de la función de Framingham original y la calibrada del REGICOR en la predicción del riesgo coronario poblacional. Med. Clin. (Barc.). 2003;121(14):521–526. doi: 10.1016/s0025-7753(03)74007-x

19. Zhiting G., Jiaying T., Haiying H., Yuping Z., Qunfei Y., Jingfen J. Cardiovascular disease risk prediction models in the Chinese population – a systematic review and meta-analysis. BMC Public Health. 2022;22(1):1608. doi: 10.1186/s12889-022-13995-z

20. Шальнова С.А., Калинина А.М., Деев А.Д., Пустеленин А.В. Российская экспертная система ОРИСКОН – оценка риска основных неинфекционных заболеваний. Кардиоваскуляр. терапия и профилакт. 2013;12(4):51–55. doi: 10.15829/1728-8800-2013-4-51-55

21. Averbuch T., Sullivan K., Sauer A., Mamas M.A., Voors A.A., Gale C.P., Metra M., Ravindra N., Van Spall H.G.C. Applications of artificial intelligence and machine learning in heart failure. Eur. Heart J. Digit. Health. 2022;3(2):311–322. doi: 10.1093/ehjdh/ztac025

22. Yoon M., Park J.J., Hur T., Hua C.H., Hussain M., Lee S., Choi D.J. Application and potential of artificial intelligence in heart failure: past, present, and future. Int. J Heart Fail. 2023;6(1):11–19. doi: 10.36628/ijhf.2023.0050

23. Кобякова О.С., Старовойтова Е.А., Толмачев И.В., Бразовский К.С., Деев И.А., Куликов Е.С., Альмикеева А.А., Файзулина Н.М., Балаганская М.А. Вклад комбинаций факторов риска в развитиехронических неинфекционных заболеваний. Соц. аспекты здоровья населения. 2020;66(5):1. doi: 10.21045/2071-5021-2020-66-5-1

24. Селивёрстов П.В., Гриневич В.Б., Шаповалов В.В., Крюков Е.В. Повышение эффективности скрининга хронических неинфекционных заболеваний с использованием технологий на основе искусственного интеллекта. Лечащий Врач. 2024;(4):97–104. doi: 10.51793/OS.2024.27.4.014

25. Черепанов Ф.М., Ясницкий Л.Н. Нейроэкспертная система диагностики и прогнозирования рисков сердечно-сосудистых заболеваний. Пат. 2017662410 РФ; опубл. 07.11.2017.

26. Конторович Е.П., Дроботя Н.В., Горблянский Ю.Ю., Яковлева Н.В., Понамарева О.П., Власенко Е.А. Программа прогнозирования риска развития сердечно-сосудистых заболеваний у работников электровозостроения. Пат. 2018660469 РФ; опубл. 23.08.2018.

27. Серебрякова В.Н., Кавешников В.С. Оценка популяционного риска параметров кардиоваскулярного здоровья лиц умственного труда. Пат. 2017618003 РФ; опубл. 20.07.2017.

28. Белов Д.В., Бейфус А.В., Фокин А.А., Гарбузенко Д.В., Лукин О.П. Калькулятор риска абдоминальных осложнений после коронарного шунтирования в условиях искусственного кровообращения. Пат. 2018618055 РФ; опубл. 09.07.2018.

29. Серова Ю.С., Фетцова Л.Н., Колосова А.Г., Золкин А.Л., Кухталев В.В., Порожников П.А., Ятманов А.Н. Программа прогноза развития стрессассоциированных соматических заболеваний кардиологического профиля у военнослужащих. Пат. 2025616181 РФ; опубл. 13.03.2025.

30. Решетникова Ю.С., Косачев Д.В., Каткова А.Л., Брынза Н.С., Курмангулов А.А., Потапов А.П., Слащева Д.М. Модель интеллектуальной системы оценки риска сердечно-сосудистых заболеваний работников топливно-энергетического комплекса. Пат. 2024691078 РФ; опубл. 19.12.2024.

31. Дюжева Е.В., Пономарёв С.Б., Горохов М.М., Сенько О.В., Кузнецова А.В. Программа для персонифицированного краткосрочного прогноза степени риска летального исхода от болезней системы кровообращения в филиале «Больница» медико-санитарной части ФСИН России. Пат. 2018616954 РФ; опубл. 09.06.2018.

32. Новицкий Р.Э. Программа для прогнозирования индивидуальной вероятности развития сердечно-сосудистых заболеваний на основе машинного обучения WML.CVD.FRS. Пат. 2020660298 РФ; опубл. 01.09.2020.

33. Артёменко М.В., Добровольский И.И. Смарт-экспертная система прогнозирования тромбоэмболии. Пат. 2020614110 РФ; опубл. 26.03.2020.

34. Gallacher J.E., Yarnell J.W., Butland B.K. Type A behaviour and prevalent heart disease in the Caerphilly study: increase in risk or symptom reporting? J. Epidemiol. Community Health. 1988;42(3):226–231. doi: 10.1136/jech.42.3.226

35. Eichler K., Puhan M.A., Steurer J., Bachmann L.M. Prediction of first coronary events with the Framingham score: a systematic review. Am. Heart J. 2007;153(5):722–731: doi: 10.1016/j.ahj.2007.02.027

36. Chantarat T., McGovern P.M., Enns E.A., Hardeman R.R. Predicting the onset of hypertension for workers: does including work characteristics improve risk predictive accuracy? J. Hum. Hypertens. 2023;37(3):220–226. doi: 10.1038/s41371-022-00666-0

37. Lloyd-Jones D.M., Lewis C.E., Schreiner P.J., Shikany J.M., Sidney S., Reis J.P. The Coronary Artery Risk Development In Young Adults (CARDIA) study: JACC Focus Seminar 8/8. J. Am. Coll. Cardiol. 2021;78(3):260–277. doi: 10.1016/j.jacc.2021.05.022

38. Wilson P.W., D’Agostino R.B., Levy D., Belanger A.M., Silbershatz H., Kannel W.B. Prediction of coronary heart disease using risk factor categories. Circulation. 1998;97(18):1837–1847. doi: 10.1161/01.cir.97.18.1837

39. D’Agostino R.B., Vasan R.S., Pencina M.J., Wolf P.A., Cobain M., Massaro J.M., Kannel W.B. General cardiovascular risk profile for use in primary care: the Framingham Heart Study. Circulation. 2008;117(6):743–753. doi: 10.1161/CIRCULATIONAHA.107.699579

40. Kurogi K., Yura S., Moriyama K., Tsuda E., Yoshida N., Ito M. Assessment of the application of atherosclerotic disease risk scores in the workplace. Sangyo Eiseigaku Zasshi. 2025;67(1):9–25. doi: 10.1539/sangyoeisei.2024-022-B

41. Yang X., Li J., Hu D., Chen J., Li Y., Huang J., Liu X., Liu F., Cao J., Shen C., … Gu D. Predicting the 10-year risks of atherosclerotic cardiovascular disease in chinese population: The China-PAR Project (Prediction for ASCVD Risk in China). Circulation. 2016;134(19):1430–1440. doi: 10.1161/CIRCULATIONAHA.116.022367

42. Денисов Э.И., Чесалин П.В. Профессионально обусловленная заболеваемость и ее доказательность. Мед. труда и пром. экол. 2007;(10):1–9.

43. Кузнецова З.М., Ползик Е.В., Даниленко И.И. Прогнозирование развития сердечно-сосудистых заболеваний у работников, занятых управленческим трудом. Гигиена и сан. 1993;(1):23–25.

44. Шастин А.С., Газимова В.Г., Гусельников С.Р., Стамиков Н.И., Бахтерева Е.В. Заболеваемость работников металлургического предприятия по результатам периодических медицинских осмотров и анализа заболеваемости с временной утратой трудоспособности. Мед. труда и экол. человека. 2022;(4):46–64. doi: 10.24411/2411-3794-2022-10404

45. Meneton P., Lemogne C., Herquelot E., Bonenfant S., Czernichow S., Ménard J., Goldberg M., Zins M. Primary cardiovascular disease risk factors predicted by poor working conditions in the GAZEL cohort. Am. J. Epidemiol. 2017;186(7):815–823. doi: 10.1093/aje/kwx152

46. Perng W., Aris I.M., Slopen N., Younoszai N., Swanson V., Mueller N.T., Sauder K.A., Dabelea D. Application of life’s essential 8 to assess cardiovascular health during early childhood. Ann. Epidemiol. 2023;80:16–24. doi: 10.1016/j.annepidem.2023.02.004

47. Филимонов Е.С., Коротенко О.Ю. Система прогнозирования атеросклероза на основе выявления наиболее значимых факторов риска у работников основных профессий угольной промышленности юга Кузбасса. Мед. в Кузбассе. 2022;21(3):80–85. doi: 10.24412/2687-0053-2022-3- 80-85

48. Баланова Ю.А., Имаева А.Э., Концевая А.В., Шальнова С.А., Деев А.Д., Капустина А.В., Евстифеева С.Е., Муромцева Г.А. Эпидемиологический мониторинг факторов риска хронических неинфекционных заболеваний в практическом здравоохранении на региональном уровне. Методические рекомендации. М.: Медиа Сфера, 2016. 111 с. doi: 10.17116/profmed2016metod01

49. Власова Е.М., Полевая Е.А., Порошина М.М., Тиунова М.И., Алексеев В.Б. Особенности факторов риска развития производственно обусловленной патологии у работников металлургического производства. Мед. труда и пром. экол. 2019;(11):926–930. doi: 10.31089/1026-9428-2019-59-11-926-930

50. Устинова О.Ю., Власова Е.М., Носов А.Е., Костарев В.Г., Лебедева Т.М. Оценка риска развития сердечно-сосудистой патологии у шахтеров, занятых подземной добычей хромовой руды. Анал. риска здоровью. 2018;(3):94–103. doi: 10.21668/health.risk/2018.3.10

51. Ramsay S.E., Morris R.W., Whincup P.H., Papacosta A.O., Thomas M.C., Wannamethee S.G. Prediction of coronary heart disease risk by Framingham and SCORE risk assessments varies by socioeconomic position: results from a study in British men. Eur. J. Cardiovasc. Prev. Rehabil. 2011;18(2):186–193. doi: 10.1177/1741826710389394

52. WHO CVD Risk Chart Working Group. World Health Organization cardiovascular disease risk charts: revised models to estimate risk in 21 global regions. Lancet Glob. Health. 2019;7(10):e1332–e1345. doi: 10.1016/S2214-109X(19)30318-3

53. Gopal D.P., Usher-Smith J.A. Cardiovascular risk models for South Asian populations: a systematic review. Int. J. Public Health. 2016;61(5):525–534. doi: 10.1007/s00038-015-0733-4

54. Saei Ghare Naz M., Sheidaei A., Aflatounian A., Azizi F., Ramezani Tehrani F. Does adding adverse pregnancy outcomes improve the framingham cardiovascular risk score in women? Data from the Tehran Lipid and Glucose Study. J. Am. Heart Assoc. 2022;11(2):e022349. doi: 10.1161/JAHA.121.022349

55. Zwaard A.V., Geraedts A., Norder G., Heymans M.W., Roelen C.A.M. Framingham score and work-related variables for predicting cardiovascular disease in the working population. Eur. J. Public Health. 2019;29(5):832–837. doi: 10.1093/eurpub/ckz008

56. Гринштейн Ю.И., Шабалин В.В., Руф Р.Р., Шальнова С.А., Драпкина О.М. Распространенность сочетания артериальной гипертонии и дислипидемии среди взрослого населения крупного Восточносибирского региона. Кардиоваскуляр. терапия и профилакт. 2021;20(4):2865. doi: 10.15829/1728-8800-2021-2865

57. Freisling H., Viallon V., Lennon H., Bagnardi V., Ricci C., Butterworth A.S., Sweeting M., Muller D., Romieu I., Bazelle P., Ferrari P. Lifestyle factors and risk of multimorbidity of cancer and cardiometabolic diseases: a multinational cohort study. BMC Med. 2020;18(1):5. doi: 10.1186/s12916-019-1474-7

58. Yang S., Han Y., Yu C., Guo Y., Pang Y., Sun D., Pei P., Yang L., Chen Y., Du H., … China Kadoorie Biobank Collaborative Group. Development of a model to predict 10-year risk of ischemic and hemorrhagic stroke and ischemic heart disease using the China Kadoorie Biobank. Neurology. 2022;98(23):e2307–e2317. doi: 10.1212/WNL.0000000000200139

59. Чулков В.С., Ленец Е.А., Гаврилова Е.С., Минина Е.Е., Поздеева В.А., Уколов Н.Д. Гендерные различия в кардиометаболических факторах риска у лиц молодого возраста. Комплекс. пробл. серд.-сосуд. заболев. 2021;10(S2):94–98. doi: 10.17802/2306-1278-2021-10-2S-94-98

60. Шаповалова Э.Б., Максимов С.А., Артамонова Г.В. Половые и гендерные различия сердечно-сосудистого риска. Рос. кардиол. ж. 2019;24(4):99–104. doi: 10.15829/1560-4071-2019-4- 99-104

61. Ерина А.М., Усольцев Д.А., Бояринова М.А., Колесова Е.П., Могучая Е.В., Толкунова К.М., Алиева А.С., Ротарь О.П., Артемов Н.Н., Шальнова С.А., … Шляхто Е.В. Потребность в назначении гиполипидемической терапии вроссийской популяции: сравнение шкал SCORE и SCORE2 (по данным исследования ЭССЕ-РФ). Рос. кардиол. ж. 2022;27(5):5006. doi: 10.15829/1560-4071-2022-5006

62. Безрукова Г.А., Новикова Т.А. Применение современных цифровых технологий в предиктивной аналитике факторов риска преждевременной смерти от социально значимых неинфекционных заболеваний (обзор литературы). Здравоохр. Рос. Федерации. 2022;66(6):484–490. doi: 10.47470/0044-197X-2022-66-6-484-490

63. Шальнова С.А. Драпкина О.М., Концевая А.В., Яровая Е.Б., Куценко В.А., Метельская В.А., Капустина А.В., Баланова Ю.А., Литинская О.А., Покровская М.С. Пилотный проект по изучению тропонина I в представительной выборке одного из регионов-участников исследования ЭССЕ-РФ: распределение в популяции и ассоциации с факторами риска. Кардиоваскуляр. терапия и профилакт. 2021;20(4):32–41. doi: 10.15829/1728-8800-2021-2940

64. Берштейн Л.Л., Головина А.Е., Катамадзе Н.О., Бондарева Е.В., Сайганов С.А. Оценка точности прогнозирования сердечно-сосудистых событий с помощью шкалы SCORE и ультразвуковой визуализации атеросклеротической бляшки среди пациентов многопрофильного стационара Санкт-Петербурга: данные среднесрочного наблюдения. Рос. кардиол. ж. 2019;24(5):20–25. doi: 10.15829/1560-4071-2019-5-20-25

65. Binuya M.A.E., Engelhardt E.G., Schats W., Schmidt M.K., Steyerberg E.W. Methodological guidance for the evaluation and updating of clinical prediction models: a systematic review. BMC Med Res Methodol. 2022; 22:316. doi: 10.1186/s12874-022-01801-8

66. Зайцева Н.В., Онищенко Г.Г., Май И.В., Шур П.З. Развитие методологии анализа риска здоровью в задачах государственного управления санитарно-эпидемиологическим благополучием населения. Анал. риска здоровью. 2022;(3):4–20. doi: 10.21668/health.risk/2022.3.01

67. Лебедева-Несевря Н.А., Кирьянов Д.А., Барг А.О. Оценка сочетанного воздействия социальных и производственных факторов риска на здоровье работников предприятия порошковой металлургии по результатам эпидемиологических исследований. Здоровье населения и среда обитания. 2010;(11): 44–46.

68. Онищенко Г.Г. Актуальные проблемы и перспективы развития методологии анализа риска в условиях современных вызовов безопасности для здоровья населения Российской Федерации. Анал. риска здоровью. 2023;(4):4–18. doi: 10.21668/health.risk/2023.4.01.