Объяснимый и заслуживающий доверия искусственный интеллект в кардиологии: нарративный обзор клинических применений, операционной интеграции и перспектив развития

Предпосылки и цели: Искусственный интеллект (ИИ) все активнее трансформирует кардиологию благодаря передовым аналитическим инструментам, способным выявлять сложные закономерности в данных сердечно-сосудистой визуализации, электрофизиологии и клинических исследованиях. Алгоритмы машинного обучения (ML) и глубокого обучения (DL) интегрируются в эхокардиографию, компьютерную томографию сердца (КТ), магнитно-резонансную томографию сердца (МРТ) и электрокардиографию (ЭКГ), обеспечивая более раннюю диагностику и более персонализированную помощь пациентам с сердечно-сосудистыми заболеваниями. В настоящем нарративном обзоре обобщаются современные клинические и организационные применения ИИ в кардиологии и рассматриваются новые концепции, связанные с объяснимым и заслуживающим доверия ИИ. Методы: Нарративный обзор проведен в соответствии с рекомендациями SANRA с использованием баз данных PubMed, MEDLINE, Web of Science и Scopus; были включены рецензируемые публикации за 2015–2026 годы, посвященные клиническим, организационным и этическим аспектам применения ИИ в кардиологии, с особым вниманием к сердечно-сосудистой визуализации, электрокардиографии, сердечной недостаточности, цифровому здравоохранению и платформам объяснимого ИИ. Результаты: Значительный объем данных свидетельствует о том, что инструменты на основе ИИ могут достигать уровня экспертов при интерпретации сердечно-сосудистых изображений, автоматизированном анализе электрокардиограмм и прогнозировании клинических рисков. В различных областях сердечно-сосудистой медицины применение ИИ связано с повышением диагностической точности, увеличением эффективности рабочих процессов и более ранним выявлением сердечно-сосудистых заболеваний. Прогностические модели поддерживают стратификацию риска при сердечной недостаточности и ишемической болезни сердца, тогда как чат-боты и цифровые медицинские платформы могут способствовать вовлечению пациентов, дистанционному мониторингу и непрерывности медицинской помощи. Несмотря на эти достижения, сохраняются важные проблемы, включая алгоритмическую предвзятость, ограниченную прозрачность, недостаточную внешнюю валидацию, неоднородность данных и препятствия для внедрения в повседневную клиническую практику. Новые подходы к объяснимому ИИ могут повысить интерпретируемость моделей, клиници...