Аннотация
Врожденные пороки сердца (ВПС) остаются одной из наиболее сложных задач кардиологии и кардиохирургии из-за высокой анатомической вариабельности, сложности диагностики и необходимости долгосрочного наблюдения. При этом внедрение методов искусственного интеллекта (ИИ) в клиническую практику при ВПС пока ограничено. ИИ предоставляет возможности для повышения точности диагностики, стратификации рисков, прогнозирования исходов и оптимизации хирургического планирования на всех этапах – от пренатального скрининга до наблюдения взрослых. В обзоре рассматриваются текущие направления применения ИИ при ВПС, включая анализ медицинских изображений, электрокардиографии, акустических и генетических данных. Несмотря на существующие барьеры, накопленные результаты показывают высокий потенциал ИИ для интеграции в клиническую практику и повышения качества медицинской помощи.
Литература
- Голухова Е.З. Отчет о лечебной и научной работе Национального медицинского исследовательского центра сердечно-сосудистой хирургии им. А.Н. Бакулева Минздрава России за 2024 год. Перспективы дальнейшего развития. Бюллетень НЦССХ им. А.Н. Бакулева РАМН. Сердечно-сосудистые заболевания. 2025; 26: 5–130. DOI: 10.24022/1810-0694-2025-26S
- Holt D.B., El-Bokl A., Stromberg D., Taylor M.D. Role of artificial intelligence in congenital heart disease and interventions. J. Soc. Cardiovasc. Angiogr. Interv. 2025; 4: 102567. DOI: 10.1016/j.jscai.2025.102567
- Chessa M., Van De Bruaene A., Farooqi K. et al. Three-dimensional printing, holograms, computational modelling, and artificial intelligence for adult congenital heart disease care: an exciting future. Eur. Heart J. 2022; 43: 2672–2684. DOI: 10.1093/eurheartj/ehac266
- Armoundas A.A., Narayan S.M., Arnett D.K. et al. Use of artificial intelligence in improving outcomes in heart disease. Circulation. 2024; 149: e1028–e1050. DOI: 10.1161/CIR.0000000000001201
- Ainiwaer A., Kadier K., Qin L. et al. Audiological diagnosis of valvular and congenital heart diseases in the era of artificial intelligence. Rev. Cardiovasc. Med. 2023; 24: 175. DOI: 10.31083/j.rcm2406175
- Sun X., Yin Y., Yang Q., Huo T. Artificial intelligence in cardiovascular diseases: diagnostic and therapeutic perspectives. Eur. J. Med. Res. 2023; 28: 242. DOI: 10.1186/s40001-023-01065-y
- Mohammadi I., Rajai Firouzabadi S., Hosseinpour M. et al. Using artificial intelligence to predict post-operative outcomes in congenital heart surgeries: a systematic review. BMC Cardiovasc. Disord. 2024; 24: 718. DOI: 10.1186/s12872-024-04336-6
- Taksøe-Vester C.A., Mikolaj K., Petersen O.B.B. et al. Role of artificial-intelligence-assisted automated cardiac biometrics in prenatal screening for coarctation of aorta. Ultrasound Obstet. Gynecol. 2024; 64: 36–43. DOI: 10.1002/uog.27608
- Suha K.T., Lubenow H., Soria-Zurita S. et al. The artificial intelligence-enhanced echocardiographic detection of congenital heart defects in the fetus: a mini-review. Medicina (Kaunas). 2025; 61: 561. DOI: 10.3390/medicina61040561
- Ma M., Sun L.-H., Chen R. et al. Artificial intelligence in fetal echocardiography: Recent advances and future prospects. Int. J. Cardiol. Heart Vasc. 2024; 53: 101380. DOI: 10.1016/j.ijcha.2024.101380
- Thomford N.E., Bope C.D., Agamah F.E. et al. Implementing artificial intelligence and digital health in resource-limited settings? Top 10 lessons we learned in congenital heart defects and cardiology. OMICS. 2020; 24: 264–277. DOI: 10.1089/omi.2019.0142
- Nogimori Y., Sato K., Takamizawa K. et al. Prediction of adverse cardiovascular events in children using artificial intelligence-based electrocardiogram. Int. J. Cardiol. 2024; 406: 132019. DOI: 10.1016/j.ijcard.2024.132019
- Ou Y. Can artificial intelligence-assisted auscultation become the Heimdallr for diagnosing congenital heart disease? Eur. Heart J. Digit. Health. 2021; 2: 117–118. DOI: 10.1093/ehjdh/ztab016
- Lv J., Dong B., Lei H. et al. Artificial intelligence-assisted auscultation in detecting congenital heart disease. Eur. Heart J. Digit. Health. 2021; 2: 119–124. DOI: 10.1093/ehjdh/ztaa017
- Chang Junior J., Caneo L.F., Turquetto A.L.R. et al. Predictors of in-ICU length of stay among congenital heart defect patients using artificial intelligence model: a pilot study. Heliyon. 2024; 10: e25406. DOI: 10.1016/j.heliyon.2024.e25406
- Zhang J., Xiao S., Zhu Y. et al. Advances in the application of artificial intelligence in fetal echocardiography. J. Am. Soc. Echocardiogr. 2024; 37: 550–561. DOI: 10.1016/j.echo.2023.12.013
- Yang H., Pan J., Wang W. et al. Application of artificial intelligence-based auxiliary diagnosis in congenital heart disease screening. Anatol. J. Cardiol. 2023; 27: 205–216. DOI: 10.14744/AnatolJCardiol.2022.1386
- Van den Eynde J., Manlhiot C., Van De Bruaene A. et al. Medicine-based evidence in congenital heart disease: how artificial intelligence can guide treatment decisions for individual patients. Front. Cardiovasc. Med. 2021; 8: 798215. DOI: 10.3389/fcvm.2021.798215
- Ejaz H., Thyyib T., Ibrahim A. et al. Role of artificial intelligence in early detection of congenital heart diseases in neonates. Front. Digit. Health. 2023; 5: 1345814. DOI: 10.3389/fdgth.2023.1345814
- Liu X., Zhang Y., Zhu H. et al. Applications of artificial intelligence-powered prenatal diagnosis for congenital heart disease. Front. Cardiovasc. Med. 2024; 11: 1345761. DOI: 10.3389/fcvm.2024.1345761
- Reddy C.D., Van den Eynde J., Kutty S. Artificial intelligence in perinatal diagnosis and management of congenital heart disease. Semin. Perinatol. 2022; 46: 151588. DOI: 10.1016/j.semperi.2022.151588
- De Vries I.R., van Laar J.O.E.H., van der Hout-van der Jagt M.B. et al. Fetal electrocardiography and artificial intelligence for prenatal detection of congenital heart disease. Acta Obstet. Gynecol. Scand. 2023; 102: 1511–1520. DOI: 10.1111/aogs.14623
- Bahado-Singh R., Friedman P., Talbot C. et al. Cell-free DNA in maternal blood and artificial intelligence: accurate prenatal detection of fetal congenital heart defects. Am. J. Obstet. Gynecol. 2023; 228: 76.e1–76.e10. DOI: 10.1016/j.ajog.2022.07.062
- Xu W., Yu K., Xu J. et al. Artificial intelligence technology in cardiac auscultation screening for congenital heart disease: present and future. Zhejiang Da Xue Xue Bao Yi Xue Ban. 2020; 49: 548–555. DOI: 10.3785/j.issn.1008-9292.2020.10.01
- Anjewierden S., O’Sullivan D., Mangold K.E. et al. Artificial intelligence-derived electrocardiographic age predicts mortality in adults with congenital heart disease. JACC Adv. 2025; 4: 101777. DOI: 10.1016/j.jacadv.2025.101777
- Gan Y., Yang L., Liao J. Artificial intelligence-assisted echocardiographic image-analysis for the diagnosis of fetal congenital heart disease: a systematic review and meta-analysis. Rev. Cardiovasc. Med. 2025; 26: 28060. DOI: 10.31083/RCM28060
- Liastuti L.D., Nursakina Y. Diagnostic accuracy of artificial intelligence models in detecting congenital heart disease in the second-trimester fetus through prenatal cardiac screening: a systematic review and meta-analysis. Front. Cardiovasc. Med. 2025; 12: 1473544. DOI: 10.3389/fcvm.2025.1473544
- Юрпольская Л.А., Шляппо М.А., Макаренко В.Н. и др. Методика 4D магнитно-резонансной томографии потока в изучении кровотока у пациентов с коарктацией аорты в отдаленные сроки после операции. Кардиология. 2020; 60: 54–64. DOI: 10.18087/cardio.2020.8.n1094
- Arafati A., Hu P., Finn J.P. et al. Artificial intelligence in pediatric and adult congenital cardiac MRI: an unmet clinical need. Cardiovasc. Diagn. Ther. 2019; 9: S310–S325. DOI: 10.21037/cdt.2019.06.09
- Свободов А.А., Гуласарян Р.С., Армаганова А.А. и др. Применение 3D-моделирования для определения тактики хирургического лечения сложного врожденного порока сердца с аномалией расположения и формирования сердца. Грудная и сердечно-сосудистая хирургия. 2023; 65: 119–123. DOI: 10.24022/0236-2791-2023-65-1-119-123
- Mayourian J., La Cava W.G., Vaid A. et al. Pediatric ECG-based deep learning to predict left ventricular dysfunction and remodeling. Circulation. 2024; 149: 917–931. DOI: 10.1161/CIRCULATIONAHA.123.067750
- Naruka V., Arjomandi Rad A., Subbiah Ponniah H. et al. Machine learning and artificial intelligence in cardiac transplantation: a systematic review. Artif. Organs. 2022; 46: 1741–1753. DOI: 10.1111/aor.14334
- Pozza A., Zanella L., Castaldi B., Di Salvo G. How will artificial intelligence shape the future of decision-making in congenital heart disease? J. Clin. Med. 2024; 13: 2996. DOI: 10.3390/jcm13102996
- Bruce C., Gatzoulis M.A., Brida M. Digital technology and artificial intelligence for improving congenital heart disease care: alea iacta est. Eur. Heart J. 2024; 45: 1386–1389. DOI: 10.1093/eurheartj/ehad898
- Bertsimas D., Zhuo D., Levine J. et al. Benchmarking in congenital heart surgery using machine learning-derived optimal classification trees. World J. Pediatr. Congenit. Heart Surg. 2022; 13: 23–35. DOI: 10.1177/21501351211051227
Об авторах
- Тимофеева Ольга Юрьевна, врач-аспирант, сердечно-сосудистый хирург; ORCID
- Григорьянц Тигран Рачикович. канд. мед. наук, вед. науч. сотр., врач сердечно-сосудистый хирург; ORCID
- Ким Алексей Иванович, д-р мед. наук, профессор, заведующий отделом; ORCID
