С.В. Фролов1, Д.Е. Судаков2, А.А. Коробов3, Д.Г. Старых4

1–4 Тамбовский государственный технический университет (г. Тамбов, Россия)
1 sergej.frolov@gmail.com, 2 sudakov.dima1702@yandex.ru, 3 korobov1991@mail.ru, 4 staryh.danya@yandex.ru

Постановка проблемы. Дефект межжелудочковой перегородки (ДМЖП) – это наиболее часто диагностируемая кардиальная аномалия в педиатрической практике. Патогенетические механизмы данного порока связаны с патологическим сообщением между желудочками, что вызывает ряд гемодинамических нарушений. Эти изменения создают значительные диагностические и терапевтические сложности, что вызывает необходимость разработки эффективной системы мониторинга состояния пациентов педиатрического возраста с диагностированным ДМЖП.

Цель. Разработать методику моделирования in silico текущего функционального статуса и динамики изменений сердечно-сосудистой системы у детей с ДМЖП, направленную на оптимизацию принятия клинических решений и снижение уровня детской смертности.

Результаты. Создан специализированный программный комплекс для математического моделирования функционирования сердечно-сосудистой системы у детей с ДМЖП. Отмечено, что система поддержки принятия врачебных решений обеспечивает комплексное прогнозирование физиологического состояния развивающегося организма с учетом возрастных особенностей гемодинамики.

Практическая значимость. Разработанная система реализует многопараметрическую модель, позволяющую оценивать риск развития критических состояний, выявлять доклинические признаки гемодинамических нарушений, проводить верификацию терапевтических стратегий in silico и предотвращать жизнеугрожающие осложнения за счет своевременного выявления негативных тенденций в изменении гемодинамических показателей.

Фролов С.В., Судаков Д.Е., Коробов А.А., Старых Д.Г. Система поддержки принятия врачебных решений для ранней диагностики детей с дефектом межжелудочковой перегородки // Биомедицинская радиоэлектроника. 2026. T. 29. № 1. С. 18−23. DOI: https:// doi.org/10.18127/j156 04136-202601-04

1. Zhang X., Haneishi H., Liu H. Multiscale modeling of the cardiovascular system for infants, children, and adolescents: Age-related alterations in cardiovascular parameters and hemodynamics. Computers in Biology and medicine. 2019. № 108. P. 200–212.
2. ГОСТ Р 71671–2024. Системы поддержки принятия врачебных решений (СППВР) с использованием искусственного интеллекта. Требования к функциональности и безопасности. Введ. 2025-01-01. М.: Стандартинформ, 2024. 24 с.
3. Aleksandrovich A.S., Zimatkina T.I., Zukovskaya K.G., Shidlovskaya A.S. Possibilities of antenatal ultrasound diagnosis of congenital heart defects // Инновационные научные исследования. 2023. № 5–2(29). C. 19–25. URL: https://ip-journal.ru/.
4. Berner E.S., Tonya J.L. Clinical Decision Support Systems: Theory and Practice. 2. New York: Springer Science and Business Media. 2007. P. 3–22.
5. Frolov S.V., Sindeev S.V., Lischouk V.A. A lumped parameter model of cardiovascular system with pulsating heart for diagnostic studies. Journal of Mechanics in Medicine and Biology 2017. № 17(5). 1750056 (21).
6. Басараб М.А., Коннова Н.С., Митрохин В.Н., Басараб Д.А., Мациевский Д.Д. Диагностика состояний сердечно-сосудистой системы методами нелинейной цифровой обработки сигналов доплеровских измерителей скорости кровотока // Биомедицинская радиоэлектроника. 2017. № 5. С. 3–12.
7. Tsiklidis E.J., Sinno T., Diamond S.L. Coagulopathy implications using a multiscale model of traumatic bleeding matching macro- and microcirculation. The American Journal of Physiology-Heart and Circulatory Physiology. 2019. №317(1). P. 73–86.
8. Фролов С.В., Лядов М.А., Остапенко О.А. Экспертная система оценки физического развития ребенка на основе аппарата реляционной алгебры. Биотехносфера. 2013. №6(30). C. 28.
9. Фролов С.В. Судаков Д.Е. Старых Д.Г. Построение зависимостей изменения параметров организма ребенка от возраста. Моделирование, оптимизация и информационные технологии. 2024;12(3). URL: https://moitvivt.ru/ru/journal/pdf?id=1622 DOI: 10.26102/2310-6018/2024.46.3.004.
10. Гаврилов Д.В., Серова Л.М., Корсаков И.Н. и др. Предсказание сердечно-сосудистых событий при помощи комплексной оценки факторов риска с использованием методов машинного обучения // Врач. Научно-практический журнал. 2020. № 5. С. 41–45.
11. Жулева С.Ю., Крошилин А.В., Крошилина С.В. Поддержка принятия управленческих медицинских решений и природа неопределенности в них // Биомедицинская радиоэлектроника. 2021. № 4. С. 89–96.