Oʻzbekcha
KORONAR REVASKULYARIZATSIYADAN KEYIN SIMPATOADRENAL TIZIM FAOLLIGINING DINAMIK O‘ZGARISHLARINI SUN’IY INTELLEKT ASOSIDA PROGNOZLASH
Journal
Conceptual foundations of fundamental, applied, and innovative research in the transformation of pedagogical education and upbringing
Issue
Proceedings of the international scientific and practical conference on “Conceptual foundations of fundamental, applied, and innovative research in the transformation of pedagogical education and upbringing”
Abstract
Ushbu maqolada yurak ishemik kasalligi bo‘lgan bemorlarda koronar revaskulyarizatsiyadan keyin simpatoadrenal tizim faolligining operatsiyadan oldin, 12 hafta va 24 haftadagi dinamik o‘zgarishlarini baholash hamda sun’iy intellekt asosida prognozlash imkoniyatlari yoritilgan. Tadqiqot konsepsiyasi koronar revaskulyarizatsiya o‘tkazilgan bemorlarda katexolaminlar, yurak ritmi variabelligi, malon dialdegid, elektrokardiografik va exokardiografik ko‘rsatkichlarni kompleks tahlil qilishga asoslanadi. Maqolada klinik-laborator va instrumental ma’lumotlar asosida “rezidual simpatoadrenal xavf”ni aniqlashga qaratilgan sun’iy intellekt modeli taklif etiladi. Bunday yondashuv revaskulyarizatsiyadan keyingi davrda yuqori xavfli bemorlarni erta aniqlash, individual kuzatuv algoritmini yaratish va profilaktik choralarni takomillashtirishga xizmat qilishi mumkin.
Keywords
sun’iy intellekt
koronar revaskulyarizatsiya
simpatoadrenal tizim
katexolaminlar
yurak ritmi variabelligi
malon dialdegid
oksidlovchi stress
prognostik model
individual monitoring.
Русский
В данной статье рассматриваются динамические изменения активности симпатоадреналовой системы после коронарной реваскуляризации у пациентов с ишемической болезнью сердца до операции, через 12 и 24 недели, а также возможности их прогнозирования с использованием искусственного интеллекта. Концепция исследования основана на комплексном анализе катехоламинов, вариабельности сердечного ритма, малонового диальдегида, электрокардиографических и эхокардиографических показателей у пациентов после коронарной реваскуляризации. В статье предложена модель искусственного интеллекта, направленная на выявление «остаточного симпатоадреналового риска» на основе клинико-лабораторных и инструментальных данных. Такой подход может способствовать раннему выявлению пациентов высокого риска, разработке индивидуального алгоритма наблюдения и совершенствованию профилактических мероприятий после реваскуляризации.
искусственный интеллект
коронарная реваскуляризация
симпатоадреналовая система
катехоламины
вариабельность сердечного ритма
малоновый диальдегид
окислительный стресс
прогностическая модель
индивидуальный мониторинг.
English
This article discusses the dynamic changes in sympathoadrenal system activity after coronary revascularization in patients with ischemic heart disease before the procedure, at 12 weeks, and at 24 weeks, as well as the potential role of artificial intelligence-based prediction. The research concept is based on the comprehensive assessment of catecholamines, heart rate variability, malondialdehyde, electrocardiographic, and echocardiographic parameters in patients after coronary revascularization. The article proposes an artificial intelligence-based model aimed at identifying “residual sympathoadrenal risk” using clinical, laboratory, and instrumental data. This approach may contribute to early detection of high-risk patients, development of individualized follow-up algorithms, and improvement of preventive strategies after revascularization.
artificial intelligence
coronary revascularization
sympathoadrenal system
catecholamines
heart rate variability
malondialdehyde
oxidative stress
predictive model
individualized monitoring.
1. Vrints C., Andreotti F., Koskinas K.C., Rossello X., et al. 2024 ESC Guidelines for the management of chronic coronary syndromes. European Heart Journal. 2024;45:3415–3537. doi:10.1093/eurheartj/ehae177.
2. Neumann F.J., Sousa-Uva M., Ahlsson A., Alfonso F., et al. 2018 ESC/EACTS Guidelines on myocardial revascularization. European Heart Journal. 2019;40:87–165. doi:10.1093/eurheartj/ehy394.
3. Matusik P.S., et al. Heart Rate Variability and Coronary Artery Bypass Grafting. Journal of Clinical Medicine. 2024.
4. Badrov M.B., et al. Effects of 6 Months of Exercise-Based Cardiac Rehabilitation on Autonomic Function and Neuro-Cardiovascular Stress Reactivity in Coronary Artery Disease Patients. Journal of the American Heart Association. 2019.
5. Simantiris S., Papastamos C., Antonopoulos A.S., et al. Oxidative Stress Biomarkers in Coronary Artery Disease. Current Topics in Medicinal Chemistry. 2023;23(22):2158–2171. doi:10.2174/1568026623666230502140614.
6. Hadi N., et al. Estimation of Serum Malondialdehyde as a Marker of Oxidative Stress and Predictive Biomarker for Severity of Coronary Artery Disease and Cardiovascular Outcomes. Cureus. 2024.
7. Jolfayi A.G., et al. Applied Machine Learning to Predict 1-Year Major Adverse Cardiovascular Events After Percutaneous Coronary Intervention. 2025.
8. Eini P., et al. Machine Learning and Regression-Based Models for Predicting Postoperative Atrial Fibrillation After Coronary Artery Bypass Grafting. 2026.
9. Collins G.S., Moons K.G.M., Dhiman P., Riley R.D., Beam A.L., et al. TRIPOD+AI statement: updated guidance for reporting clinical prediction models that use regression or machine learning methods. BMJ. 2024;385. doi:10.1136/bmj-2023-078378.
10. Kong A.S.Y., et al. Oxidative Stress Parameters as Biomarkers of Cardiovascular Disease: Toward a Standardized Approach. Antioxidants. 2022;11(6):1175. doi:10.3390/antiox11061175.
