Исследователи из Университетского колледжа Дублина (UCD) разработали систему искусственного интеллекта, способную предсказать потребность пострадавших в переливании крови ещё до их доставки в больницу. Работа, опубликованная в престижном журнале The Lancet Digital Health в феврале 2026 года, описывает модель машинного обучения, обученную исключительно на данных, доступных бригадам скорой помощи: витальные показатели, характер травм и история приёма лекарств.
Для обучения модели команда под руководством профессора Патрисии Магуайр из Центра ИИ в здравоохранении UCD использовала данные 364 350 пациентов с травмами из реестров США. Система анализирует догоспитальную информацию и определяет, потребуется ли пациенту переливание эритроцитарной массы, экстренная операция или существует ли риск смерти от кровопотери — и всё это ещё в машине скорой помощи.
Валидация модели проводилась на независимой выборке из 54 210 пациентов из Германии, Австрии, Швейцарии, Ирландии и Канады. Результаты показали высокую предиктивную точность: система превзошла традиционные методы классификации рисков, которые применяются уже после поступления пациента в приёмное отделение. «ИИ-система поддержки принятия решений может обеспечить более раннюю идентификацию пациентов с наивысшим риском», — отметила профессор Магуайр.
Своевременное переливание крови при тяжёлых травмах — вопрос жизни и смерти. По данным ВОЗ, геморрагический шок остаётся одной из ведущих причин смерти при травмах в первые часы. Каждая минута задержки снижает шансы на выживание, а традиционные протоколы оценки рисков требуют лабораторных анализов, которые занимают драгоценное время уже в больнице.
Принципиальное отличие новой системы — работа исключительно с догоспитальными данными. Это означает, что диспетчеры и врачи скорой помощи могут заранее подготовить компоненты крови нужной группы, предупредить хирургическую бригаду и оптимизировать маршрут до ближайшего травмоцентра с необходимыми ресурсами. Такой подход способен сократить время от травмы до переливания на десятки минут.
Разработка вписывается в глобальный тренд внедрения ИИ в трансфузиологию. По данным обзора в журнале Nature, машинное обучение уже применяется для прогнозирования потребностей в крови в отделениях интенсивной терапии, контроля качества эритроцитов и управления запасами банков крови. Однако исследование UCD — одно из немногих, прошедших международную валидацию на шести странах, что делает его одним из наиболее близких к реальному клиническому внедрению.
