A hypertoniabetegség és a mesterséges intelligencia: a diagnosztikától a terápiáig = Hypertension and artificial intelligence: from diagnosis to therapy

Kékes, Ede (2025) A hypertoniabetegség és a mesterséges intelligencia: a diagnosztikától a terápiáig = Hypertension and artificial intelligence: from diagnosis to therapy. HYPERTONIA ÉS NEPHROLOGIA, 29 (6). pp. 256-265. ISSN 1418-477X

Text a-hypertoniabetegseg-es-a-mesterseges-intelligencia-a-diagnosztikatol-a-terapiaig.pdf - Published Version Restricted to Repository staff only until 17 December 2026. Download (2MB)

Abstract

A magas vérnyomás világszerte növekvő népegészségügyi probléma, amely szív- és érrendszeri betegségekhez vezethet, miközben sok érintett nincs is tisztában állapotával, annak várható következményeivel. Tanulmányunk fókuszál a mesterséges intelligencia (MI) alkalmazására a hypertonia diagnosztizálásában, például a kockázati faktorok felismerésében és kezelésében: például az optimális életviteli és gyógyszeres terápiában, illetve várható kimenetelében. Az MI segíti a korai felismerést, figyelembe veszi az egyéni kockázati tényezőket, genetikus faktorokat. Javítja a gyógyszeres kezelés optimalizálását, személyre szabott terápiás stratégiákkal. A magas vérnyomás felismerésének pontossága elérheti a 60-90%-ot, a társbetegségek, a demográfiai adatok, és rutin laboratóriumi vizsgálatok segítségével. A bemutatott MI-algoritmusok, gépi tanulási modellek hatékonyabb prognosztikus előrejelzést nyújtanak, és hozzájárulnak az ellátás hatékonyságának növeléséhez. Az MI a hypertonia kezelésének jövőjét mutatja. Az MI alkalmazásának elindítása a klinikai gyakorlatban további tudományos validálást és a klinikai gyakorló orvos aktív részvételét igényli. | High blood pressure is a growing public health problem worldwide, which can lead to cardiovascular disease. At the same time many people are unaware of the condition and its consequences. Our study focuses on the application of Artificial Intelligence (AI) in the diagnosis of hypertension, e.g. in the identification of risk factors and in treatment: e.g. optimal lifestyle and drug therapy and expected outcomes. MI helps early detection, taking into account individual risk factors, genetics. It improves the optimisation of drug treatment with personalised therapeutic strategies. The accuracy of detecting hypertension can reach 60-90%, with the help of co-morbidities, demographic data and routine laboratory tests. The presented AI algorithms and machine learning models will provide more effective prognostic prediction and contribute to increasing the efficiency of care. MI is the future of hypertension management. Initiating the use of MI in clinical practice requires further scientific validation and active participation of the clinician practitioner.

Actions (login required)

Edit Item