СОВРЕМЕННЫЕ МОЛЕКУЛЯРНЫЕ И РЕГЕНЕРАТИВНЫЕ ПОДХОДЫ К ЛЕЧЕНИЮ ИШЕМИЧЕСКОЙ БОЛЕЗНИ СЕРДЦА

Основные положения

• Современный подход к лечению ишемической болезни сердца (ИБС) выходит за рамки традиционных инвазивных методик, включая чрескожные коронарные вмешательства и аортокоронарное шунтирование. Несмотря на эффективность этих процедур, они сопряжены с риском осложнений у пациентов с полиморбидным фоном, что обусловливает необходимость поиска более безопасных и персонифицированных решений. Особую актуальность приобретают молекулярные и регенеративные технологии, направленные на ключевые патогенетические звенья заболевания, такие как хроническое воспаление, эндотелиальная дисфункция, нарушение липидного обмена и ремоделирование сосудистой стенки и миокарда.
• Нанотехнологии, РНК-терапия и клеточные платформы демонстрируют потенциал к трансформации клинической практики. Применение полимерных, липидных и металлических наночастиц обеспечивает адресную доставку лекарств, снижение воспаления и стабилизацию атеросклеротических бляшек. Интерферирующие РНК (siRNA и miRNA) модулируют экспрессию генов, регулирующих липидный обмен и воспаление, а стволовые клетки способствуют регенерации миокарда и иммуномодуляции. Эти направления формируют основу перспективного направления в развитии прецизионной терапии ИБС, находящегося в настоящее время преимущественно на стадии доклинических и ранних клинических исследований.
• Интеграция искусственного интеллекта в кардиологическую практику усиливает аналитический потенциал диагностики и прогноза. Алгоритмы искусственного интеллекта (например, системы для анализа коронарной КТ-ангиографии, автоматического расчета индекса кальция, анализа электрокардиографии, такие как HeartFlow, KardiaAI) успешно применяются для оценки медицинских изображений, стратификации риска, анализа биомаркеров и прогнозирования осложнений. В совокупности, комплексный подход, сочетающий достижения инвазивной кардиологии, молекулярной биологии, регенеративной медицины и цифровых технологий, открывает путь к персонализированному и патогенетически обоснованному лечению ИБС.

Резюме

Ишемическая болезнь сердца (ИБС) остается ведущей причиной смертности, несмотря на значительный прогресс в кардиологической практике. Статья представляет системный обзор современных подходов к лечению ИБС, включая традиционные инвазивные методы, наномедицину, генную терапию и клеточные технологии. Чрескожное коронарное вмешательство и аортокоронарное шунтирование остаются основой лечения критических стенозов. Однако у части пациентов эти методы сопряжены с высоким риском осложнений: например, нефропатия, фибрилляция предсердий или несостоятельность трансплантата. Поэтому внимание исследователей все больше смещается к высокотехнологичным молекулярным стратегиям. Экспериментальные исследования на животных моделях (in vivo) продемонстрировали, что наночастицы на основе сополимера молочной и гликолевой кислот (PLGA), нагруженные питавастатином, обладают способностью снижать воспаление и стабилизировать атеросклеротические бляшки. Доклинические исследования показывают, что использование липосомальных форм преднизолона может обеспечить направленную доставку препарата к участкам рестеноза. Однако клиническая трансляция нанотехнологий сталкивается с проблемами безопасности, токсичности, биораспределения, высокой стоимости производства и регуляторными барьерами. Фотоакустическая и флуоресцентная визуализация с помощью функционализированных наночастиц открывает новые возможности диагностики. Подача малых интерферирующих РНК (siRNA), в частности siPCSK9, с помощью липидных носителей приводит к значимому снижению уровня липопротеинов низкой плотности в экспериментальных моделях. Экспериментальные данные, полученные преимущественно на моделях животных и in vitro, связывают применение таких микроРНК, как miR -124 и miR -34, с модуляцией воспаления и апоптоза при атеросклерозе, однако их терапевтический потенциал у человека требует дальнейшего изучения. Стволовые клетки (мезенхимальные стволовые клетки, UCSCs) демонстрируют потенциал в восстановлении миокарда и регуляции иммунного ответа. Также рассматривается роль искусственного интеллекта (например, алгоритмов глубокого обучения для сегментации бляшек, радиомики, прогностических моделей на основе машинного обучения) в анализе данных визуализации, планировании вмешательств и прогнозировании исходов. В совокупности, статья подчеркивает трансформацию лечения ИБС в сторону прецизионной, направленной и биоинженерной терапии, что открывает новые горизонты в кардиологической практике.

1. Вайсман Д.Ш., енина е.Н. Показатели смертности от ишемической болезни сердца в Российской Федерации и ряде регионов: особенности динамики и структуры. Кардиоваскулярная терапия и профилактика. 2024;23(7):3975. https://doi.org/10.15829/1728-8800-2024-3975.

2. Бойцов С.А., Проваторов С.И. Возможности диспансерного наблюдения в снижении смертности от ишемической болезни сердца. Терапевтический архив. 2023;95(1):5–10. https://doi.org/10.26442/00403660.2023.01.202038

3. Шепель Р.Н., Самородская И.В., Какорина е.П., Драпкина О.М. Смертность от хронических форм ишемической болезни сердца в Российской Федерации: достаточно ли данных для анализа и принятия управленческих решений? Кардиоваскулярная терапия и профилактика. 2024;23(12):4293. https://doi.org/10.15829/1728-88002024-4293.

4. Киденко В.А., Метова М.М., Габриелян е.Ю., и др. Наночастицы для адресной доставки лекарственных средств в современной кардиологии. Клиническая медицина. 2023;101(9-10):454-466. https://doi.org/10.30629/0023-2149-2023-101-9-10-454-466

5. Yusuf A, Almotairy ARZ, Henidi H, et al. Nanoparticles as Drug Delivery Systems: A Review of the Implication of Nanoparticles' Physicochemical Properties on Responses in Biological Systems. Polymers (Basel). 2023;15(7):1596. doi: 10.3390/polym15071596.

6. Мусаева ФТ, Суменова еР, Исламгулов АХ, и др. Роль искусственного интеллекта и новых методов визуализации в ранней диагностике рака поджелудочной железы: научный обзор. Digital Diagnostics. 2025;6(2):317-330. doi: 10.17816/DD670193

7. Silva AK, Letourneur D, Chauvierre C. Polysaccharide nanosystems for future progress in cardiovascular pathologies. Theranostics. 2014;4(6):579-91. doi: 10.7150/thno.7688

8. Soumya RS, Raghu KG. Recent advances on nanoparticle-based therapies for cardiovascular diseases. J Cardiol. 2023;81(1):10-18. doi: 10.1016/j.jjcc.2022.02.009.

9. Li Y, Pan Y, Wu X, et al. Dual-modality imaging of atherosclerotic plaques using ultrasmall superparamagnetic iron oxide labeled with rhodamine. Nanomedicine (Lond). 2019;14(15):1935-1944. doi: 10.2217/nnm-2019-0062.

10. Samreen N, Bhatt AA, Glockner J, Lee CU. A Case of Ferumoxytol (Feraheme®) Prompting Critical Modification to Our Patient Prebreast Magnetic Resonance Imaging Questionnaire. J Clin Imaging Sci. 2019;9:6. Published 2019 Mar 28. doi:10.25259/JCIS-9-6

11. Hoffman HT, Quets J, Toshiaki T, et al. Functional magnetic resonance imaging using iron oxide particles in characterizing head and neck adenopathy. Laryngoscope. 2000;110(9):1425-1430. doi:10.1097/00005537-200009000-00002

12. DiStasio N, Lehoux S, Khademhosseini A, Tabrizian M. The Multifaceted Uses and Therapeutic Advantages of Nanoparticles for Atherosclerosis Research. Materials (Basel). 2018;11(5):754. doi: 10.3390/ma11050754.

13. Kwon SP, Jeon S, Lee SH, et al. Thrombin-activatable fluorescent peptide incorporated gold nanoparticles for dual optical/computed tomography thrombus imaging. Biomaterials. 2018;150:125-136. doi: 10.1016/j.biomaterials.2017.10.017

14. Ambesh P, Campia U, Obiagwu C, et al. Nanomedicine in coronary artery disease. Indian Heart J. 2017;69(2):244-251. doi: 10.1016/j.ihj.2017.02.007.

15. Ikeda H, Ishii A, Sano K, et al. Activatable fluorescence imaging of macrophages in atherosclerotic plaques using iron oxide nanoparticles conjugated with indocyanine green. Atherosclerosis. 2018;275:1-10. doi: 10.1016/j.atherosclerosis.2018.05.028.

16. Karimi M, Zare H, Bakhshian Nik A, et al. Nanotechnology in diagnosis and treatment of coronary artery disease. Nanomedicine (Lond). 2016;11(5):513-30. doi: 10.2217/nnm.16.3.

17. Beldman TJ, Senders ML, Alaarg A, et al. Hyaluronan Nanoparticles Selectively Target Plaque-Associated Macrophages and Improve Plaque Stability in Atherosclerosis. ACS Nano. 2017;11(6):5785-5799. doi: 10.1021/acsnano.7b01385.

18. Distasio N, Dierick F, Ebrahimian T, et al. Design and development of Branched Poly(ß-aminoester) nanoparticles for Interleukin-10 gene delivery in a mouse model of atherosclerosis. Acta Biomater. 2022;143:356-371. doi: 10.1016/j.actbio.2022.02.043.

19. Xu C, Yin L, Teng Z, et al. of Obesity Related Diseases through Laminarin-induced targeted delivery of Bindarit. Theranostics. 2020;10(21):9544-9560. doi: 10.7150/thno.45788.

20. Ozcan G, Ozpolat B, Coleman RL, et al. Preclinical and clinical development of siRNA-based therapeutics. Adv Drug Deliv Rev. 2015;87:108-19. doi: 10.1016/j.addr.2015.01.007.

21. Leung AK, Tam YY, Cullis PR. Lipid nanoparticles for short interfering RNA delivery. Adv Genet. 2014;88:71-110. doi: 10.1016/B978-0-12-800148-6.00004-3.

22. Zhao Y, Gao H, He J, et al. Co-delivery of LOX-1 siRNA and statin to endothelial cells and macrophages in the atherosclerotic lesions by a dual-targeting core-shell nanoplatform: A dual cell therapy to regress plaques. J Control Release. 2018;283:241-260. doi: 10.1016/j.jconrel.2018.05.041.

23. Civeira F, Martín C, Cenarro A. APOE and familial hypercholesterolemia. Curr Opin Lipidol. 2024;35(4):195-199. doi: 10.1097/MOL.0000000000000937.

24. Leiter LA, Raal FJ, Schwartz GG, et al. Inclisiran in individuals with diabetes or obesity: Post hoc pooled analyses of the ORION-9, ORION-10 and ORION-11 Phase 3 randomized trials. Diabetes Obes Metab. 2024;26(8):3223-3237. doi: 10.1111/dom.15650.

25. Fitzgerald K, Frank-Kamenetsky M, Shulga-Morskaya S, et al. Effect of an RNA interference drug on the synthesis of proprotein convertase subtilisin/kexin type 9 (PCSK9) and the concentration of serum LDL cholesterol in healthy volunteers: a randomised, single-blind, placebo-controlled, phase 1 trial. Lancet. 2014;383(9911):60-68. doi: 10.1016/S0140-6736(13)61914-5.

26. Ali Sheikh MS, Alduraywish A, Almaeen A, et al. Therapeutic Value of miRNAs in Coronary Artery Disease. Oxid Med Cell Longev. 2021;2021:8853748. doi: 10.1155/2021/8853748.

27. Парфенова е.В., Дергилев К.В. Клеточная терапия в кардиологии: время надежд. Кардиологический вестник. 2023;18(4):7‑18. https://doi.org/10.17116/Cardiobulletin2023180417

28. Kandaswamy E, Zuo L. Recent Advances in Treatment of Coronary Artery Disease: Role of Science and Technology. Int J Mol Sci. 2018;19(2):424. doi: 10.3390/ijms19020424.

29. Selvakumar D, Clayton ZE, Chong JJH. Robust Cardiac Regeneration: Fulfilling the Promise of Cardiac Cell Therapy. Clin Ther. 2020;42(10):1857-1879. doi: 10.1016/j.clinthera.2020.08.008.

30. Ding Y, Su J, Shan B, et al. Brown adipose tissue-derived FGF21 mediates the cardioprotection of dexmedetomidine in myocardial ischemia/reperfusion injury. Sci Rep. 2024 Aug 7;14(1):18292. doi: 10.1038/s41598-024-69356-w.

31. Leri A. Human cardiac stem cells: the heart of a truth. Circulation. 2009;120(25):2515-8. doi: 10.1161/CIRCULATIONAHA.109.911107.

32. Fisher SA, Doree C, Mathur A, et al. Stem cell therapy for chronic ischaemic heart disease and congestive heart failure. Cochrane Database Syst Rev. 2016;12(12):CD007888. doi:10.1002/14651858

33. Malliaras K, Makkar RR, Smith RR, et al. Intracoronary cardiosphere-derived cells after myocardial infarction: evidence of therapeutic regeneration in the final 1-year results of the CADUCEUS trial (CArdiosphere-Derived aUtologous stem CElls to reverse ventricUlar dySfunction). J Am Coll Cardiol. 2014;63(2):110-122. doi:10.1016/j.jacc.2013.08.724

34. Giacca M. Cardiac Regeneration After Myocardial Infarction: an Approachable Goal. Curr Cardiol Rep. 2020;22(10):122. doi: 10.1007/s11886-020-01361-7.

35. Li Y, Shi G, Han Y, et al. Therapeutic potential of human umbilical cord mesenchymal stem cells on aortic atherosclerotic plaque in a high-fat diet rabbit model. Stem Cell Res Ther. 2021;12(1):407. doi: 10.1186/s13287-021-02490-8.

36. Singh RB, Mojto V, Fedacko J, et al. New Technologies for Treatment of Coronary Artery Disease. Biomed J Sci & Tech Res 13(3):2019. DOI: 10.26717/ BJSTR.2019.13.002411

37. Исламгулов АХ, Богданова АС, Суфияров ДИ, и др. Современные возможности применения технологий искусственного интеллекта в сердечно-сосудистой визуализации. Digital Diagnostics. 2025;6(1):116-129. doi: 10.17816/DD640895

38. Parsa S, Shah P, Doijad R, Rodriguez F. Artificial Intelligence in Ischemic Heart Disease Prevention. Curr Cardiol Rep. 2025;27(1):44. doi: 10.1007/s11886-025-02203-0.

39. Khan SS, Matsushita K, Sang Y, et al. Development and Validation of the American Heart Association's PREVENT Equations. Circulation. 2024 Feb 6;149(6):430-449. doi: 10.1161/CIRCULATIONAHA.123.067626.

40. Ward A, Sarraju A, Chung S, et al. Machine learning and atherosclerotic cardiovascular disease risk prediction in a multi-ethnic population. NPJ Digit Med. 2020;3:125. doi: 10.1038/s41746-020-00331-1.

41. Sarraju A, Ward A, Chung S, et al. Machine learning approaches improve risk stratification for secondary cardiovascular disease prevention in multiethnic patients. Open Heart. 2021;8(2):e001802. doi: 10.1136/openhrt-2021-001802.

42. Patel AP, Wang M, Ruan Y, et al. A multi-ancestry polygenic risk score improves risk prediction for coronary artery disease. Nat Med. 2023;29(7):1793-1803. doi: 10.1038/s41591-023-02429-x.

43. Nurmohamed NS, Belo Pereira JP, Hoogeveen RM, et al. Targeted proteomics improves cardiovascular risk prediction in secondary prevention. Eur Heart J. 2022; 43(16):1569-1577. doi: 10.1093/eurheartj/ehac055.

44. Wu J, Giles C, Dakic A, et al. Lipidomic Risk Score to Enhance Cardiovascular Risk Stratification for Primary Prevention. J Am Coll Cardiol. 2024;84(5):434-446. doi: 10.1016/j.jacc.2024.04.060.

45. Stehlik J, Schmalfuss C, Bozkurt B, et al. Continuous Wearable Monitoring Analytics Predict Heart Failure Hospitalization: The LINK-HF Multicenter Study. Circ Heart Fail. 2020;13(3):e006513. doi: 10.1161/CIRCHEARTFAILURE.119.006513

46. Shufelt CL, Kim A, Joung S, et al. Biometric and Psychometric Remote Monitoring and Cardiovascular Risk Biomarkers in Ischemic Heart Disease. J Am Heart Assoc. 2020;9(18):e016023. doi: 10.1161/JAHA.120.016023.

47. Zhang N, Yang G, Zhang W, et al. Fully automatic framework for comprehensive coronary artery calcium scores analysis on non-contrast cardiac-gated CT scan: Total and vessel-specific quantifications. Eur J Radiol. 2021;134:109420. doi: 10.1016/j.ejrad.2020.109420.

48. Naghavi M, Reeves AP, Atlas K, et al. Artificial intelligence applied to coronary artery calcium scans (AI-CAC) significantly improves cardiovascular events prediction. NPJ Digit Med. 2024 Nov 5;7(1):309. doi: 10.1038/s41746-024-01308-0.

49. Eslami P, Parmar C, Foldyna B, et al. Radiomics of Coronary Artery Calcium in the Framingham Heart Study. Radiol Cardiothorac Imaging. 2020;2(1):e190119. doi: 10.1148/ryct.2020190119.

50. Choi AD, Marques H, Kumar V, et al. CT ​Evaluation ​by ​Artificial ​Intelligence ​for ​Atherosclerosis, Stenosis and Vascular ​Morphology ​(CLARIFY): ​A ​Multi-center, international study. J Cardiovasc Comput Tomogr. 2021;15(6):470-476. doi: 10.1016/j.jcct.2021.05.004.

51. Lin A, Manral N, McElhinney P, et al. Deep learning-enabled coronary CT angiography for plaque and stenosis quantification and cardiac risk prediction: an international multicentre study. Lancet Digit Health. 2022;4(4):e256-e265. doi: 10.1016/S2589-7500(22)00022-X.

52. Hughes JW, Tooley J, Torres Soto J, et al. A deep learning-based electrocardiogram risk score for long term cardiovascular death and disease. NPJ Digit Med. 2023;6(1):169. doi: 10.1038/s41746-023-00916-6.