Abstract
Сахарный диабет 2 типа (СД2) и предиабетические состояния являются одной из ведущих проблем общественного здравоохранения, демонстрируя рост распространённости как в мире, так и в Республике Казахстан. В условиях страны наблюдается значительное увеличение числа больных и смертности, что подчёркивает актуальность раннего выявления нарушений углеводного обмена. В последние годы особое внимание уделяется применению искусственного интеллекта (ИИ) и машинного обучения (МО) для диагностики и скрининга диабета. Настоящее исследование было направлено на оценку эффективности моделей ИИ для раннего выявления СД2 и предиабета на уровне первичной медико-санитарной помощи (ПМСП) в Казахстане на примере выборки из 486 пациентов. Построенные алгоритмы (логистическая регрессия, случайный лес, градиентный бустинг, XGBoost) продемонстрировали высокую точность прогнозирования (AUROC до 0,86), устойчивую производительность в подгруппах и клиническую пользу в анализе принятия решений. Внедрение ИИ-модели позволило снизить нагрузку на лабораторные тесты при сохранении высокой чувствительности выявления нарушений углеводного обмена. Полученные результаты свидетельствуют о перспективности интеграции ИИ-инструментов в практику ПМСП Казахстана, однако требуют дальнейшей мультицентровой валидации, анализа затрат-эффективности и разработки регуляторных механизмов для безопасного и этичного использования.