В данном исследовании представлен инновационный подход к прогнозированию риска сердечно-сосудистых заболеваний (ССЗ) на основе комплексного анализа клинических, иммунологических и биохимических маркеров с использованием методов математического моделирования и машинного обучения. Исходные данные включают показатели гуморального и клеточного иммунитета (CD59, CD16, IL-10, CD14, CD19, CD8, CD4 и др.), цитокины и маркеры сердечно-сосудистых заболеваний, цитокины и маркеры воспаления (TNF, GM-CSF, CRP), факторы роста и ангиогенеза (VEGF, PGF), белки, участвующие в апоптозе и цитотоксичности (перфорин, CD95), а также показатели функции печени, почек, окислительного стресса и сердечной недостаточности (альбумин, цистатин C, N-концевой про-B-тип натрийуретического пептида (NT-proBNP), супероксиддисмутазы (SOD), С-реактивного белка (CRP), холинэстеразы (ChE), холестерина и скорости клубочковой фильтрации (GFR)). Также учитываются клинические и поведенческие факторы риска: артериальная гипертензия (АГ), перенесенный инфаркт миокарда (ПИМ), аортокоронарное шунтирование (АКШ) и/или стентирование, ишемическая болезнь сердца (ИБС), фибрилляция предсердий (ФП), атриовентрикулярная блокада (АВ-блокада), сахарный диабет (СД), а также образ жизни (курение, употребление алкоголя, уровень физической активности), образование, индекс массы тела (ИМТ). В исследование было включено 52 пациента в возрасте 65 лет и старше. На основе полученных клинических, биохимических и иммунологических данных с помощью методов математического моделирования и машинного обучения была разработана модель прогнозирования риска преждевременного сердечно-сосудистого старения. Целью исследования была разработка прогностической модели, позволяющей на ранней стадии выявлять предрасположенность к развитию ССЗ и их осложнений. Для решения задачи прогнозирования были использованы численные методы математического моделирования, в том числе методы Рунге–Кутта, Адамса–Башфорта и обратного направления Эйлера, что позволило с высокой точностью описать динамику изменений биомаркеров и состояния пациентов во времени. Наибольшую ассоциацию с процессами старения продемонстрировали HLA-DR (50%), CD14 (41%) и CD16 (38%). ИМТ коррелировал с фактором роста плаценты (37%). Скорость клубочковой фильтрации положительно коррелировала с физической активностью (47%), тогда как активность SOD отрицательно коррелировала с ней (48%), что отражает снижение антиоксидантной защиты. Полученные результаты позволяют повысить точность прогнозирования сердечно-сосудистого риска и сформировать персонализированные рекомендации по профилактике и коррекции его развития.