Статья в npj Digital Medicine (опубликована 2 сентября 2026 года) рассматривает проблему прогнозирования приверженности пациентов к медикаментозной терапии с помощью моделей искусственного интеллекта. Авторы отмечают, что, несмотря на множество разработанных алгоритмов машинного обучения, лишь немногие из них внедрены в реальную клиническую практику. В работе анализируются основные барьеры, препятствующие клиническому применению: недостаточная внешняя валидация, отсутствие стандартизированных метрик оценки, проблемы с интерпретируемостью моделей и интеграцией в электронные медицинские карты. Предлагаются конкретные шаги для повышения готовности моделей к использованию в клинике, включая многоцентровые проспективные исследования, разработку открытых бенчмарков и внедрение подходов объяснимого ИИ. Авторы подчеркивают, что точное прогнозирование приверженности позволит персонализировать вмешательства, снизить частоту госпитализаций и улучшить долгосрочные исходы при хронических заболеваниях. Статья содержит обзор существующих методов (от логистической регрессии до градиентного бустинга и нейросетей) и выделяет ключевые направления для будущих исследований. Материал представляет интерес для разработчиков клинических ИИ-систем, врачей и регуляторов, стремящихся ускорить трансляцию алгоритмов в практическое здравоохранение.