Проблематика. Метод групового урахування аргументів є доволі недооціненим інструментом для отримання високоточних прогностичних моделей. Перший варіант штучної нейронної мережі (які користуються величезною популярністю в світі машинного навчання) був отриманий в 1965 році українським вченим Олексієм Івахненко, який як раз використовував метод групового урахування аргументів для навчання мережі. Відомо, що даний підхід має місце фактично в будь-якій проблематиці, і не виключенням є задача розпізнавання ішемічної хвороби серця по відеоданим спекл-трекінг ехокардіографії. Вирішення подібної задачі є актуальним, оскільки це надасть можливість аналізувати ехокардіограми навіть якщо вони не оснащені технологією спекл-трекінг. Мета. Методом групового урахування аргументів за даними спекл-трекінг ехокардіографії побудувати класифікаційні алгоритми діагностики порушень кінематики скорочень лівого шлуночка серця у хворих на ішемічну хворобу серця в умовах стану спокою, та при застосуванні ехострестесту із добутаміновою пробою. Методика реалізації. Національним інститутом серцево-судинної хірургії імені М.М. Амосова були надані відеодані, отримані за допомогою методу спекл-трекінг ехокардіографії, яким було обстежено 56 пацієнтів з підозрою на ішемічну хворобу серця. Серед них лише у 16 пацієнтів патологію виявлено не було. Ехокардіографія реєструвалась у B-режимі за трьома позиціями: довгої вісі, 4-камерної та 2-камерної позиціях. Усього для дослідження було використано 6245 кадрів відео потоку: 1871 – без порушень серцевої діяльності, та 4374 – при наявності патології під час обстеження. Результати дослідження. Методом групового урахування аргументів було одержано 12 моделей класифікації з урахуванням доз добутаміну (0, 10, 20 і 40 мкг), точність яких на екзаменаційній вибірці варіювалась від 81.7% до 97.4%. Також були отримані 3 моделі класифікації без урахування доз добутаміну, які на екзаменаційній вибірці показали точність в межах 75.2-82.2%. Висновки. Отримані високоточні моделі класифікації методом групового урахування аргументів. Дані моделі можна буде застосувати для аналізу ехокардіограм, отриманих у B-режимі на обладнанні, яке не оснащене технологією спекл-трекінг. Background. Group method of data handling is a rather underestimated tool for obtaining highly accurate predictive models. The first version of an artificial neural network (which is very popular in the world of machine learning) was obtained in 1965 by the Ukrainian scientist Aleksey Ivakhnenko, who just used the group method of data handling to train the network. It is known that this approach takes place in almost any problematics, and the problem of recognizing coronary heart disease using video data from speckle-tracking echocardiography is not an exception. The solution to this problem is relevant, since it will allow analyzing echocardiograms even if they are not equipped with speckle-tracking technology. Objective. According to the data of speckle-tracking echocardiography construct classification algorithms by using the group method of data handling for diagnosing violations of the kinematics of left ventricular contractions in patients with coronary heart disease under conditions of rest, and when using echostresstest with dobutamine. Methods. National Institute of Cardiovascular Surgery provided video data obtained using the speckle-tracking echocardiography method, which examined 56 patients with suspected coronary heart disease. Among them, only 16 patients had no pathology. Echocardiography was recorded in B-mode in three positions: long axis, 4-chamber, and 2-chamber positions. In total, 6245 frames of the video stream were used for the study: 1871 – without cardiac abnormalities, and 4374 – in the presence of pathology during the examination. Results. Using the group method of data handling, 12 classification models were obtained, taking into account the doses of dobutamine (0, 10, 20, and 40 mcg), the accuracy of which on the examination sample varied from 81.7% to 97.4%. Also, 3 classification models were obtained without taking into account the doses of dobutamine, which on the examination sample showed an accuracy within 75.2-82.2%. Conclusions. The high-precision classification models were obtained by the group method of data handling. These models can be used to analyze echocardiograms obtained in B-mode on equipment, which is not using speckle-tracking technology. Проблематика. Метод группового учета аргументов является достаточно недооцененным инструментом для получения высокоточных прогностических моделей. Первый вариант искусственной нейронной сети (которые пользуются огромной популярностью в мире машинного обучения) был получен в 1965 году украинским ученым Алексеем Ивахненко, который как раз использовал метод группового учета аргументов для обучения сети. Известно, что данный подход имеет место практически в любой проблематике, и не исключением является задача распознавания ишемической болезни сердца по видеоданным спекл-трекинг эхокардиографии. Решение подобной задачи является актуальным, поскольку это позволит анализировать эхокардиограммы даже если они не оснащены технологией спекл-трекинг. Цель. Методом группового учёта аргументов по данным спекл-трекинг эхокардиографии построить классификационные алгоритмы диагностики нарушений кинематики сокращений левого желудочка сердца у больных ишемической болезнью сердца в условиях состояния покоя, и при применении эхостресстеста с добутаминовой пробой. Методика реализации. Национальным институтом сердечно-сосудистой хирургии имени Н.Н. Амосова были предоставлены видеоданные, полученные с помощью метода спекл-трекинг эхокардиографии, которым было обследовано 56 пациентов с подозрением на ишемическую болезнь сердца. Среди них только у 16 пациентов патологии выявлено не было. Эхокардиография регистрировалась в B-режиме по трем позициям: долгой оси, 4-камерной и 2-камерной позициях. Всего для исследования были использованы 6245 кадров видеопотока: 1871 – без нарушений сердечной деятельности, и 4374 – при наличии патологии во время обследования. Результаты исследования. Методом группового учета аргументов было получено 12 моделей классификации с учетом доз добутамина (0, 10, 20 и 40 мкг), точность которых на экзаменационной выборке варьировалась от 81.7% до 97.4%. Также были получены 3 модели классификации без учета доз добутамина, которые на экзаменационной выборке показали точность в пределах 75.2-82.2%. Выводы. Полученные высокоточные модели классификации методом группового учета аргументов. Данные модели могут быть применены для анализа ехокардиограм, полученных в B-режиме на оборудовании, не оснащенного технологией спекл-трекинг.