Актуальность. Декомпенсация хронической сердечной недостаточности (ХСН) является одной из самых распространённых причин госпитализации пациентов старших возрастных групп. Нередко данный диагноз на догоспитальном этапе устанавливается необоснованно и в последующем отвергается на разных этапах госпитализации пациента. Для первичной диагностики декомпенсации хронической сердечной недостаточности на догоспитальном этапе или в приёмном отделении необходимо иметь скрининговый тест, позволяющий быстро определиться в отношении наличия декомпенсации заболевания. Общеклинический анализ крови, является одним из наиболее доступных методов лабораторной диагностики в реальной клинической практике. Учитывая рост количества данных, получаемых врачами при обследовании пациента, что приводит к повышению нагрузки на медицинских работников на всех этапах оказания помощи, появляется необходимость использования различных методов машинного обучения для увеличения эффективности обработки и интерпретации предоставляемой диагностической информации. Цель исследования. Улучшение качества диагностики декомпенсации хронической сердечной недостаточности при первичном обследовании у лиц старших возрастных групп на основе гематологических показателей с применением алгоритмов машинного обучения. Материалы и методы. Проведено проспективное пилотное исследование. Всего обследовано 101 человек (34 мужчины, 67 женщин). Средний возраст пациентов составил 74 (72;76) года. Критериями включения были возраст старше 18 лет, предварительный диагноз «I50.0 – Застойная сердечная недостаточность». Всем пациентам в рамках рутинного обследования при госпитализации производилось исследование общеклинического анализа крови на автоматическом гематологическом 5-diff анализаторе. Результаты исследования. В результате применения метода глубокого обучения удалось достичь площади под ROC-кривой=0,8077 на тестовой выборке при оценке качества диагностики декомпенсации ХСН у пациентов разных возрастных групп. Достигнутое качество первичной диагностики можно считать приемлемым и перспективным для дальнейшего накопления базы данных с целью дополнительного обучения разработанного алгоритма и повышения характеристик точности диагностики декомпенсации хронической сердечной недостаточности. Заключение. Достигнутое качество первичной диагностики можно считать приемлемым и перспективным для дальнейшего накопления базы данных с целью дополнительного обучения разработанного алгоритма и повышения характеристик точности диагностики декомпенсации хронической сердечной недостаточности.