Прогноз по коду: новый ИИ предскажет вспышки опасных заболеваний
В МТУСИ разработали модель искусственного интеллекта, способную прогнозировать вспышки инфекционных заболеваний. Изначально система создавалась для мониторинга распространения малярии в Анголе, однако ее архитектура позволяет адаптировать решение для других стран, включая Россию. По словам авторов проекта, в перспективе технологию можно использовать для прогнозирования распространения сезонного гриппа, туберкулеза и других инфекций, а также новых вирусных заболеваний с пандемическим потенциалом, подобных коронавирусной инфекции. Подробнее о том, как работает система и какие болезни могут представлять наибольшую угрозу, — в материале «Известий».
ИИ поможет предсказать вспышки заболеваний
Один из авторов проекта приехал в Россию из Анголы, чтобы с помощью ИИ разрабатывать решения для дистанционного развития системы здравоохранения своей страны. В ходе работы исследователи выяснили, что созданная ими модель универсальна и позволяет настраивать прогнозы по инфекционным заболеваниям. Она представляет собой гибридную ИИ-систему, объединяющую методы машинного обучения, анализ временных рядов, климатических факторов и эпидемиологических данных.
— Главная особенность модели заключается в объединении нескольких аналитических подходов. Такое сочетание позволяет выявлять сложные закономерности, которые традиционные модели зачастую не способны обнаружить. При этом наша цель — не просто прогнозировать количество случаев заболевания, а предоставить органам здравоохранения инструмент поддержки принятия решений для раннего выявления риска вспышек, оптимизации распределения ресурсов и повышения эффективности профилактических мероприятий, — рассказал «Известиям» студент факультета кибербезопасности и информационной безопасности МТУСИ Жоаким Тимотео.
Во время испытаний модель обучили на данных о заболеваемости малярией в Анголе за период с 2000 по 2025 год. После этого система научилась прогнозировать развитие эпидемиологической ситуации на 6–8 недель вперед.
— При наличии качественных данных ее можно адаптировать для прогнозирования других инфекционных заболеваний, включая те, которые находятся под наблюдением ВОЗ, такие как коронавирусные инфекции, хантавирусы, лихорадка денге, холера и другие, — отметил он.
Сегодня наибольшим пандемическим потенциалом обладают респираторные инфекции, прежде всего вызываемые РНК-вирусами, поскольку они отличаются высокой скоростью мутаций. К ним относятся вирусы гриппа и коронавирусы. Они способны формировать новые штаммы, против которых у населения отсутствует иммунитет, рассказал врач-инфекционист «Инвитро» Андрей Поздняков.
— При этом инфекции, передающиеся другими путями, как правило, вызывают локальные или региональные вспышки, а не пандемии. Отдельную угрозу также представляют устойчивые к антибиотикам бактерии, которые могут постепенно распространяться в медицинских учреждениях, а изменение климата способствует расширению ареала переносчиков таких инфекций, как лихорадка денге и вирус Западного Нила, — дополнил он.
Система раннего предупреждения
После пандемии COVID-19 интерес к предиктивным системам в здравоохранении существенно вырос. Такие решения позволяют не только оперативно реагировать на уже начавшийся рост заболеваемости, но и заранее оценивать эпидемиологические риски, что помогает более эффективно распределять медицинский персонал, лекарственные препараты, диагностические мощности и другие ресурсы системы здравоохранения, отметил операционный директор компании «АрхиТех ИИ» Артем Карпов.
— Сейчас разработка выглядит перспективным исследовательским прототипом. Сильной стороной выступает универсальная архитектура, которую потенциально можно адаптировать под различные заболевания и регионы. Вместе с тем для практического применения в России модель необходимо обучить на отечественных данных, проверить на нескольких эпидемиологических сезонах и протестировать совместно с эпидемиологами, — пояснил он.
Подобные системы востребованы практически во всех сферах, где требуется анализ больших массивов данных, отметил замруководителя лаборатории персональных медицинских помощников Центра НТИ на базе СамГМУ Петр Кшнякин. По его словам, искусственный интеллект способен эффективно выявлять риски возникновения вспышек инфекционных заболеваний, однако точность прогнозов напрямую зависит от качества и полноты исходных эпидемиологических данных. Чем больше информации о заболеваемости, вспышках и динамике их распространения удается собрать за разные периоды, тем точнее работает модель.
— Архитектура модели открывает возможности для масштабирования и адаптации под различные системы здравоохранения. В дальнейшем эта технология может найти применение и в России — для прогнозирования распространения социально значимых и сезонных заболеваний, совершенствования аналитических инструментов и поддержки принятия решений в сфере здравоохранения, — подчеркнул ректор МТУСИ Сергей Ерохин.
Предсказательные модели в эпидемиологии точнее работают там, где есть длинные ряды наблюдений с выраженной цикличностью, отметила ведущий эксперт рынка НТИ «Хелснет» Марина Чумакова. По ее словам, анализировать сезонный грипп или туберкулез с помощью ИИ проще, чем ВИЧ. В случае с последним прогнозирование полезно для оценки нагрузки на систему здравоохранения и планирования поставок терапии. Но предсказывать вспышки ВИЧ в привычном смысле нельзя, поскольку распространение инфекции сильно зависит от поведенческих факторов, которые затруднительно собрать в виде данных для обучения модели.
По словам Петра Кшнякина, главным ограничением подобных систем остаются не алгоритмы, а качество и полнота медицинских данных, на которых они обучаются.
