Using machine learning methods to predict infectious diseases

封面

如何引用文章

全文:

开放存取 开放存取
受限制的访问 ##reader.subscriptionAccessGranted##
受限制的访问 订阅存取

详细

The article provides information about the stages of development of artificial intelligence technologies, presents the classification and current aspects of the use of machine learning methods in various areas of professional activity. These methods are widely used in clinical medicine. In medical-and-preventive medicine, machine learning methods are used very little due to the peculiarities of a number of environmental factors, the interaction of macro- and microorganism, the quality and reliability of numerous processed data. All this significantly increases the complexity of using these methods in predicting infectious morbidity. The preliminary results of our own research on the development of new methods for predicting the level and rise in the incidence of acute respiratory infections in organized teams using one of the machine learning technologies – gradient boosting are presented.

全文:

受限制的访问

作者简介

A. Golubkov

Main Center for State Sanitary and Epidemiological Surveillance (Special Purpose) of the Ministry of Defense of the Russian Federation

编辑信件的主要联系方式.
Email: golubkov_av@mail.ru

кандидат медицинских наук, подполковник медицинской службы

俄罗斯联邦, Moscow

A. Kucherov

Main Center for State Sanitary and Epidemiological Surveillance (Special Purpose) of the Ministry of Defense of the Russian Federation

Email: golubkov_av@mail.ru

подполковник медицинской службы

俄罗斯联邦, Moscow

M. Gavrilova

St. Petersburg Research Institute of Physical Culture

Email: golubkov_av@mail.ru
俄罗斯联邦, St. Petersburg

I. Tokin

The A.A.Smorodintsev Research Institute of Influenza of the Ministry of Health of the Russian Federation

Email: golubkov_av@mail.ru

кандидат медицинских наук

俄罗斯联邦, St. Petersburg

V. Tsvetkov

The A.A.Smorodintsev Research Institute of Influenza of the Ministry of Health of the Russian Federation

Email: golubkov_av@mail.ru

кандидат медицинских наук

俄罗斯联邦, St. Petersburg

K. Stolyarov

The A.A.Smorodintsev Research Institute of Influenza of the Ministry of Health of the Russian Federation

Email: golubkov_av@mail.ru

кандидат медицинских наук

俄罗斯联邦, St. Petersburg

I. Nikonorov

The A.A.Smorodintsev Research Institute of Influenza of the Ministry of Health of the Russian Federation

Email: golubkov_av@mail.ru

кандидат медицинских наук

俄罗斯联邦, St. Petersburg

参考

  1. Антюхов В.И., Остудин Н.В. Моделирование процесса интеллектуальной поддержки деятельности должностных лиц центров управления в кризисных ситуациях МЧС России при принятии управленческих решений // Вестник Санкт-Петерб. ун-та Гос. противопож. службы МЧС России. – 2017. – С. 45–40.
  2. Гаврилов Д.В., Абрамов Р.В., Кирилкина А.В. и др. Модель прогнозирования пандемии COVID-19 на основе машинного обучения в отдельных регионах Российской Федерации // Фармакоэкономика. Соврем. фармакоэконом. и фармако-эпидемиол. – 2021. – Т. 14, № 3. – С. 342–356.
  3. Голубков А.В., Гаврилова М.П. Классификация эпидемиологических прогнозов и применение градиентного бустинга в профилактической медицине // Медлайн.Ру. – 2021. – Т. 22, Ст. 23. – С. 328–343. URL http://www.medline.ru/public/ (дата обращения: 12.01.2023).
  4. Голубков А.В., Гаврилова М.П. Применение искусственных нейронных сетей в профилактической и клинической медицине (научный обзор) // Профилакт. и клинич. медицина. – 2020. – № 4 (77). – С. 30–39.
  5. Голубков А.В., Гаврилова М.П., Кучеров А.С., Дегтярев А.А. Искусственные нейронные сети – приоритетная модель в прогнозе заболеваемости организованных коллективов // Журн. инфектологии. – 2021. – Прил. 1. – Т. 13, № 1. – С. 31–32.
  6. Голубков А.В. Гаврилова М.П., Кучеров А.С. и др. Использование искусственных нейронных сетей в прогнозе заболеваемости острыми респираторными вирусными инфекциями / Сборн. тез. Всеросс. конф. молодых ученых, посвящ. 120-летию со дня рождения акад. А.А.Смородинцева «Вирусные инфекции – от диагностики к клинике» (Санкт-Петербург, 15 апреля 2021 г.). – СПб: Политех-Пресс, 2021. – С. 14–15.
  7. Голубков А.В., Кучеров А.С., Гаврилова М.П. и др. Заболеваемость острыми респираторными инфекциями в организованных коллективах. Прогнозирование на основе методов машинного обучения // Журн. инфектологии. – 2022. – Прил. 1. – Т. 14, № 2. – С. 34.
  8. Голубков А.В., Кучеров А.С., Гаврилова М.П. и др. Использование градиентного бустинга в прогнозе инфекционной заболеваемости // Журн. инфектологии. – 2022. – Прил. 2. – Т. 14, № 5. – С. 17–18.
  9. Зозуля Ю.И. Разработка программного комплекса нейросетевой системы поддержки принятия решений по безопасному оперативному управлению нефтехимическим производством // Автоматиз., телемеханиз. и связь в нефт. промышленности. – 2013. – С. 246–260.
  10. Корнеев Д.С. Использование аппарата нейронных сетей для создания модели оценки и управления рисками предприятия / Управление большими системами: сборн. трудов: Изд. Инст. проблем управления им. В.А.Трапезникова РАН. – 2007. – № 17. – С. 81–102.
  11. Кропотов Ю.А., Проскуряков А.Ю., Белов А.А. и др. Модели, алгоритмы системы автоматизированного мониторинга и управления экологической безопасности промышленных производств // Системы управл., связи и безопасности. – 2015. – № 2. – С. 184–197.
  12. Макаренко А.В. Глубокие нейронные сети: зарождение, становление, современное состояние // Проблемы управления. – 2020. – № 2. – С. 3–19.
  13. Марголин И.Д., Дубовская Н.П. Основные этапы развития искусственного интеллекта // Молодой ученый. – 2018. – № 20. – С. 23–26.
  14. Подольский А.К. Применение методов искусственного интеллекта в нефтегазовой промышленности // Соврем. наука. – 2016. – С. 54–65.
  15. Распоряжение Правительства РФ от 19.08.2020 г. № 2129-р «Концепция развития регулирования отношений в сфере технологий искусственного интеллекта и робототехники до 2024 года». URL: http://government.ru/docs/all/129505/ (дата обращения: 10.12.2022).
  16. Руководство Европейского регионального бюро ВОЗ по дозорному эпиднадзору за гриппом среди людей. – 2011. – 152 с. URL: https://apps.who.int/iris/handle/10665/349781/ (дата обращения: 19.03.2023).
  17. Сенько О.В., Кузнецова А.В., Воронин Е.М. Методы интеллектуального анализа данных в исследованиях эпидемии COVID-19 // Журн. Белорусск. гос. университета. Математика. Информатика. – 2022. – № 1. – С. 83–96.
  18. Созыкин А.В. Обзор методов обучения глубоких нейронных сетей // Вестн. ЮУрГУ. Серия: Вычислит. матем. и информатика. – 2017. – Т. 6, № 3. – С. 28–59.
  19. Тетерин Д.А., Хабибулин Р.Ш., Гудин С.В. Обзор применения искусственных нейронных сетей в управлении социальными и экономическими системами // Науч. ведом. Белгород. гос. университета. Серия: Экономика. Информатика. – 2018. – Т. 45, № 3. – С. 574–583.
  20. Ткаченко, М.Г. Прогнозирование оставшегося времени безаварийной работы нефтегазодобывающего оборудования с применением технологий искусственных нейронных сетей // Инжен. вестн. Дона. – 2014. – № 3. – С. 312–320.
  21. Токарев К.Е. Нейросетевые методы и алгоритмы управления в социально-экономических системах // Бизнес. Образование. Право. Вестн. Волгоград. инст. бизнеса. – 2016. – № 2 (35). – С. 124–127.
  22. Указ Президента РФ от 07.05.2018 г. № 204 «О национальных целях и стратегических задачах развития Российской Федерации на период до 2024 года». URL: http://static.kremlin.ru/media/acts/files/0001201805070038.pdf (дата обращения: 10.12.2022).
  23. Указ Президента РФ от 10.10.2019 г. № 490 «О развитии искусственного интеллекта в Российской Федерации». URL: http://www.kremlin.ru/acts/bank/44731 (дата обращения: 10.12.2022).
  24. Qinneng Xu, Yulia R. Gel, Leticia Ramirez et al. Forecasting influenza in Hong Kong with Google search queries and statistical model fusion // Plos One. – 2017. – Vol. 2, N 12 (5). – P. 1–17. URL: https://doi.org/10.1371/journal.pone. 0176690 (дата обращения: 19.03.2023).

补充文件

附件文件
动作
1. JATS XML
下载

版权所有 © Golubkov A.V., Kucherov A.S., Gavrilova M.P., Tokin I.I., Tsvetkov V.V., Stolyarov K.A., Nikonorov I.Y., 2023


СМИ зарегистрировано Федеральной службой по надзору в сфере связи, информационных технологий и массовых коммуникаций (Роскомнадзор).
Регистрационный номер и дата принятия решения о регистрации СМИ: № 01975 от 30.12.1992.