Using machine learning methods to predict infectious diseases
- Authors: Golubkov A.V.1, Kucherov A.S.1, Gavrilova M.P.2, Tokin I.I.3, Tsvetkov V.V.3, Stolyarov K.A.3, Nikonorov I.Y.3
-
Affiliations:
- Main Center for State Sanitary and Epidemiological Surveillance (Special Purpose) of the Ministry of Defense of the Russian Federation
- St. Petersburg Research Institute of Physical Culture
- The A.A.Smorodintsev Research Institute of Influenza of the Ministry of Health of the Russian Federation
- Issue: Vol 344, No 9 (2023)
- Pages: 35-41
- Section: Epidemiology and infectious diseases
- URL: https://journals.eco-vector.com/0026-9050/article/view/630184
- DOI: https://doi.org/10.52424/00269050_2023_344_9_35
- ID: 630184
Cite item
Abstract
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.
Full Text
About the authors
A. V. Golubkov
Main Center for State Sanitary and Epidemiological Surveillance (Special Purpose) of the Ministry of Defense of the Russian Federation
Author for correspondence.
Email: golubkov_av@mail.ru
кандидат медицинских наук, подполковник медицинской службы
Russian Federation, MoscowA. S. 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
Russian Federation, MoscowM. P. Gavrilova
St. Petersburg Research Institute of Physical Culture
Email: golubkov_av@mail.ru
Russian Federation, St. Petersburg
I. 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
Russian Federation, St. PetersburgV. 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
Russian Federation, St. PetersburgK. A. 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
Russian Federation, St. PetersburgI. Yu. 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
Russian Federation, St. PetersburgReferences
- 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.
- 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.
- 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).
- 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.
- 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.
- 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.
- 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.
- 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.
- 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.
- 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.
- 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.
- Макаренко А.В. Глубокие нейронные сети: зарождение, становление, современное состояние // Проблемы управления. – 2020. – № 2. – С. 3–19.
- Марголин И.Д., Дубовская Н.П. Основные этапы развития искусственного интеллекта // Молодой ученый. – 2018. – № 20. – С. 23–26.
- Подольский А.К. Применение методов искусственного интеллекта в нефтегазовой промышленности // Соврем. наука. – 2016. – С. 54–65.
- 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).
- 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).
- 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.
- Созыкин А.В. Обзор методов обучения глубоких нейронных сетей // Вестн. ЮУрГУ. Серия: Вычислит. матем. и информатика. – 2017. – Т. 6, № 3. – С. 28–59.
- 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.
- Ткаченко, М.Г. Прогнозирование оставшегося времени безаварийной работы нефтегазодобывающего оборудования с применением технологий искусственных нейронных сетей // Инжен. вестн. Дона. – 2014. – № 3. – С. 312–320.
- 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.
- 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).
- 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).
- 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).