Использование методов машинного обучения для прогнозирования инфекционной заболеваемости

Обложка

Цитировать

Полный текст

Открытый доступ Открытый доступ
Доступ закрыт Доступ предоставлен
Доступ закрыт Только для подписчиков

Аннотация

В статье приведены сведения об этапах развития технологий искусственного интеллекта, представлены классификация и актуальные аспекты использования методов машинного обучения в различных областях профессиональной деятельности. Данные методы широко используются в клинической медицине. В медико-профилактическом деле методы машинного обучения применяются крайне редко в силу особенностей ряда факторов внешней среды, взаимодействия макро- и микроорганизмов, качества и достоверности большого числа обрабатываемых данных. Все это существенно повышает сложность использования указанных методов при прогнозировании инфекционной заболеваемости. Представлены предварительные результаты собственных исследований, посвященных разработке новых методов прогнозирования уровня и подъема заболеваемости острыми респираторными инфекциями в организованных коллективах с помощью одной из технологий машинного обучения – градиентного бустинга.

Полный текст

Доступ закрыт

Об авторах

А. В. Голубков

ФГКУ «Главный центр государственного санитарно-эпидемиологического надзора (специального назначения)» МО РФ

Автор, ответственный за переписку.
Email: golubkov_av@mail.ru

кандидат медицинских наук, подполковник медицинской службы

Россия, Москва

А. С. Кучеров

ФГКУ «Главный центр государственного санитарно-эпидемиологического надзора (специального назначения)» МО РФ

Email: golubkov_av@mail.ru

подполковник медицинской службы

Россия, Москва

М. П. Гаврилова

ФГБУ «Санкт-Петербургский научно-исследовательский институт физической культуры»

Email: golubkov_av@mail.ru
Россия, Санкт-Петербург

И. И. Токин

ФГБУ «Научно-исследовательский институт гриппа имени А.А.Смородинцева» МЗ РФ

Email: golubkov_av@mail.ru

кандидат медицинских наук

Россия, Санкт-Петербург

В. В. Цветков

ФГБУ «Научно-исследовательский институт гриппа имени А.А.Смородинцева» МЗ РФ

Email: golubkov_av@mail.ru

кандидат медицинских наук

Россия, Санкт-Петербург

К. А. Столяров

ФГБУ «Научно-исследовательский институт гриппа имени А.А.Смородинцева» МЗ РФ

Email: golubkov_av@mail.ru

кандидат медицинских наук

Россия, Санкт-Петербург

И. Ю. Никоноров

ФГБУ «Научно-исследовательский институт гриппа имени А.А.Смородинцева» МЗ РФ

Email: golubkov_av@mail.ru

кандидат медицинских наук

Россия, Санкт-Петербург

Список литературы

  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).

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать

© Голубков А.В., Кучеров А.С., Гаврилова М.П., Токин И.И., Цветков В.В., Столяров К.А., Никоноров И.Ю., 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.