fcmedicineФундаментальная и клиническая медицинаFundamental and Clinical Medicine2500-07642542-0941КемГМУ10.23946/2500-0764-2023-8-3-143-154fcmedicine-754Research ArticleДИСКУССИИDISCUSSIONSРазработка системы прогноза развития инфекционных заболеваний на основе искусственного интеллектаDevelopment of an artificial intelligence system for the forecasting of infectious diseaseshttps://orcid.org/0000-0001-9154-7017КузинА. А.KuzinA. A.

Кузин Александр Александрович - доктор медицинских наук, начальник кафедры общей и военной эпидемиологии.

194044, Санкт-Петербург, ул. Академика Лебедева, д. 37ж

Alexander A. Kuzin - MD, DSc, Head of the Department of General and Military Epidemiology, S.M. Kirov Military Medical Academy.

37zh, Akademika Lebedeva Street, Saint Petersburg, 194044

https://orcid.org/0000-0002-0161-5977ГлушаковР. И.GlushakovR. I.

Глушаков Руслан Иванович - доктор медицинских наук, начальник научно-исследовательского отдела медико-биологических исследований в научно-исследовательском центре.

194044, Санкт-Петербург, ул. Академика Лебедева, д. 37ж

Roman I. Glushakov - MD, DSc, Head of the Department of Biomedical Research, Research Center, S.M. Kirov Military Medical Academy.

37zh, Akademika Lebedeva Street, Saint Petersburg, 194044

https://orcid.org/0000-0002-1649-9796ПарфеновС. А.ParfenovS. A.

Парфёнов Сергей Александрович - кандидат медицинских наук, старший научный сотрудник.

194044, Санкт-Петербург, Выборгская набережная, д. 29а

Sergey A. Parfenov - MD, PhD, Senior Researcher, Limited Liability Company «Interregional Bureau of Forensic Examinations».

29a, Vyborgskaya Embankment, Saint Petersburg, 194044

sa.parfenov1988@yandex.ruhttps://orcid.org/0000-0002-2476-7666СапожниковК. В.SapozhnikovK. V.

Сапожников Кирилл Викторович - кандидат медицинских наук, независимый эксперт исследовательских проектов проектного офиса Северо-Западного института управления.

119571, Москва, пр-т Вернадского, д. 82

Kirill V. Sapozhnikov - MD, PhD, Research Expert, Project Office, Northwestern Institute of Management, Russian Presidential Academy of National Economy and Public Administration.

82, Vernadskogo Avenue, Moscow, 119571

https://orcid.org/0009-0006-6204-8423ЛазаревА. А.LazarevA. A.

Лазарев Андрей Анатольевич - магистр 2-го курса обучения.

197022, Санкт-Петербург, ул. Профессора Попова, д. 5ф

Andrey A. Lazarev - BSc, Saint Petersburg Electrotechnical University «LETI».

5f, Professora Popova Street, Saint Petersburg, 197022

ФГБВОУ ВО «Военно-медицинская академия имени С. М. Кирова» Министерства обороны Российской ФедерацииРоссияS.M. Kirov Military Medical AcademyRussian FederationООО «Межрегиональное бюро судебных экспертиз»РоссияInterregional Bureau of Forensic ExaminationsRussian FederationФГБОУ ВО «Российская академия народного хозяйства и государственной службы при Президенте Российской Федерации»РоссияRussian Presidential Academy of National Economy and Public AdministrationRussian FederationФГАОУ ВО «Санкт-Петербургский государственный электротехнический университет «ЛЭТИ» им. В. И. Ульянова (Ленина)»РоссияSaint Petersburg Electrotechnical University «LETI»Russian Federation20232909202383143154Copyright © Кузин А.А., Глушаков Р.И., Парфенов С.А., Сапожников К.В., Лазарев А.А., 20232023Кузин А.А., Глушаков Р.И., Парфенов С.А., Сапожников К.В., Лазарев А.А.Kuzin A.A., Glushakov R.I., Parfenov S.A., Sapozhnikov K.V., Lazarev A.A.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://fcm.kemsmu.ru/jour/article/view/754Цель

Цель. Обзор методов искусственного интеллекта (ИИ) при создании системы прогноза развития инфекционных заболеваний у человека с выводом положений разработки пошаговой схемы применения данных методов.

Материалы и методы

Материалы и методы. Определение актуальности областей приложения методов и способов обнаружения заболевших людей под каждый конкретный случай с последующим отбором и обзором литературных источников и исследований по теме определения способов для выявления состояний человека, отличных от нормальных, в таких поисковых системах, как Google Scholar и PubMed.

Основные положения

Основные положения. Инфекционные заболевания накладывают тяжёлое бремя на людей в современном мире из-за возникающих долгоиграющих последствий как во время течения болезни, так и после. Это означает, что необходимо постоянно искать новые методы и подходы к диагностике инфекционных заболеваний на ранней стадии их развития. Одним из наиболее перспективных направлений развития современной медицины является применение искусственного интеллекта в диагностике и прогнозировании инфекционных заболеваний. С помощью алгоритмов машинного обучения системы ИИ могут анализировать большое количество данных и определять закономерности, которые не могут быть обнаружены вручную. Это позволяет рано выявлять инфекционные заболевания и предотвращать их распространение. Разработка системы на основе искусственного интеллекта, которая бы могла дать ответы на вопросы о возможном заражении конкретного человека или группы людей, а также риска заражения окружающих, является крайне актуальной задачей. Система могла бы использовать видеозаписи и/или фотографии с видеокамер в целях определения двигательных паттернов человека для анализа данных при помощи методов машинного обучения. Разработка системы может быть особенно полезной для силовых структур и структур, отвечающих за охрану здоровья населения.

Aim

Aim. Here, we provided an overview of artificial intelligence (AI) approaches for developing a system for prediction of infectious diseases and designed a respective step-by-step protocol.

Materials and Methods

Materials and Methods. Literature search in PubMed and Google Scholar and PubMed.

Key Points

Key Points. Infectious diseases impose a heavy burden on a healthcare, demanding the development of novel and efficient approaches to prevention as well as sensitive and specific diagnostic tests. Evolution of data science have led to the emergence of promising artificial intelligence (AI) algorithms and tools for the forecasting of infectious diseases. Employing machine learning algorithms, AI systems can rapidly analyze a large amount of data, extract specific disease patterns, and screen for the most efficient AI instruments in relation to specific tasks, thus contributing to prevention, diagnostics, and treatment of infectious diseases in the context of personalized medicine. Importantly, such AI-based systems can determine specific human motor patterns from videos and/or photographs in order to assist physicians in primary diagnosis. Integration of AI tools into the existing healthcare algorithms can be especially useful for public health.

искусственный интеллектинфекционные заболеваниямашинное обучениепрогнозированиеразработка системыartificial intelligenceinfectious diseasesmachine learningforecastingsystem developmentReferencesWHO. Coronavirus (COVID-19) Dashboard. Ссылка активна 12.07.2023. https://covid19.who.int/WHO. Coronavirus (COVID-19) Dashboard. Available at: https://covid19.who.int/. Accessed: 12.07.2023.Amjoud AB, Amrouch M. Object detection using deep learning, CNNS and Vision Transformers: A Review. IEEE Access. 2023;11:35479-35516. DOI:10.1109/access.2023.3266093Amjoud AB, Amrouch M. Object detection using deep learning, CNNS and Vision Transformers: A Review. IEEE Access. 2023;11:35479-35516. DOI:10.1109/access.2023.3266093LeCun Y, Bengio Y, Hinton G. Deep learning. Nature. 2015;521(7553):436-444. DOI:10.1038/nature14539LeCun Y, Bengio Y, Hinton G. Deep learning. Nature. 2015;521(7553):436-444. DOI:10.1038/nature14539Felzenszwalb PF, Girshick RB, McAllester D, Ramanan D. Object detection with discriminatively trained part-based models. IEEE Transactions on Pattern Analysis and Machine Intelligence. 2010;32(9):1627-1645. DOI:10.1109/tpami.2009.167Felzenszwalb PF, Girshick RB, McAllester D, Ramanan D. Object detection with discriminatively trained part-based models. IEEE Transactions on Pattern Analysis and Machine Intelligence. 2010;32(9):1627-1645. DOI:10.1109/tpami.2009.167Krizhevsky A, Sutskever I, Hinton GE. ImageNet classification with deep convolutional Neural Networks. Communications of the ACM. 2017;60(6):84-90. DOI:10.1145/3065386Krizhevsky A, Sutskever I, Hinton GE. ImageNet classification with deep convolutional Neural Networks. Communications of the ACM. 2017;60(6):84-90. DOI:10.1145/3065386Zhao Z-Q, Zheng P, Xu S-T, Wu X. Object detection with deep learning: A Review. IEEE Transactions on Neural Networks and Learning Systems. 2019;30(11):3212-3232. DOI:10.1109/tnnls.2018.2876865Zhao Z-Q, Zheng P, Xu S-T, Wu X. Object detection with deep learning: A Review. IEEE Transactions on Neural Networks and Learning Systems. 2019;30(11):3212-3232. DOI:10.1109/tnnls.2018.2876865Abiodun O.I., Jantan A., Omolara A.E., Dada K.V., Umar A.M., Linus O.U., Arshad H., Kazaure A.A., Gana U., Kiru M.U. Comprehensive Review of Artificial Neural Network Applications to Pattern Recognition. IEEE Access. 2019;7:158820-158846. https://doi.org/10.1109/access.2019.2945545Abiodun O.I., Jantan A., Omolara A.E., Dada K.V., Umar A.M., Linus O.U., Arshad H., Kazaure A.A., Gana U., Kiru M.U. Comprehensive Review of Artificial Neural Network Applications to Pattern Recognition. IEEE Access. 2019;7:158820-158846. https://doi.org/10.1109/access.2019.2945545Meyers L, Ginocchio CC, Faucett AN, et al. Automated real-time collection of pathogen-specific diagnostic data: Syndromic infectious disease epidemiology. JMIR Public Health and Surveillance. 2018;4(3). DOI:10.2196/publichealth.9876Meyers L, Ginocchio CC, Faucett AN, et al. Automated real-time collection of pathogen-specific diagnostic data: Syndromic infectious disease epidemiology. JMIR Public Health and Surveillance. 2018;4(3). DOI:10.2196/publichealth.9876Guo S, Yu J, Shi X, et al. Droplet-transmitted infection risk rank-ing based on close proximity interaction. Frontiers in Neurorobotics. 2020;13. DOI: 10.3389/fnbot.2019.00113Guo S, Yu J, Shi X, et al. Droplet-transmitted infection risk ranking based on close proximity interaction. Frontiers in Neurorobotics. 2020;13. DOI: 10.3389/fnbot.2019.00113Leal JM, de Souza GH, Marsillac PF, Gripp AC. Skin manifestations associated with systemic diseases - part II. Anais Brasileiros de Dermatologia. 2021;96(6):672-687. DOI:10.1016/j.abd.2021.06.003Leal JM, de Souza GH, Marsillac PF, Gripp AC. Skin manifestations associated with systemic diseases - part II. Anais Brasileiros de Dermatologia. 2021;96(6):672-687. DOI:10.1016/j.abd.2021.06.003Bomb R, Kumar S, Chockalingam A. Coronary artery disease de-tection - limitations of stress testing in left ventricular dysfunction. World Journal of Cardiology. 2017;9(4):304. DOI:10.4330/wjc.v9.i4.304Bomb R, Kumar S, Chockalingam A. Coronary artery disease detection - limitations of stress testing in left ventricular dysfunction. World Journal of Cardiology. 2017;9(4):304. DOI:10.4330/wjc.v9.i4.304Wu D, Chen S, Zhang Y, et al. Facial recognition intensity in disease diagnosis using automatic facial recognition. Journal of Personalized Medicine. 2021;11(11):1172. DOI:10.3390/jpm11111172Wu D, Chen S, Zhang Y, et al. Facial recognition intensity in disease diagnosis using automatic facial recognition. Journal of Personalized Medicine. 2021;11(11):1172. DOI:10.3390/jpm11111172Jin B, Qu Y, Zhang L, Gao Z. Diagnosing Parkinson disease through facial expression recognition: video analysis. Journal of medical Internet research. 2020;22(7). DOI: 10.2196/18697Jin B, Qu Y, Zhang L, Gao Z. Diagnosing Parkinson disease through facial expression recognition: video analysis. Journal of medical Internet research. 2020;22(7). DOI: 10.2196/18697Guerrieri M, Parla G. Real-time social distance measurement and face mask detection in public transportation systems during the COVID-19 pandemic and post-pandemic era: Theoretical Approach and Case Study in Italy. Transportation Research Interdisciplinary Perspectives. 2022;16:100693. DOI:10.1016/j.trip.2022.100693Guerrieri M, Parla G. Real-time social distance measurement and face mask detection in public transportation systems during the COVID-19 pandemic and post-pandemic era: Theoretical Approach and Case Study in Italy. Transportation Research Interdisciplinary Perspectives. 2022;16:100693. DOI:10.1016/j.trip.2022.100693Singh AK, Mehan P, Sharma D, et al. Covid-19 mask usage and social distancing in social media images: Large-scale deep learning analysis. JMIR Public Health and Surveillance. 2022;8(1). DOI:10.2196/26868Singh AK, Mehan P, Sharma D, et al. Covid-19 mask usage and social distancing in social media images: Large-scale deep learning analysis. JMIR Public Health and Surveillance. 2022;8(1). DOI:10.2196/26868Bose S, Logeswari G, Vaiyapuri T, et al. A convolutional neural network for face mask detection in IoT-based smart healthcare systems. Frontiers in Physiology. 2023;14. DOI: 10.3389/fphys.2023.1143249Bose S, Logeswari G, Vaiyapuri T, et al. A convolutional neural network for face mask detection in IoT-based smart healthcare systems. Frontiers in Physiology. 2023;14. DOI: 10.3389/fphys.2023.1143249McMullen K, Diesel G, Gibbs E, et al. Implementation of an electronic hand hygiene monitoring system: Learnings on how to maximize the investment. American Journal of Infection Control. 2023;51(8):847-851. DOI:10.1016/j.ajic.2022.12.008McMullen K, Diesel G, Gibbs E, et al. Implementation of an electronic hand hygiene monitoring system: Learnings on how to maximize the investment. American Journal of Infection Control. 2023;51(8):847-851. DOI:10.1016/j.ajic.2022.12.008Kim M, Choi J, Kim N. Fully Automated Hand Hygiene Monitor-ing in Operating Room using 3D Convolutional Neural. arXiv. 2020. DOI: 10.48550/arXiv.2003.09087Kim M, Choi J, Kim N. Fully Automated Hand Hygiene Monitoring in Operating Room using 3D Convolutional Neural. arXiv. 2020. DOI: 10.48550/arXiv.2003.09087Nicold A, Massaroni C, Schena E, Sacchetti M. The importance of respiratory rate monitoring: From healthcare to sport and exercise. Sensors. 2020;20(21):6396. DOI:10.3390/s20216396Nicold A, Massaroni C, Schena E, Sacchetti M. The importance of respiratory rate monitoring: From healthcare to sport and exercise. Sensors. 2020;20(21):6396. DOI:10.3390/s20216396Jiang Z, Hu M, Gao Z, et al. Detection of respiratory infections using RGB-infrared sensors on portable device. IEEE Sensors Journal. 2020 ;20(22):13674-13681. DOI: 10.1109/jsen.2020.3004568Jiang Z, Hu M, Gao Z, et al. Detection of respiratory infections using RGB-infrared sensors on portable device. IEEE Sensors Journal. 2020 ;20(22):13674-13681. DOI: 10.1109/jsen.2020.3004568Zhang C, Zhang L, Tian Y, et al. A machine-learning-algorithm-assisted intelligent system for real-time wireless respiratory monitoring. Applied Sciences. 2023;13(6):3885. DOI:10.3390/app13063885Zhang C, Zhang L, Tian Y, et al. A machine-learning-algorithm-assisted intelligent system for real-time wireless respiratory monitoring. Applied Sciences. 2023;13(6):3885. DOI:10.3390/app13063885Ijaz A, Nabeel M, Masood U, et al. Towards using cough for respiratory disease diagnosis by Leveraging Artificial Intelligence: A survey. Informatics in Medicine Unlocked. 2022;29:100832. DOI:10.1016/j.imu.2021.100832Ijaz A, Nabeel M, Masood U, et al. Towards using cough for respiratory disease diagnosis by Leveraging Artificial Intelligence: A survey. Informatics in Medicine Unlocked. 2022;29:100832. DOI:10.1016/j.imu.2021.100832Gabaldon-Figueira JC, Keen E, Gimenez G, et al. Acoustic surveillance of cough for detecting respiratory disease using artificial intelligence. ERJ Open Research. 2022;8(2):00053-02022. DOI:10.1183/23120541.00053-2022Gabaldon-Figueira JC, Keen E, Gimenez G, et al. Acoustic surveillance of cough for detecting respiratory disease using artificial intelligence. ERJ Open Research. 2022;8(2):00053-02022. DOI:10.1183/23120541.00053-2022Chung Y, Jin J, Jo HI, et al. Diagnosis of pneumonia by cough sounds analyzed with statistical features and AI. Sensors. 2021;21(21):7036. DOI:10.3390/s21217036Chung Y, Jin J, Jo HI, et al. Diagnosis of pneumonia by cough sounds analyzed with statistical features and AI. Sensors. 2021;21(21):7036. DOI:10.3390/s21217036Chaddad A, Peng J, Xu J, Bouridane A. Survey of Explainable AI Techniques in Healthcare. Sensors. 2023;23(2):634. DOI: 10.3390/s23020634Chaddad A, Peng J, Xu J, Bouridane A. Survey of Explainable AI Techniques in Healthcare. Sensors. 2023;23(2):634. DOI: 10.3390/s23020634Devlin J, Chang M, Lee K, Toutanova K. BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding. arX-iv. 2018. DOI: 10.48550/arXiv.1810.04805Devlin J, Chang M, Lee K, Toutanova K. BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding. arXiv. 2018. DOI: 10.48550/arXiv.1810.04805Касьяненко К. В., Козлов К.В., Жданов К.В., и др. Прогноз степени тяжести течения SARS-CoV-2-инфекции у лиц молодого возраста с применением методов искусственного интеллекта. Журнал инфектологии. 2022;14(5):14-25. https://doi.org/10.22625/2072-6732-2022-14-5-14-25Kas'janenko KV, Kozlov KV, Zhdanov KV, et al. SARS-CoV-2 severity prediction in young adults using artificial intelligence. Journal Infectology. 2022;14(5):14-25. (In Russ.) https://doi.org/10.22625/2072-6732-2022-14-5-14-25Smuha N.A. The EU approach to ethics guidelines for Trustworthy Artificial Intelligence. Comput. Law Rev. Int. 2019;20(4):97-106. https://doi.org/10.9785/cri-2019-200402Smuha NA. The EU approach to ethics guidelines for Trustworthy Artificial Intelligence. Comp Law Rev Int. 2019;20(4):97-106. https://doi.org/10.9785/cri-2019-200402Giuste F., Shi W., Zhu Y., Naren T., Isgut M., Sha Y., Tong L., Gupte M., Wang M.D. Explainable Artificial Intelligence Methods in Combating Pandemics: A Systematic Review. IEEE Rev. Biomed. Eng. 2023;16:5-21. https://doi.org/10.1109/RBME.2022.3185953Giuste F, Shi W, Zhu Y, Naren T, Isgut M, Sha Y, Tong L, Gupte M, Wang MD. Explainable Artificial Intelligence Methods in Combating Pandemics: A Systematic Review. IEEE Rev Biomed Eng. 2023;16:5-21. https://doi.org/10.1109/RBME.2022.3185953Васюта Е.А., Подольская Т.В. Проблемы и перспективы внедрения искусственного интеллекта в медицине. Государственное и муниципальное управление. Ученые записки. 2022;(1):25-32. https://doi.org/10.22394/2079-1690-2022-1-1-25-32Vasyuta EA, Podolskaya TV. Challenges and prospects for the introduction of artificial intelligence in medicine. State and Municipal Management. Scholar Notes. 2022;(1):25-32. (In Russ). https://doi.org/10.22394/2079-1690-2022-1-1-25-32Улумбекова Г.Э., Худова И.Ю. Оценка влияния новых технологий и изменений в характеристиках пациентов на систему здравоохранения: обзор публикаций и результаты опросов врачей. ОРГЗДРАВ: Новости. Мнения. Обучение. Вестник ВШОУЗ. 2023;9(1):41-56. https://doi.org/0.33029/2411-8621-2023-9-1-41-56Ulumbekova GE, Khudova IY. Assessment of the impact of new technologies and changes in patient characteristics on the healthcare system: review of publications and results of doctors surveys. HEALTHCARE MANAGEMENT: News, Views, Education. Bulletin of VSHOUZ. 2023;9(1):41-56. (In Russ). https://doi.org/0.33029/2411-8621-2023-9-1-41-56Булычева ЕВ. Искусственный интеллект как новое явление в развитии здравоохранения и медицинского образования (обзор литературы). Медицинское образование и профессиональное развитие. 2022;13(3):76-84. https://doi.org/10.33029/2220-8453-2022-13-3-76-84Bulycheva EV. Artificial intelligence as a new phenomenon in the development of healthcare and medical education (literature review). Medical Education and Professional Development. 2022;13(3):76-084. (In Russ). https://doi.org/10.33029/2220-8453-2022-13-3-76-84Балтутите И.В. Правовые проблемы использования искусственного интеллекта в сфере здравоохранения. Legal Concept = Правовая парадигма. 2022;21(2):140-148. https://doi.org/10.15688/lc.jvolsu.2022.2.18Baltutite IV. Legal Problems of the Use of Artificial Intelligence in Healthcare. Legal Concept = Pravovaya paradigma, 2022;21(2):140-148. (In Russ). https://doi.org/10.15688/lc.jvolsu.2022.2.18

The authors declare that there are no conflicts of interest present.