Разработка системы прогноза развития инфекционных заболеваний на основе искусственного интеллекта

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. 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. 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.

1. WHO. Coronavirus (COVID-19) Dashboard. Ссылка активна 12.07.2023. https://covid19.who.int/

2. 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.2023.3266093

3. LeCun Y, Bengio Y, Hinton G. Deep learning. Nature. 2015;521(7553):436-444. DOI:10.1038/nature14539

4. Felzenszwalb 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.2009.167

5. Krizhevsky A, Sutskever I, Hinton GE. ImageNet classification with deep convolutional Neural Networks. Communications of the ACM. 2017;60(6):84-90. DOI:10.1145/3065386

6. Zhao 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.2018.2876865

7. Abiodun 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.2019.2945545

8. Meyers 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.9876

9. Guo 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.2019.00113

10. Leal 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.2021.06.003

11. Bomb 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.i4.304

12. Wu 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/jpm11111172

13. Jin 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: 10.2196/18697

14. Guerrieri 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.2022.100693

15. Singh 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:10.2196/26868

16. Bose 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.2023.1143249

17. McMullen 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.2022.12.008

18. Kim M, Choi J, Kim N. Fully Automated Hand Hygiene Monitor-ing in Operating Room using 3D Convolutional Neural. arXiv. 2020. DOI: 10.48550/arXiv.2003.09087

19. Nicold 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/s20216396

20. Jiang 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.2020.3004568

21. Zhang 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/app13063885

22. Ijaz 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.2021.100832

23. Gabaldon-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:10.1183/23120541.00053-2022

24. Chung 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/s21217036

25. Chaddad A, Peng J, Xu J, Bouridane A. Survey of Explainable AI Techniques in Healthcare. Sensors. 2023;23(2):634. DOI: 10.3390/s23020634

26. Devlin J, Chang M, Lee K, Toutanova K. BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding. arX-iv. 2018. DOI: 10.48550/arXiv.1810.04805

27. Касьяненко 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/10.22625/2072-6732-2022-14-5-14-25

28. Smuha 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-2019-200402

29. Giuste 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.2022.3185953

30. Васюта 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/10.22394/2079-1690-2022-1-1-25-32

31. Улумбекова 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/0.33029/2411-8621-2023-9-1-41-56

32. Булычева 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/10.33029/2220-8453-2022-13-3-76-84

33. Балтутите 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.2022.2.18