Студент факультета кибербезопасности и информационной безопасности МТУСИ Жоаким Тимотео разработал модель искусственного интеллекта, которая способна заранее выявлять риски распространения инфекционных заболеваний.
Как сообщают «Известия», проект создавался как инструмент для прогнозирования вспышек малярии в Анголе, однако в процессе исследований стало очевидно, что технология обладает значительно более широким потенциалом применения.
По словам автора, после соответствующей адаптации система может использоваться для анализа эпидемиологической ситуации практически в любом регионе мира, если доступны необходимые статистические и медицинские данные.
Искусственный интеллект объединяет машинное обучение, климатические данные и эпидемиологию
В основе разработки лежит гибридная архитектура, которая сочетает сразу несколько современных методов анализа. Алгоритм использует технологии машинного обучения, модели анализа временных рядов, климатические показатели, а также эпидемиологические данные, что позволяет оценивать влияние множества факторов на распространение инфекций одновременно.
Такой комплексный подход помогает обнаруживать взаимосвязи, которые остаются незаметными для традиционных математических моделей прогнозирования. Система анализирует не только статистику заболеваемости, но и изменения окружающей среды, сезонные колебания и динамику предыдущих эпидемий.
Новая технология помогает заранее принимать решения в здравоохранении
Разработчик подчеркивает, что главная задача проекта заключается не только в прогнозировании количества заболевших.
Созданная модель рассматривается как инструмент поддержки принятия решений для органов здравоохранения. Она позволяет заранее оценивать вероятность возникновения вспышек инфекций, планировать профилактические мероприятия, эффективнее распределять медицинские ресурсы и своевременно реагировать на потенциальные угрозы.
Именно возможность раннего предупреждения делает систему особенно востребованной для служб эпидемиологического контроля.
Для обучения ИИ использовали данные о малярии за четверть века
Во время разработки модель обучалась на массиве информации о распространении малярии в Анголе, охватывающем период с 2000 по 2025 год. Анализ данных за 25 лет позволил алгоритму выявить устойчивые закономерности развития заболевания.
По итогам тестирования система научилась прогнозировать изменение эпидемиологической обстановки на срок от шести до восьми недель. Такой горизонт прогнозирования дает медицинским службам дополнительное время для подготовки к возможному росту числа заболевших.
Модель можно адаптировать для COVID-19, денге, холеры и других инфекций
Одним из ключевых преимуществ разработки является универсальность архитектуры. После дополнительной настройки алгоритм способен работать не только с малярией, но и с другими инфекционными заболеваниями.
По словам Жоакима Тимотео, при наличии качественных исходных данных система может использоваться для прогнозирования распространения коронавирусных инфекций, лихорадки денге, хантавирусных инфекций, холеры и других заболеваний, включая те, которые находятся под постоянным наблюдением Всемирной организации здравоохранения.
Перспективы применения искусственного интеллекта в эпидемиологии
Разработка демонстрирует, как современные технологии искусственного интеллекта постепенно становятся частью системы общественного здравоохранения. Использование комплексных аналитических моделей позволяет перейти от реагирования на уже возникшие эпидемии к их заблаговременному прогнозированию.
По мнению разработчиков, подобные решения способны повысить эффективность профилактики инфекционных заболеваний, сократить нагрузку на медицинские учреждения и помочь государственным службам быстрее принимать решения в условиях потенциальных эпидемиологических угроз.
