Инструмент искусственного интеллекта в национальном эпиднадзоре за заболеваниями помог отправить более 5000 предупреждений органам здравоохранения: данные

Исследовательская группа отметила увеличение числа опубликованных событий на 150 % с 2022 года по сравнению с предыдущими годами эпиднадзора за болезнями человека.

Согласно исследованию, инструмент искусственного интеллекта, развернутый Национальным центром по контролю заболеваний (NCDC) в 2022 году, возможно, помог отправить более 5000 предупреждений о вспышках инфекционных заболеваний органам здравоохранения в режиме реального времени с момента установки.

Разработанный компанией WadhwaniAI, поставщиком решений искусственного интеллекта в сфере здравоохранения из Нью-Дели, инструмент Health Sentinel мог бы помочь сократить 98 процентов ручной работы, позволяя быстрее выявлять вспышки и принимать упреждающие меры общественного здравоохранения, свидетельствуют результаты, опубликованные в виде предварительной публикации и еще не прошедшие рецензирование.

Около 200 стран юридически обязаны в соответствии с Международными медико-санитарными правилами (ММСП) использовать национальную систему эпиднадзора за заболеваниями. ММСП и Всемирная организация здравоохранения совместно работают над защитой глобальной безопасности в области здравоохранения.

Новостные сообщения в печатных, электронных и онлайн-СМИ сканируются с помощью инструмента сканирования и проверки средств массовой информации в рамках «Индийской программы комплексного надзора за заболеваниями» (IDSP) на предмет необычных событий в области здравоохранения, которые затем передаются властям для принятия дальнейших мер, если это будет сочтено необходимым.

«Health Sentinel» ежедневно просматривал сообщения средств массовой информации и новостные статьи на 13 языках.

Авторы написали: «С апреля 2022 года по настоящее время Health Sentinel обработал более 300 миллионов новостных статей и выявил более 95 000 уникальных событий в области здравоохранения по всей Индии, из которых более 3500 событий (четыре процента) были включены экспертами общественного здравоохранения NCDC в список потенциальных вспышек». Авторы Wadhwani AI сообщили PTI, что в период с апреля 2022 года по апрель 2025 года органам здравоохранения по всей Индии было отправлено более 5000 предупреждений в режиме реального времени.

«Традиционно процесс выявления потенциальных событий заболевания, о которых сообщается в средствах массовой информации, включал ручное сканирование газет, журналов и отчетов для выявления соответствующих статей», — сказал PTI Параг Говил, руководитель национальной программы глобальной безопасности здравоохранения в Wadhwani AI.

«Внедрение решения Health Sentinel заменило этот ручной процесс, сохранив при этом подход с участием человека, при котором эпидемиологи выполняют необходимую проверку, прежде чем информация будет передана чиновникам штата и округа», – добавил он.

Традиционные подходы к эпиднадзору за заболеваниями основаны на «пассивной отчетности», при которой рассматриваются сообщения об инфекциях от врачей и медицинских работников.

Мониторинг неофициальных источников, таких как онлайн-СМИ, также становится все более популярным для наблюдения за заболеваниями, но по мере того, как объем статей, публикуемых каждый день, увеличивается, нагрузка на ручную проверку СМИ резко возросла и становится непрактичной, говорят авторы исследования, в том числе из Национального центра по контролю заболеваний (NCDC).

Они предложили инструмент Health Sentinel, который использует ИИ для извлечения информации о необычных событиях в области здравоохранения или вспышках из новостных статей.

По словам Говила, представители здравоохранения и эпидемиологи в правительстве отметили, что автоматизация ручного скрининга является одним из требований для усиления надзора на основе средств массовой информации, наряду с более быстрым обнаружением вспышек и многоязычными возможностями.

Исследовательская группа наблюдала увеличение количества опубликованных событий на 150% с 2022 года по сравнению с предыдущими годами наблюдения за заболеваниями у людей.

Кроме того, по их словам, 96% событий в области здравоохранения, опубликованных национальной системой эпиднадзора в 2024 году, были получены с помощью инструмента искусственного интеллекта — только четыре процента — посредством ручного сканирования СМИ.

Исследования показывают, что традиционный эпиднадзор можно поддержать, просматривая онлайн-контент – новостные репортажи или публикации в социальных сетях – для более эффективного выявления вспышек инфекционных заболеваний.

Исследование, опубликованное в феврале в журнале «Индийский журнал медицинских исследований: Официальный журнал Индийского совета медицинских исследований»запустила систему наблюдения на основе событий, которая просматривала средства массовой информации и реестры слухов в шести частных больницах округа Касарагод в Керале.

Исследователи из Национального института эпидемиологии ICMR в Ченнаи, а также представители здравоохранения штата и округа Кералы разработали алгоритм, который анализирует истории болезни пациентов, госпитализированных с острым лихорадочным заболеванием (ОФИ) — лихорадкой, которая может длиться до двух недель.

Интересующие симптомы, такие как ОФИ с сыпью или кровотечением, были идентифицированы с использованием пространственно-временной кластеризации пациентов или смертей.

С мая по декабрь 2023 года с использованием алгоритма были проанализированы почти три четверти из более чем 4500 пациентов с ОФИ. Из 88 выявленных кластеров 76 % были обусловлены тяжелыми острыми респираторными заболеваниями, 10 % — синдромом острого энцефалита и девять процентов — ОФИ с сыпью.

Кроме того, 10 кластеров были проверены как события, девять из которых были классифицированы как вспышки, включая лихорадку денге и COVID-19, говорится в исследовании.

Авторы заявили: «Пилотный проект EBS (эпиднадзор на основе событий) в частных медицинских учреждениях дополнил (традиционную) систему ранним обнаружением вспышек. Эта модель EBS имеет потенциал для внедрения в других округах, особенно в районах с более высоким риском распространения зоонозных заболеваний». В обзоре 2020 года, опубликованном в Журнале биомедицинской информатики, были рассмотрены 148 исследовательских статей, опубликованных в 2010–2019 годах о надзоре за здравоохранением, в которых рассматривались социальные сети, включая публикации, сделанные в X (тогда Twitter).

Было замечено, что в двадцати шести статьях, в том числе из баз данных ScienceDirect и PubMed, для наблюдения использовалось машинное обучение — форма алгоритма искусственного интеллекта.

В исследовании отмечается, что около четверти статей посвящено наблюдению за гриппом или гриппоподобными заболеваниями, при этом Twitter является самым популярным источником данных из социальных сетей для проведения исследований по надзору.

«Включение онлайн-данных в системы наблюдения улучшило способность прогнозирования заболеваний по сравнению с традиционными системами синдромного наблюдения», — пишут авторы из Делийского технологического университета.

Другое исследование, опубликованное в журнале Американский журнал тропической медицины и гигиены в 2017 году указал на то, как данные из новостных статей могут помочь с задержками в получении данных на уровне страны о подтвержденных случаях инфекций, таких как лихорадка денге.

Опубликовано — 16 ноября 2025 г., 17:42 по восточному стандартному времени.