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

Инструмент искусственного интеллекта, внедренный Национальный центр по контролю заболеваний Согласно исследованию, (NCDC) в 2022 году, возможно, помогла направить более 5000 предупреждений об инфекционных вспышках органам здравоохранения в режиме реального времени с момента установки.

Разработано ВадхваниАИпоставщик решений искусственного интеллекта для здравоохранения со штаб-квартирой в Нью-Дели,Страж здоровьяИнструмент мог бы помочь сократить 98 процентов ручной работы, позволяя быстрее выявлять вспышки и принимать упреждающие меры общественного здравоохранения, свидетельствуют результаты, опубликованные в виде предварительной печати 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.

Сообщения о новостях в печатных, электронных и онлайн-СМИ сканируются с помощью инструмента сканирования и проверки средств массовой информации в соответствии с требованиями Индии.Программа комплексного надзора за заболеваниями(IDSP) о необычных событиях в области здравоохранения, о которых затем сообщается 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 из 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», — рассказал 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.

Представители здравоохранения и эпидемиологи в правительстве отметили, что автоматизация ручного скрининга является одним из требований для укрепления системы здравоохранения в стране. слежка через СМИнаряду с более быстрым обнаружением вспышек и многоязычными возможностями, сказал Говил.

Исследовательская группа отметила 150-процентное увеличение количества опубликованных событий с 2022 года по сравнению с предыдущими годами наблюдения за болезнями человека.

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

Исследования предлагают поддержать традиционный надзор за счет просмотра онлайн-контента – новостных репортажей или публикаций в социальных сетях – для более эффективного выявления вспышек инфекционных заболеваний.

В исследовании, опубликованном в феврале в «Индийском журнале медицинских исследований: Официальный журнал Индийского совета медицинских исследований», был проведен пилотный проект наблюдение на основе событий система, которая просматривала журналы СМИ и 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 процентов были вызваны тяжелыми острыми респираторными заболеваниями, 10 процентов – 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 (эпиднадзора 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 Американском журнале тропической медицины и гигиены в 2017 году, показало, как данные из новостных статей могут помочь с задержками в получении данных на уровне страны о подтвержденных случаях инфекций, таких как лихорадка денге.