Актуальные аспекты цифровизации в гигиене: наука и практика

Масштабы и комплексный характер обеспечения гигиенической безопасности населения определяют необходимость процессов цифровизации – перевода аналоговых данных в электронный формат, автоматизации бизнес-процессов, оперативной обработки результатов.

Цель исследования – рассмотреть основные научные подходы и методические приёмы цифровизации в современной гигиенической науке и практике решения актуальных гигиенических проблем. Описан опыт применения элементов искусственного интеллекта, математического моделирования, структурно-динамического анализа и пр. В рамках развития отечественной гигиенической науки отработан метод нейронных сетей при ситуационном моделировании и прогнозировании ожидаемой продолжительности жизни населения под воздействием комплекса разнородных факторов. Предложена методология анализа и параметризации волн эпидемического процесса с учётом региональной специфики. Отражена практика наукоёмких исследований в области построения цифровой модели человека как инструмента имитационного моделирования in siliko ответов организма на любые внешние воздействия. Активно осуществляется перевод в цифровые форматы результатов клеточных, субклеточных и молекулярных технологий для задач санитарно-эпидемиологического анализа, клинической эпидемиологии и доказательной медицины. Для решения практических гигиенических задач предложена новая концептуальная схема каскадной модели системы «контрольно-надзорная деятельность – среда обитания – здоровье населения», позволяющая оценивать предотвращённые потери здоровья и экономические ущербы. Разработана концептуальная схема включения форм дистанционного контроля в общую систему автоматизации деятельности санитарной службы. Описаны методы и приёмы решения комплекса иных гигиенических задач, в том числе формирования доказательной базы негативного влияния факторов риска на здоровье населения, включая цифровую обработку данных, идентификацию загрязнителей с применением методов компьютерного зрения и ряд других.

Заключение. Процессы цифровизации, обеспечивающие использование больших многомерных массивов данных в сочетании с современными наукоёмкими методами их обработки обеспечивают максимально оперативное и корректное решение актуальных гигиенических задач, повышают точность прогноза и расширяют возможности профилактический деятельности для обеспечения гигиенической безопасности населения страны.

Участие авторов:
Зайцева Н.В. – концепция и дизайн исследования, редактирование;
Май И.В. – сбор материала, обработка материала, написание текста;
Алексеев В.Б. – сбор материала, редактирование;
Кирьянов Д.А. – обработка материала.
Все соавторы – утверждение окончательного варианта статьи, ответственность за целостность всех частей статьи.

Конфликт интересов. Авторы декларируют отсутствие явных и потенциальных конфликтов интересов в связи с публикацией данной статьи.

Финансирование. Исследование не имело спонсорской поддержки, выполнено в рамках средств, выделяемых для выполнения государственного задания НЦ МПТ управления рисками здоровью населения.

Поступила: 03.04.2024 / Принята к печати: 19.06.2024 / Опубликована: 31.07.2024

1. Левин А.И., Шошина В.И. Тенденции развития государственного управления в условиях цифровизации экономики. Государство и общество: вчера, сегодня, завтра. 2019; (2): 5–10. https://elibrary.ru/spwbid

2. Eom S.J., Lee J. Digital government transformation in turbulent times: Responses, challenges, and future direction. Gov. Inf. Q. 2022; 39(2): 101690. https://doi.org/10.1016/j.giq.2022.101690

3. Lindquist E., Huse I. Accountability and monitoring government in the digital era: Promise, realism and research for digital era governance. Can. Public Adm. 2017; 60(4): 627–56. https://doi.org/10.1111/capa.12243

4. Zhu J.J., Yang M., Ren Z.J. Machine Learning in Environmental Research: Common Pitfalls and Best Practices. Environ. Sci. Technol. 2023; 57(46): 17671–89. https://doi.org/10.1021/acs.est.3c00026

5. Carriger J.F., Barron M.G., Newman M.C. Bayesian networks improve causal environmental assessments for evidence-based policy. Environ. Sci. Technol. 2016; 50(24): 13195–205. https://doi.org/10.1021/acs.est.6b03220

6. Borba J.V.B., Alves V.M., Braga R.C., Korn D.R., Overdahl K., Silva A.C., et al. STopTox: An in silico alternative to animal testing for acute systemic and topical toxicity. Environ. Health Perspect. 2022; 130(2): 27012. https://doi.org/10.1289/EHP9341

7. Brown K.A., Brittman S., Maccaferri N., Jariwala D., Celano U. Machine learning in nanoscience: big data at small scales. Nano Lett. 2020; 20(1): 2–10. https://doi.org/10.1021/acs.nanolett.9b04090

8. Fan Z., Yan Z., Wen S. Deep learning and artificial intelligence in sustainability: A review of SDGs, renewable energy, and environmental health. Sustainability. 2023; 15(18): 13493. https://doi.org/10.3390/su151813493

9. Shahid N., Rappon T., Berta W. Applications of artificial neural networks in health care organizational decision-making: A scoping review. PLoS One. 2019; 14(2): e0212356. https://doi.org/10.1371/journal.pone.0212356

10. Schlessinger L., Eddy D.M. Archimedes: a new model for simulating health care systems – the mathematical formulation. J. Biomed. Inform. 2002; 35(1): 37–50. https://doi.org/10.1016/s1532-0464(02)00006-0.

11. Lee S.H., Sung J.H. Organ-on-a-chip technology for reproducing multiorgan physiology. Adv. Healthc. Mater. 2018; 7(2). https://doi.org/10.1002/adhm.201700419

12. Zhao X., Liu Y., Ding J., Ren X., Bai F., Zhang M. Hemodynamic effects of the anastomoses in the modified Blalock-Taussig shunt: a numerical study using a 0D/3D coupling method. Mech. Med. Biol. 2015; 15: 1550017. https://doi.org/10.1142/S0219519415500177

13. Demirel H.O., Ahmed S., Duffy V.G. Digital human modeling: a review and reappraisal of origins, present, and expected future methods for representing humans computationally. Int. J. Hum. Comput. Int. 2022; 38(10): 897–937. https://doi.org/10.1080/10447318.2021.1976507

14. Патяшина М.А., Юзлибаева Л.Р. Применение современных информационных технологий при обеспечении санитарно-эпидемиологического благополучия массовых мероприятий с международным участием. Казанский медицинский журнал. 2015; 96(2): 241–8. https://doi.org/10.17750/KMJ2015-241 https://elibrary.ru/tmhtgv

15. Зайцева Н.В. Гигиена в решении актуальных проблем развития потенциала здоровья и продолжительности жизни населения Российской Федерации. Гигиена и санитария. 2022; 101(10): 1138–44. https://doi.org/10.47470/0016-9900-2022-101-10-1138-1144 https://elibrary.ru/ctxokc

16. Zaitseva N.V., Kleyn S.V., Glukhikh М.V., Kiryanov D.А., Kamaltdinov М.R. Predicting growth potential in life expectancy at birth of the population in the Russian Federation based on scenario changes in socio-hygienic determinants using an artificial neural network. Health Risk Analysis. 2022; (2): 4–16. https://doi.org/10.21668/health.risk/2022.2.01.eng https://elibrary.ru/wwenix

17. Kokoulin А.N., May I.V., Zagorodnov S.Yu., Yuzhakov А.А. On new methods for measuring and identifying dust microparticles in ambient air. Health Risk Analysis. 2023; (1): 36–45. https://doi.org/10.21668/health.risk/2023.1.04.eng https://elibrary.ru/ufkqeo

18. Трусов П.В., Зайцева Н.В., Кирьянов Д.А., Камалтдинов М.Р., Цинкер М.Ю., Чигвинцев В.М. и др. Математическая модель эволюции функциональных нарушений в организме человека с учетом внешнесредовых факторов. Математическая биология и биоинформатика. 2012; 7(2): 589–610. https://elibrary.ru/pnbukz

19. Кирьянов Д.А., Камалтдинов М.Р., Цинкер М.Ю., Бабина С.В., Клейн С.В., Андришунас А.М. Параметризация зависимостей между факторами риска и здоровьем населения при хроническом воздействии многокомпонентного загрязнения атмосферного воздуха. Анализ риска здоровью. 2022; (4): 33–44. https://doi.org/10.21668/health.risk/2022.4.03 https://elibrary.ru/vylzsk

20. Землянова М.А., Зайцева Н.В., Кирьянов Д.А., Устинова О.Ю. Методические подходы к оценке и прогнозированию индивидуального риска здоровью при воздействии комплекса разнородных факторов для задач персонализированной профилактики. Гигиена и санитария. 2018; 97(1): 34–43. https://doi.org/10.18821/0016-9900-2018-97-1-34-43 https://elibrary.ru/ywrnft

21. Зайцева Н.В., Землянова М.А., Май И.В., Алексеев В.Б., Трусов П.В., Хрущева Е.В., Савочкина А.А. Комплексная оценка эффективности митигации вреда здоровью на основе теории нечетких множеств при планировании воздухоохранных мероприятий. Анализ риска здоровью. 2020; (1): 25–37. https://doi.org/10.21668/health.risk/2020.1.03 https://elibrary.ru/cueyva

22. Фаминская М.В., Балтер Б.М., Балтер Д.Б., Стальная М.В. OLAP-система для моделирования риска здоровью населения от загрязнения воздуха. Программные продукты и системы. 2014; (4): 234–41. https://elibrary.ru/tpowrh

23. Попова А.Ю., Кузькин Б.П., Демина Ю.В., Дубянский В.М., Куличенко А.Н., Малецкая О.В. и др. Использование современных информационных технологий в практике санитарно-эпидемиологического надзора в период проведения XXII Олимпийских зимних игр и XI Паралимпийских зимних игр в г. Сочи. Журнал микробиологии, эпидемиологии и иммунобиологии. 2015; 92(2): 113–8. https://elibrary.ru/vobeil

24. Цинкер М.Ю., Кучуков А.И. Исследование течения воздуха в нижних дыхательных путях индивидуальной формы, полученной на основе снимков компьютерной томографии. Математическое моделирование в естественных науках. 2022; 1: 311–4. https://elibrary.ru/zytcro

25. Камалтдинов М.Р., Кучумов А.Г. Применение математической модели системного кровообращения для определения параметров кровотока после операции шунтирования у новорожденных. Российский журнал биомеханики. 2021; 25(3): 313–30. https://doi.org/10.15593/RZhBiomeh/2021.3.07 https://elibrary.ru/bsgygp

26. Trusov P.V., Zaitseva N.V., Tsinker M.Yu., Nekrasova A.V. Mathematical model of airflow and solid particles transport in the human nasal cavity. Mathematical Biology and Bioinformatics. 2023; 18(S): 1–16. https://doi.org/10.17537/2023.18.t1 https://elibrary.ru/gzpswh

27. Kamaltdinov M.R., Zaitseva N.V., Shur P.Z. Numerical modeling of acidity distribution in antroduodenum aimed at identifying anomalous zones at consuming drinks with different pH level. Health Risk Analysis. 2017; (1): 38–46. https://doi.org/10.21668/health.risk/2017.1.05.eng

28. Zemlyanova M.A., Zaitseva N.V., Koldibekova Yu.V., Peskova E.V., Bulatova N.I., Stepankov M.S. Markers of combined aerogenic exposure to metal oxides and transformed plasma proteomic profiles in children. Health Risk Analysis. 2023; (10): 137–46. https://doi.org/10.21668/health.risk/2023.1.13.eng

29. Попова А.Ю., Кузьмин С.В., Зайцева Н.В., Май И.В. Приоритеты научной поддержки деятельности санитарно-эпидемиологической службы в области гигиены: поиск ответов на известные угрозы и новые вызовы. Анализ риска здоровью. 2021; (1): 4–14. https://doi.org/10.21668/health.risk/2021.1.01 https://elibrary.ru/envzjr

30. Гурвич В.Б., Кузьмин С.В., Малых О.Л., Ярушин С.В. Социально-гигиенический мониторинг – интегрированная система оценки и управления риском для здоровья населения на региональном уровне. Санитарный врач. 2014; (1): 29–31. https://elibrary.ru/scowet

31. Якубайлик О.Э., Кадочников А.А., Токарев А.В. Геоинформационная веб-система и приборно-измерительное обеспечение оперативной оценки загрязнения атмосферы. Автометрия. 2018; 54(3): 39–46. https://doi.org/10.15372/AUT20180305 https://elibrary.ru/xptqhb

32. Поликарпов А.В., Голубев Н.А., Левахина Ю.С., Махов В.А. Геоинформационная система как элемент территориального планирования в здравоохранении. Вестник Росздравнадзора. 2022; (6): 68–74. https://elibrary.ru/drbbve

33. Авалиани С.Л., Новиков С.М., Шашина Т.А., Скворцова Н.С., Кислицин В.А., Мишина А.Л. Проблемы гармонизации нормативов атмосферных загрязнений и пути их решения. Гигиена и санитария. 2012; 91(5): 75–8. https://elibrary.ru/puhixv

34. Шур П.З., Зайцева Н.В., Хасанова А.А., Четверкина К.В., Костарев В.Г. Совершенствование количественных критериев оценки неканцерогенного риска для здоровья при хроническом ингаляционном поступлении химического вещества. Гигиена и санитария. 2022; 101(11): 1412–8. https://doi.org/10.47470/0016-9900-2022-101-11-1412-1418 https://elibrary.ru/bdelqn

35. Кирьянов Д.А., Камалтдинов М.Р., Цинкер М.Ю., Чигвинцев В.М., Бабина С.В., Кучуков А.И. Каскадная модель для оценки и прогнозирования предотвращенных потерь здоровью в результате контрольно-надзорной деятельности Роспотребнадзора. Здоровье населения и среда обитания – ЗНиСО. 2023; 31(12): 27–36. https://doi.org/10.35627/2219-5238/2023-31-11-27-36

36. Попова А.Ю., Зайцева Н.В., Май И.В., Кирьянов Д.А., Колесник П.А. Дистанционный контроль соблюдения требований санитарного законодательства: цели, задачи, перспективы внедрения. Гигиена и санитария. 2021; 100(10): 1024–34. https://doi.org/10.47470/0016-9900-2021-100-10-1024-1034 https://elibrary.ru/eexddz