Ensuring the sanitary and epidemiological well-being of the population using geoinformation technologies and artificial intelligence algorithms

Roman V. Buzinov; Yuliya A. Novikova; Igor O. Myasnikov; Nadezhda A. Sklizkova; Vladimir N. Fedorov; Роман Вячеславович Бузинов; Юлия Александровна Новикова; Игорь Олегович Мясников; Надежда Андреевна Склизкова; Владимир Николаевич Федоров

doi:10.47470/0016-9900-2026-105-1-78-85

Использование геоинформационных технологий и алгоритмов искусственного интеллекта для обеспечения санитарно-эпидемиологического благополучия населения

Роман Вячеславович Бузинов, Юлия Александровна Новикова, Игорь Олегович Мясников, Надежда Андреевна Склизкова, Владимир Николаевич Федоров

https://doi.org/10.47470/0016-9900-2026-105-1-78-85

EDN: bpiouh

Полный текст:

PDF (Rus) HTML XML

сгенерировать QR код

Содержание

Перейти к:

Аннотация

Введение. В рамках цифровизации профилактической медицины и оценки санитарно-эпидемиологической обстановки в последние годы были созданы различные информационно-аналитические системы, позволяющие упростить и автоматизировать сбор и анализ данных, эффективнее проводить риск-ориентированный надзор, прогнозировать эпидемиологические процессы в популяции, а также оценивать влияние факторов окружающей среды на здоровье населения. Единая информационно-аналитическая система Роспотребнадзора призвана объединить отдельные системы, при этом качественный переход на новый уровень автоматизации процессов невозможен без широкого внедрения алгоритмов искусственного интеллекта.

Цель исследования – создание информационно-аналитических систем в области обеспечения санитарно-эпидемиологического благополучия с применением геоинформационных технологий и алгоритмов искусственного интеллекта.

Материалы и методы. Контент-анализ, методы построения и анализа баз данных, визуализация пространственных данных с применением ГИС.

Результаты. Критическим местом, снижающим возможности большинства информационных систем Роспотребнадзора, является ограниченный набор аналитических инструментов. Интеграция искусственного интеллекта позволит устранить эту проблему, сохранив высокую автоматизацию процесса информационного взаимодействия, а также реализовать возможности многофакторного анализа больших данных на основе специализированных моделей машинного обучения.

Ограничение исследования. Анализировали информационные системы Роспотребнадзора без оценки систем других ведомств.

Заключение. Созданные информационные системы Роспотребнадзора показали преимущества цифровых сервисов при сборе, анализе и визуализации данных. Дальнейшее их развитие и объединение в Единую информационно-аналитическую систему невозможно без интеграции с искусственным интеллектом, что позволит по-новому решать задачи комплексной оценки санитарно-эпидемиологического благополучия с учётом многофакторного анализа.

Соблюдение этических стандартов. Исследование не требует представления заключения комитета по биомедицинской этике или иных документов.

Вклад авторов:
Бузинов Р.В. – концепция и дизайн исследования;
Новикова Ю.А. – сбор и обработка материала, ответственность за целостность и пропорциональность всех частей статьи;
Мясников И.О. – анализ данных, корректировка дизайна исследования, редактирование текста статьи;
Склизкова Н.А. – анализ данных, редактирование текста статьи;
Федоров В.Н. – анализ данных, интерпретация результатов, редактирование текста статьи.
Все соавторы – утверждение окончательного варианта статьи, ответственность за целостность всех её частей.

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

Финансирование. Исследование не имело спонсорской поддержки.

Поступила: 31.10.2025 / Принята к печати: 02.12.2025 / Опубликована: 10.02.2026

Ключевые слова

санитарно-эпидемиологическое благополучие, факторы среды обитания, цифровизация, большие данные, геоинформационные системы, искусственный интеллект

Для цитирования:

Бузинов Р.В., Новикова Ю.А., Мясников И.О., Склизкова Н.А., Федоров В.Н. Использование геоинформационных технологий и алгоритмов искусственного интеллекта для обеспечения санитарно-эпидемиологического благополучия населения. Гигиена и санитария. 2026;105(1):78-85. https://doi.org/10.47470/0016-9900-2026-105-1-78-85. EDN: bpiouh

For citation:

Buzinov R.V., Novikova Yu.A., Myasnikov I.O., Sklizkova N.A., Fedorov V.N. Ensuring the sanitary and epidemiological well-being of the population using geoinformation technologies and artificial intelligence algorithms. Hygiene and Sanitation. 2026;105(1):78-85. (In Russ.) https://doi.org/10.47470/0016-9900-2026-105-1-78-85. EDN: bpiouh

Введение

Указом Президента Российской Федерации¹ определены приоритеты научно-технологического развития, среди которых значимое место занимают переход к передовым цифровым технологиям, машинное обучение и использование искусственного интеллекта (ИИ), а также создание систем обработки больших объёмов данных. Цифровизация различных сфер деятельности и автоматизация процессов управления требуют создания гибких алгоритмов с использованием искусственного интеллекта, позволяющих формулировать выводы для принятия решений на основе анализа больших данных. Национальный проект «Экономика данных и цифровая трансформация государства», который реализуется с 2025 г., направлен на развитие экономики страны с помощью больших данных, генерируемых в различных государственных и частных (коммерческих) цифровых системах².

Актуальность применения ИИ в сфере оценки санитарно-эпидемиологического благополучия населения и профилактической медицины только начинает осознаваться, однако уже охватывает различные области – от прогнозирования эпидемиологических процессов до риск-ориентированного надзора [1–7].

Вызовы и угрозы, связанные с гигиенической и эпидемиологической безопасностью населения, могут привести к значимым медико-демографическим потерям общества. Загрязнение атмосферного воздуха и питьевой воды формирует риски для здоровья населения [8, 9], накопленные отходы производства снижают качество окружающей среды: регистрируются случаи загрязнения подземных вод, почвы [10], риски нарушения здоровья возникают при воздействии физических факторов, остаётся актуальной проблема сохранения здоровья работающих [11]. Введение новых методов в образовательные процессы требует инновационных подходов к системе управления рисками [12]. Санитарно-эпидемиологическая ситуация в значительной мере зависит от изменений климата, что приводит к увеличению привлекательности северных территорий страны, в первую очередь Арктической зоны Российской Федерации, однако таяние многолетней мерзлоты может вызывать загрязнение окружающей среды, критические разрушения инфраструктуры, изменения природных условий для охоты и рыболовства местных жителей [13, 14].

Современные технологии позволяют собирать большие объёмы данных о факторах среды обитания, влияющих на здоровье населения, медико-демографические и социально-экономические показатели. Комплексное и сочетанное влияние этих факторов с трудом поддаётся объективному анализу в связи с усложнением моделей оценки многофакторного воздействия на здоровье человека.

Всё более значимыми становятся сокращение времени принятия решения, использование многофакторного анализа сложноструктурированных баз данных, что особенно важно в чрезвычайных ситуациях. Применение искусственного интеллекта позволит эффективно обрабатывать и анализировать большие объёмы данных, выявляя связи и закономерности между комплексом химических, физических, климатических, социально-экономических факторов и показателями здоровья населения, моделировать сложные нелинейные зависимости с одновременным анализом множества факторов. Искусственный интеллект с возможностью машинного обучения может быть использован при оценке эффективности комплекса мероприятий по минимизации риска для здоровья населения с учётом одновременного разнонаправленного воздействия факторов.

Анализ больших данных с привязкой к территории (карте) наиболее эффективен с использованием инструментов пространственного анализа, реализованных в современных геоинформационных системах (ГИС), однако в практической деятельности органов Роспотребнадзора их применение сводится преимущественно к визуализации результатов исследований и подготовке наглядных материалов (карты). В то же время потенциал современных ГИС позволяет не только визуализировать показатели на карте, но и проводить анализ пространственного распределения показателей (заболеваемость, факторы среды обитания), а также выявлять взаимосвязи «фактор – здоровье».

Несмотря на очевидную целесообразность использования алгоритмов искусственного интеллекта и ГИС для оценки санитарно-эпидемиологической обстановки, такие инструменты применяются редко, в первую очередь из-за их ограниченного количества. Для решения этой задачи необходима разработка научно обоснованных подходов к выбору моделей машинного обучения искусственного интеллекта, учитывающих специфику конкретной задачи, и требований к качеству, структуре и формату исходных данных, которые могут быть проанализированы с помощью искусственного интеллекта.

Цель исследования – создание информационно-аналитических систем в области обеспечения санитарно-эпидемиологического благополучия при использовании геоинформационных технологий и алгоритмов искусственного интеллекта.

Материалы и методы

Контент-анализ, построение и анализ баз данных, визуализация пространственных данных с применением ГИС.

Результаты

Отечественные исследователи уже использовали в многомерном гигиеническом анализе алгоритмы искусственного интеллекта: нейросетевое моделирование, машинное обучение [15, 16], геоинформационные системы [17, 18]. В прикладной области эти алгоритмы нашли применение при создании информационно-аналитических систем (ИАС): автоматизированная информационная система АИС «Периметр» [18], информационная система «Интерактивная карта контроля качества питьевой воды в Российской Федерации» [19].

Пример более узкоспециальных ИАС на основе ГИС локального размещения – ГИС-модели водных объектов – источников питьевого водоснабжения различных субъектов России [20] (рис. 1).

В настоящее время для цифровизации деятельности Роспотребнадзора, реализации полноценного электронного взаимодействия с другими органами исполнительной власти, организациями и гражданами создаётся Единая информационно-аналитическая система (ЕИАС Роспотребнадзора), минимизирующая ручной ввод данных, позволяющая унифицировать сбор и первичную обработку данных, выявлять особенности эпидемического процесса, проводить анализ санитарно-эпидемиологической обстановки, оценить риски для здоровья населения [21].

Анализ актуальных задач в области оценки состояния окружающей среды, среды обитания населения и существующих ГИС-платформ позволил сформулировать перечень необходимых требований к инструментарию ГИС, позволяющему реализовать:

автоматическое картирование данных;
управление базами данных;
топологический анализ и геокодирование;
пространственное моделирование и анализ;
пространственную интерполяцию данных и статистический анализ модельных поверхностей [22, 23].

Пример специализированной облачной ИАС для оценки и анализа состояния санитарно-эпидемиологического благополучия населения – геоинформационный портал «Санитарно-эпидемиологическое благополучие населения в Арктической зоне Российской Федерации» (Геопортал). Разработанная в 2021 г. базовая версия Геопортала по итогам апробации органами Роспотребнадзора пилотных субъектов (Архангельская и Мурманская области) показала эффективность при оценке санитарно-эпидемиологической обстановки. Возможности Геопортала в части визуализации результатов оценки и анализа на основе инструментов геоинформационной системы позволяют снизить трудозатраты специалистов путём формирования автоматизированных стандартизованных отчётов.

Геопортал представляет собой информационно-аналитическую систему с набором аналитических инструментов для оценки санитарно-эпидемиологического благополучия населения как в целом Российской Арктики, так и отдельно взятых территорий, а также обоснования управленческих решений и планирования градостроительной, природоохранной деятельности [24, 25].

В целях интеграции в ЕИАС Роспотребнадзора архитектура и схема обмена данными Геопортала были пересмотрены (рис. 2).

Обсуждение

Одним из наиболее востребованных инструментов ГИС в практике анализа санитарно-эпидемиологической обстановки традиционно считается пространственный анализ [26–28], который находит широкое применение в гигиенических и эпидемиологических исследованиях. Разнообразие математических моделей, лежащих в основе методов интерполяции и объединяемых общим термином «пространственный анализ» (или «геостатистический анализ»), например, обратных взвешенных расстояний, радиальных базисных функций, глобальных и локальных полиномов, кригинга, может приводить к различным результатам, зависящим от выбора конкретной модели [29] исследования. Жёстких критериев выбора определённого метода интерполяции в настоящее время не существует – все результаты математического моделирования условно являются равновероятными. Поэтому при исследованиях в области оценки санитарно-эпидемиологической обстановки, заболеваемости населения следует учитывать мультивариабельность результата прогнозирования [28, 30].

Данное обстоятельство создаёт определённые сложности при разработке ИАС с высоким уровнем автоматизации, где для облегчения работы пользователя обработка и первичный анализ информации выполняются в автоматическом режиме благодаря встроенным алгоритмам анализа и прогнозирования, в том числе пространственного анализа [31, 32]. Важным преимуществом подобных информационных систем (например, Геопортал, ЕИАС Роспотребнадзора) является минимальное вмешательство пользователя в процесс анализа данных, что снижает требования к квалификации, упрощая и облегчая работу с системой, и одновременно исключает человеческий фактор при анализе данных. Это позволяет получить сопоставимые результаты анализа, выполненного с применением идентичного набора инструментов, чего было бы сложно добиться в ситуации, когда пользователь не ограничен в выборе методов анализа [31]. Упомянутая выше проблема зависимости результатов анализа от выбранного метода диктует необходимость применения различных инструментов исходя из характера исходных данных и свойств выборки. При этом возможность выбора специфического инструмента для анализа данных в сложных ИАС неизбежно приведёт к снижению уровня их автоматизации и, следовательно, к уменьшению их ценности для пользователя.

Одним из вариантов решения данной задачи может стать интеграция ИИ в аналитический модуль ИАС, что позволит сохранить возможность гибкого подхода к анализу путём выбора оптимального инструмента в зависимости от свойств данных при сохранении высокой степени автоматизации.

Важное преимущество внедрения ИИ в сложные ИАС – возможность упрощения и автоматизации процессов обмена данными между различными ИАС, в том числе в рамках межведомственного взаимодействия. Особенности структур баз данных и форматов отчётных документов, характерные для различных ИАС, в большинстве случаев не позволяют выполнить быстрый экспорт и импорт больших данных. Применение ИИ может существенно упростить этот процесс, что критически важно для полноценного многофакторного анализа больших данных.

Последний аспект использования ИИ – многофакторный анализ больших данных – заслуживает отдельного внимания. В настоящее время алгоритмы ИИ только начинают применяться для выявления множественных связей «фактор – здоровье», главным образом при выполнении научных исследований [33, 34]. Специализированные модели машинного обучения (деревья решений, нейронные сети и др.) позволяют моделировать сложные нелинейные зависимости с одновременным учётом множества факторов. Применение ИИ с возможностью его машинного обучения может быть использовано при оценке эффективности комплекса мероприятий по минимизации риска для здоровья населения с учётом одновременного разнонаправленного действия факторов (химические, физические, социально-экономические, погодно-климатические) [31, 33].

Эффективность имитационного моделирования с помощью искусственного интеллекта, структурно-динамического анализа и других методов исследований в гигиенических науках неоднократно отмечена отечественными авторами [34, 35].

Заключение

В программе научно-технологического развития Российской Федерации на ближайшие годы одним из приоритетных направлений назван переход к передовым цифровым технологиям, в том числе ИИ, машинному обучению и анализу больших данных. Обеспечение санитарно-эпидемиологического благополучия населения не является исключением: технологии ИИ с одновременным внедрением облачных сервисов сбора, анализа и визуализации данных на основе ГИС представляются перспективным направлением с большим потенциалом, о чём свидетельствует накопленный опыт создания таких систем.

Возможным решением многих методологических и практических задач представляется интеграция ИИ в аналитические модули существующих и разрабатываемых ИАС, что позволит повысить уровень автоматизации сбора и анализа данных и одновременно упростить выбор оптимальных методов анализа в зависимости от свойств исходных данных.

Таким образом, внедрение ИИ в ИАС для оценки и обеспечения санитарно-эпидемиологического благополучия населения может повысить степень автоматизации аналитических операций, минимизируя влияние человеческого фактора на результат.

Развитие данного направления напрямую связано с целенаправленной разработкой и внедрением интеллектуальных информационно-аналитических систем, сочетающих возможности ГИС и алгоритмов искусственного интеллекта, для комплексного анализа данных, моделирования и поддержки принятия управленческих решений.

¹ Указ Президента Российской Федерации от 28.02.2024 г. № 145 «О Стратегии научно-технологического развития Российской Федерации».

² Указ Президента Российской Федерации от 07.05.2024 г. № 309 «О национальных целях развития Российской Федерации на период до 2030 года и на перспективу до 2036 года».

Список литературы

1. Зайцева Н.В., Май И.В. Риск-ориентированный санитарно-эпидемиологический надзор: перспективы в условиях цифровой трансформации. В кн.: Анализ риска здоровью – 2021. Внешнесредовые, социальные, медицинские и поведенческие аспекты. Совместно с международной встречей по окружающей среде и здоровью RISE-2021. Материалы XI Всероссийской научно-практической конференции с международным участием. Том 1. Пермь; 2021: 9–13. https://elibrary.ru/accxhw

2. Тарасова А.Н., Иванов К.О. Перспективы использования искусственного интеллекта в концепции развития умных городов России с учетом европейского опыта. В кн.: EurasiaScience: сборник статей XLIII международной научно-практической конференции. М.: Актуальность.РФ; 2022: 194–6. https://elibrary.ru/xvxsrg

3. Расходчиков А.Н. Искусственный интеллект и «умный город»: от цифровизации к городу-инновации. Социально-политические науки. 2022; 12(4): 47–54. https://doi.org/10.33693/2223-0092-2022-12-4-47-54 https://elibrary.ru/mvyaqs

4. Курчеева Г.И., Клочков Г.А. Особенности, направления и принципы формирования «умной медицины» в цифровой экономике. Научно-технические ведомости Санкт-Петербургского государственного политехнического университета. Экономические науки. 2018; 11(1): 19–29. https://doi.org/10.18721/JE.11102 https://elibrary.ru/ysigod

5. Смольянова И.В. Социально-экономическое развитие в сфере здравоохранения: цифровая медицина и цифровые технологии. В кн.: Государственное регулирование общественных отношений в регионе: социально-экономические, правовые и историко-культурные аспекты: сборник научных статей. Чебоксары: 2022: 370–7. https://elibrary.ru/gtfmuw

6. Безбородова О.Е. Критерии и методика оценки эффективности информационно-измерительных систем. Известия высших учебных заведений. Поволжский регион. Технические науки. 2022; (4): 77–96. https://doi.org/10.21685/2072-3059-2022-4-7 https://elibrary.ru/rmkzab

7. Игнатьев Н.А., Рахимова М.А. Мониторинг состояния здоровья населения по возрастным группам. Научно-технический вестник информационных технологий, механики и оптики. 2023; 23(2): 364–73. https://doi.org/10.17586/2226-1494-2023-23-2-364-373 https://elibrary.ru/zohrqo

8. Новиков С.М., Шашина Т.А., Додина Н.С., Кислицин В.А., Сковронская С.А., Мацюк А.В. и др. Опыт практических исследований по сравнительной оценке радиационных и химических рисков здоровью населения от воздействия факторов окружающей среды. Гигиена и санитария. 2019; 98(12): 1425–31. https://elibrary.ru/tbcddi

9. Ревич Б.А., Харькова Т.Л., Кваша Е.А. Продолжительность жизни и смертность в мегаполисах. В кн.: Ревич Б.А., Кузнецова О.В., ред. Человек в мегаполисе: опыт междисциплинарного исследования. М.: ЛЕНАНД; 2018.

10. Клейн С.В., Вековшинина С.А., Балашов С.Ю., Хорошавин В.А., Ухабов В.М. Гигиеническая оценка канцерогенного риска здоровью населения, проживающего в зоне влияния мест складирования отходов горно-обогатительного комбината. Гигиена и санитария. 2018; 97(1): 10–5. https://elibrary.ru/wcviux

11. Бухтияров И.В. Современное состояние и основные направления сохранения и укрепления здоровья работающего населения России. Медицина труда и промышленная экология. 2019; 59(9): 527–32. https://elibrary.ru/htkrsy

12. Кучма В.Р., Сухарева Л.М., Рапопорт И.К., Шубочкина Е.И., Скоблина Н.А., Милушкина О.Ю. Популяционное здоровье детского населения, риски здоровью и санитарно-эпидемиологическое благополучие обучающихся: проблемы, пути решения, технологии деятельности. Гигиена и санитария. 2017; 96(10): 990–5. https://elibrary.ru/zwsrur

13. Сафин З.Ф., Лунева Е.В., Редникова Т.В. Охрана и использование природных ресурсов Арктики: проблемы правового регулирования. Труды Института государства и права Российской академии наук. 2025; 20(1): 259–90. https://doi.org/10.35427/2073-4522-2025-20-1-safin-luneva-rednikova https://elibrary.ru/tybvkz

14. 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

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. 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

17. Коротков В.В., Кулешова А.М., Ушаков С.А., Савельев С.И., Зубчонок Н.В., Додина Н.С. Геоинформационная региональная система как эффективное средство обоснования управленческих решений и организации надзора в сфере санитарно-эпидемиологической ситуации. Здравоохранение Российской Федерации. 2022; 66(5): 380–4. https://doi.org/10.47470/0044-197X-2022-66-5-380-384 https://elibrary.ru/mydpdu

18. Попова А.Ю., Ежлова Е.Б., Смоленский В.Ю., Летюшев А.Н., Трескин А.А., Иванова А.В. и др. Автоматизированная информационная система «Периметр» – инструмент для модернизации информационного и технического обеспечения санитарно-карантинного контроля. Проблемы особо опасных инфекций. 2023; (3): 6–14. https://doi.org/10.21055/0370-1069-2023-3-6-14 https://elibrary.ru/otbtaz

19. Бузинов Р.В., Новикова Ю.А., Лексашов А.В. Создание единого цифрового контура управления качеством питьевой воды. В кн.: Развитие интеллектуальной экономики и промышленности на основе искусственного интеллекта. СПб.: ПОЛИТЕХ-ПРЕСС; 2025: 418–43. https://doi.org/10.18720/IEP/2025.3/19 https://elibrary.ru/zstewn

20. Федоров В.Н., Тихонова Н.А., Новикова Ю.А., Мясников И.О. Разработка цифровой модели расположения поверхностных источников питьевого водоснабжения для прогнозирования загрязнения водозаборов. В кн.: Проблемы сохранения здоровья и обеспечения санитарно-эпидемиологического благополучия населения в Арктике: Материалы IV международной научно-практической конференции. СПб.: Коста; 2023: 262–8. https://elibrary.ru/fjbric

21. Полянина А.В., Кашникова А.Д., Залесских А.А., Зайцева Н.Н., Бессарабова М.Б. Использование ЕИАС Роспотребнадзора в анализе заболеваемости парентеральными вирусными гепатитами B и С на примере Нижегородской области. Здоровье населения и среда обитания – ЗНиСО. 2025; 33(1): 52–60. https://doi.org/10.35627/2219-5238/2025-33-1-52-60 https://elibrary.ru/lhqity

22. Чепиков Н.А. Совершенствование системы социально-гигиенического мониторинга региона с использованием геоинформационных технологий. Ученые записки. Электронный научный журнал Курского государственного университета. 2011; (4): 16–22. https://elibrary.ru/onkqtr

23. Токарчук С.М., Токарчук О.В., Трофимчук Е.В. Методические основы создания региональных электронных эколого-географических атласов. Псковский регионологический журнал. 2015; (22): 95–110. https://elibrary.ru/ttkadx

24. Бузинов Р.В., Федоров В.Н., Носовской Т.И., Ковшов А.А. Опыт разработки, создания и внедрения геоинформационного портала «Состояние санитарно-эпидемиологического благополучия населения российской Арктики». В кн.: Развивая вековые традиции, обеспечивая «Санитарный щит» страны: Материалы XIII Всероссийского съезда гигиенистов, токсикологов и санитарных врачей с международным участием, посвященного 100-летию основания Государственной санитарно-эпидемиологической службы России. Мытищи; 2022: 135–7. https://elibrary.ru/sdxaga

25. Горбанев С.А., Новикова Ю.А., Федоров В.Н., Ковшов А.А., Тихонова Н.А., Ракова В.В. и др. Проблемы создания информационной системы для анализа факторов среды обитания населения в российской Арктике. Гигиена и санитария. 2021; 100(8): 858–62. https://doi.org/10.47470/0016-9900-2021-100-8-858-862 https://elibrary.ru/dgfqmo

26. Карелин А.О., Ломтев А.Ю., Горбанёв С.А., Еремин Г.Б., Новикова Ю.А. Применение географических информационных систем для совершенствования санитарно-эпидемиологического надзора и социально-гигиенического мониторинга. Гигиена и санитария. 2017; 96(7): 620–2. https://elibrary.ru/zfbytp

27. Епринцев С.А., Клепиков О.В., Шекоян С.В., Виноградов П.М., Дьякова Н.А. Геоинформационный анализ факторов, определяющих социально-экологическую безопасность населения городов Воронежа, Липецка, Тулы. В кн.: Журналистика и география: Сборник материалов III Всероссийской научно-практической конференции с международным участием. Воронеж: Кварта; 2024: 223–7. https://elibrary.ru/qxmrcg

28. Федоров В.Н., Копытенкова О.И., Новикова Ю.А., Мясников И.О., Тихонова Н.А. Выбор инструментов группировки массивов данных заболеваемости населения при их визуализации с применением геоинформационных систем. В кн.: Анализ риска здоровью – 2024: Материалы XIV Всероссийской научно-практической конференции с международным участием. Пермь; 2024: 82–90. https://elibrary.ru/juylny

29. Федоров В.Н., Тихонова Н.А., Кизеев А.Н., Киселев А.В. Сравнительная оценка применимости инструментов пространственного анализа данных для оценки и прогнозирования состояния факторов среды обитания. Здоровье населения и среда обитания – ЗНиСО. 2025; 33(5): 17–28. https://doi.org/10.35627/2219-5238/2024-33-5-17-28 https://elibrary.ru/paqgcd

30. Krivoguz D. Geo-spatial analysis of urbanization and environmental changes with deep neural networks: Insights from a three-decade study in Kerch peninsula. Ecol. Inform. 2024; 80: 102513. https://doi.org/10.1016/j.ecoinf.2024.102513

31. Бузинов Р.В., Федоров В.Н., Болсуновская М.В. Перспективы применения алгоритмов искусственного интеллекта для оценки санитарно-эпидемиологического благополучия населения. В кн.: Бабкин А.В., ред. Устойчивое ESG развитие интеллектуальных экосистем. СПб.; 2023: 313–41. https://elibrary.ru/eqzliu

32. Федоров В.Н., Бузинов Р.В., Болсуновская М.В. Геоинформационные платформы для решения задач охраны окружающей среды и санитарно-эпидемиологического благополучия населения. В кн.: Теория и практика цифрового моделирования. СПб.: ПОЛИТЕХ-ПРЕСС; 2024: 61–98. https://elibrary.ru/nvuvgb

33. Коротков В.В., Кулешова А.М., Ушаков С.А., Савельев С.И., Зубчонок Н.В., Додина Н.С. Геоинформационная региональная система как эффективное средство обоснования управленческих решений и организации надзора в сфере санитарно-эпидемиологической ситуации. Здравоохранение Российской Федерации. 2022; 66(5): 380–4. https://elibrary.ru/mydpdu

34. Зайцева Н.В., Май И.В., Алексеев В.Б., Кирьянов Д.А. Актуальные аспекты цифровизации в гигиене: наука и практика. Гигиена и санитария. 2024; 103(7): 634–41. https://doi.org/10.47470/0016-9900-2024-103-7-634-641 https://elibrary.ru/bsfrhw

35. Зайцева Н.В., Трусов П.В., Кирьянов Д.А., Камалтдинов М.Р., Ивашова Ю.А., Лир Д.Н. и др. Натурный эксперимент для идентификации биомеханических параметров моторной и эвакуаторной функции желудка, используемых в математической модели течения пищи. Российский журнал биомеханики. 2024; 28(2): 64–75. https://doi.org/10.15593/RZhBiomeh/2024.2.05 https://elibrary.ru/cbgnje