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:

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».