Preview

Здравоохранение Российской Федерации

Расширенный поиск

Отслеживание контактов распространения COVID-19 при помощи цифровых технологий с искусственным интеллектом (обзор литературы)

https://doi.org/10.47470/0044-197X-2023-67-2-142-148

EDN: rpzgzr

Аннотация

Появление COVID-19 практически совпало с началом активной фазы процесса цифровизации во всех сферах, в том числе в системе здравоохранения. Более того, COVID-19 невольно стал импульсом, который ускорил внедрение цифровых технологий, а также инициировал новые, зачастую инновационные решения для борьбы как с вирусом, так и с его разрушительными социальными и экономическими последствиями.

Цель исследования — анализ существующих научных публикаций в области цифрового отслеживания контактов COVID-19 с помощью технологий искусственного интеллекта (ИИ), обсуждение вопросов, связанных с защитой персональных данных при использовании официальных мобильных приложений, сделать выводы и дать рекомендации в области эффективной и этичной организации цифрового отслеживания контактов как одного из основных инструментов профилактики распространения пандемии.

Проанализированы научные публикации, содержащиеся в научных базах данных Ebsco Publishing и SpringerLink, за март 2020 г. – апрель 2021 г.

Цифровые решения отслеживания контактов нашли свое важное место среди прочих противоэпидемических мероприятий во многих странах мира. Однако такие же решения, но уже с использованием ИИ пока ещё набирают свою популярность. Национальные правительства ряда развитых и развивающихся стран понимают важность национальных систем отслеживания контактов, что в свою очередь обусловило внедрение таких подходов в национальные стратегии противодействия пандемии.

Заключение. Цифровые технологии отслеживания контактов с использованием ИИ потенциально могут стать эффективным инструментом в борьбе с COVID-19 и подобными пандемиями. Однако подобные цифровые системы ещё находятся на предварительной стадии своей разработки и внедрения, и потребуется время, прежде чем будут видны результаты. Очень немногие из рассмотренных примеров и моделей цифровых решений отслеживания с использованием технологий ИИ имеют эксплуатационную зрелость на данном этапе.

Участие авторов:
Даминов Б.Т. — концепция и дизайн исследования, написание текста, редактирование;
Аширбаев Ш.П. — сбор и обработка материала, написание текста, статистическая обработка данных;
Вихров И.П. — концепция и дизайн исследования, сбор и обработка материала, написание текста, составление списка литературы, статистическая обработка данных, редактирование.
Все соавторы — утверждение окончательного варианта статьи, ответственность за целостность всех частей статьи. 

Финансирование. Исследование не имело спонсорской поддержки.

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

Поступила 26.05.2021 
Принята в печать 14.10.2021
Опубликована 28.04.2023

Об авторах

Ботир Т. Даминов
Ташкентский педиатрический медицинский институт
Россия


Шерзод П. Аширбаев
Ташкентский педиатрический медицинский институт
Россия


Игорь Петрович Вихров
Ташкентский педиатрический медицинский институт
Россия

Начальник отдела электронного здравоохранения, Инновационный центр Ташкентского педиатрического медицинского института, 100140, Ташкент, Узбекистан.

e-mail: igorvichrov@yandex.ru



Список литературы

1. Ferretti L., Wymant C., Kendall M., Zhao L., Nurtay A., Abeler-Dörner L., et al. Quantifying SARS-CoV-2 transmission suggests epidemic control with digital contact tracing. Science. 2020; 368(6491): eabb6936. https://doi.org/10.1126/science.abb6936

2. Hatamian M., Wairimu S., Momen N., Fritsch L. A privacy and security analysis of early-deployed COVID-19 contact tracing Android apps. Empir. Softw. Eng. 2021; 26(3): 36. https://doi.org/10.1007/s10664-020-09934-4

3. Amit M., Kimhi H., Bader T., Chen J., Glassberg E., Benov A. Mass-surveillance technologies to fight coronavirus spread: the case of Israel. Nat. Med. 2020; 26(8): 1167–9. https://doi.org/10.1038/s41591-020-0927-z

4. Park J., Cho S., Lee J., Lee I., Park W., Jeong S., et al. Development and utilization of a rapid and accurate epidemic investigation support system for COVID-19. Osong. Public Health Res. Perspect. 2020; 11(3): 118–27. https://doi.org/10.24171/j.phrp.2020.11.3.06

5. Lai S.H.S., Tang C.Q.Y., Kurup A., Thevendran G. The experience of contact tracing in Singapore in the control of COVID-19: highlighting the use of digital technology. Int. Orthop. 2021; 45(1): 65–9. https://doi.org/10.1007/s00264-020-04646-2

6. Lalmuanawma S., Hussain J., Chhakchhuak L. Applications of machine learning and artificial intelligence for Covid-19 (SARS-CoV-2) pandemic: A review. Chaos Solitons Fractals. 2020; 139: 110059. https://doi.org/10.1016/j.chaos.2020.110059

7. Bansal A., Padappayil R.P., Garg C., Singal A., Gupta M., Klein A. Utility of Artificial Intelligence Amidst the COVID 19 Pandemic: A Review. J. Med. Syst. 2020; 44(9): 156. https://doi.org/10.1007/s10916-020-01617-3

8. Martinez-Martin N., Luo Z., Kaushal A., Adeli E., Haque A., Kelly S.S., et al. Ethical issues in using ambient intelligence in health-care settings. Lancet Digit. Health. 2021; 3(2): e115–e123. https://doi.org/10.1016/s2589-7500(20)30275-2

9. Dignum V. Responsible artificial intelligence: how to develop and use AI in a responsible way. Springer Nature; 2019.

10. Piccialli F., di Cola V.S., Giampaolo F., Cuomo S. The Role of Artificial Intelligence in Fighting the COVID-19 Pandemic. Inf. Syst. Front. 2021; 23(6): 1467–97. https://doi.org/10.1007/s10796-021-10131-x

11. El-Haddadeh R., Fadlalla A., Hindi N.M. is there a place for responsible artificial intelligence in pandemics? A tale of two countries. Inf. Syst. Front. 2021; 1–17. https://doi.org/10.1007/s10796-021-10140-w

12. D’Angelo G., Palmieri F. Enhancing COVID-19 tracking apps with human activity recognition using a deep convolutional neural network and HAR-images. Neural. Comput. Appl. 2021: 1–17. https://doi.org/10.1007/s00521-021-05913-y

13. Meirom E.A., Maron H., Mannor S., Chechik G. How to stop epidemics: controlling graph dynamics with reinforcement learning and graph neural networks; 2020.

14. Musikanski L., Phillips R., Rogers P. Well-Being data gathering during COVID-19: Exploring the feasibility of a contact tracing and community well-being safeguarding framework. Int. J. Community Wellbeing. 2021; 4(3): 353–61. https://doi.org/10.1007/s42413-020-00108-0

15. Agbehadji I.E., Awuzie B.O., Ngowi A.B., Millham R.C. Review of big data analytics, artificial intelligence and nature-inspired computing models towards accurate detection of COVID-19 pandemic cases and contact tracing. Int. J. Environ. Res. Public Health. 2020; 17(15): 5330. https://doi.org/10.3390/ijerph17155330


Рецензия

Для цитирования:


Даминов Б.Т., Аширбаев Ш.П., Вихров И.П. Отслеживание контактов распространения COVID-19 при помощи цифровых технологий с искусственным интеллектом (обзор литературы). Здравоохранение Российской Федерации. 2023;67(2):142-148. https://doi.org/10.47470/0044-197X-2023-67-2-142-148. EDN: rpzgzr

For citation:


Daminov B.T., Ashirbaev Sh.P., Vikhrov I.P. Contact-tracing of the COVID-19 spreading using digital technologies with artificial intelligence (literary review). Health care of the Russian Federation. 2023;67(2):142-148. (In Russ.) https://doi.org/10.47470/0044-197X-2023-67-2-142-148. EDN: rpzgzr

Просмотров: 301


Creative Commons License
Контент доступен под лицензией Creative Commons Attribution 4.0 License.


ISSN 0044-197X (Print)
ISSN 2412-0723 (Online)