Математики ТГУ создают алгоритмы для раннего выявления эпидемий

03.02.2022 330

Учёные ММФ ТГУ в рамках проекта, поддержанного РНФ, разрабатывают математические методы анализа и противодействия распространению эпидемий, включая COVID-19. Исследователи создают новые эффективные высокоскоростные методы обработки информации для статистического анализа в эпидемиологических моделях. Новые алгоритмы позволят обеспечить оперативное принятие управленческих решений, необходимых для локализации эпидемий, снижения социальных рисков и экономических потерь.

– В настоящее время момент начала эпидемии определяется, исходя из пересечения эпидпорогов по тому или иному заболеванию, – говорит один и исполнителей проекта, доцент ММФ ТГУ Евгений Пчелинцев. – Несовершенство этого подхода заключается в том, что раннее начало эпидемии с его помощью отследить невозможно. Бывает, что порог формально не превышен, а эпидемия уже началась. Далее нарастание количества заболевших идёт «по экспоненте» и сдерживающие меры, например, в виде карантина, уже не дают того эффекта, как при раннем выявлении эпидемии. С подобной ситуацией, к примеру, в начале пандемии столкнулась Италия. Своевременное принятие мер могло бы значительно снизить социальные и экономические потери.

DSC_9360 1.jpgФото - tsu.ru

Разрабатываемые алгоритмы будут анализировать информацию из медицинских баз. Главным фактором для отслеживания станет изменение вероятностной природы исследуемых статистических данных. Это позволит улавливать моменты, не заметные для человека, в которые происходит изменение распределения данных, их структуры и т.д.

– Вероятностно-статистические методы будут оценивать динамику разных характеристик, и то, насколько сильно они изменились в вероятностном смысле – говорит Евгений Пчелинцев. – Если изменение одного показателя значимо, либо поменялась совокупность, соответствующий алгоритм подаст сигнал тревоги, за которым должны последовать организационные решения. Какими они будут, решают контролирующие организации.

Как отмечает учёный ТГУ, использование разработанных адаптивных и робастных методов в практическом эпиданализе поможет на порядок улучшить надежность и качество статистических выводов. Согласно ТЗ проекта, точность работы модели должна составлять не менее 95 процентов.

Добавим, что созданные алгоритмы будут работать как для ранее известных инфекций, так и новых заболеваний. Наряду с определением момента начала эпидемии математические методы анализа, созданные в ТГУ, позволят оценивать эффективность используемых мер и принимать решение об их ослаблении либо ужесточении.

Алгоритмы будут реализованы в виде программного продукта, который смогут использовать Роспотребнадзор и другие органы контроля и исполнительной власти, принимающие решения о защитных мерах по снижению социальных потерь в период эпидемий.

В реализации проекта наряду с основной группой, состоящей из сотрудников ММФ ТГУ, будут задействованы и другие специалисты, имеющие опыт в решении подобных задач, в том числе представители исследовательских групп лаборатории математики Рафаэля Салема (LMRS, Université de Rouen Normandie, Rouen, France), лаборатории математики и информатики Руанского института прикладных наук (LMI, INSA Rouen, France), лаборатории биологических исследований Гаврского университета (SEBIO, Université du Havre, Le Havre, France) и федерального научного центра гигиены имени Ф.Ф. Эрисмана (Роспотребнадзор). Исследования, поддержанные РНФ, проводятся под руководством профессора Руанского университета, учёного ММФ ТГУ Сергея Пергаменщикова.

Реализация данного проекта будет способствовать решению одной из приоритетных задач СНТР – противодействию техногенным, биогенным, социокультурным угрозам, терроризму и идеологическому экстремизму, а также киберугрозам и иным источникам опасности для общества, экономики и государства.

 

Источник: Пресс-служба ТГУ




Назад к списку


Добавить комментарий
Прежде чем добавлять комментарий, ознакомьтесь с правилами публикации
Имя:*
E-mail:
Должность:
Организация:
Комментарий:*
Введите код, который видите на картинке:*