medalphabetМедицинский алфавитMedical alphabet2078-56312949-2807ООО «Альфмед»10.33667/2078-5631-2023-11-44-49medalphabet-3150Research ArticleСтатьиОстрые респираторные вирусные инфекции военнослужащих: аспекты ранней диагностики с помощью методов биометрической видеоаналитикиAcute respiratory viral infections in active-duty military personnel: Early diagnosis using biometric video analyticshttps://orcid.org/0000-0001-9154-7017КузинА. А.KuzinA. A.

Кузин Александр Александрович, д.м.н., доцент, полковник медицинской службы, начальник кафедры (общей и военной эпидемиологии)

Санкт-Петербург

Kuzin Aleksandr A., DM Sci (habil.), associate professor, colonel of medical service, head of Dept (of Common and Military Epidemiology)

Saint Petersburg

paster-spb@mail.ruhttps://orcid.org/0000-0001-7791-8993ЗобовА. Е.ZobovA. E.

Зобов Андрей Евгеньевич, к.м.н., подполковник медицинской службы, преподаватель кафедры (общей и военной эпидемиологии)

Санкт-Петербург

Zobov Andrey E., PhD Med, lieutenant colonel of the medical service, teacher of Dept (of General and Military Epidemiology)

Saint Petersburg

dr.andrey98@yandex.ruhttps://orcid.org/0000-0002-1649-9796ПарфеновС. А.ParfenovS. A.

Парфенов Сергей Александрович, к.м.н., докторант при кафедре (общей и военной эпидемиологии), майор медицинской службы

Санкт-Петербург

Parfenov Sergey A., PhD Med, PhD student at Dept (General and Military Epidemiology), major of medical service

Saint Petersburg

sa.parfenov1988@yandex.ruhttps://orcid.org/0000-0002-1977-7536СеменовА. А.SemenovA. A.

Семенов Алексей Анатольевич, к.м.н., докторант при кафедре нормальной анатомии

Санкт-Петербург

Semenov Aleksey A., PhD Med, doctoral student at Dept of Normal Anatomy

Saint Petersburg

Semfeodosia82@mail.ruГлушаковР. И.GlushakovR. I.

Глушаков Руслан Иванович, д.м.н., нач. научно-исследовательского отдела (медико-биологических исследований) научно-исследовательского центра

Санкт-Петербург

Glushakov Ruslan I., DM Sci (habil.), head of Research Dept (Medical and Biological Research) of the Research Centre

Saint Petersburg

glushakovruslan@gmail.comhttps://orcid.org/0000-0001-7596-6772СмирновА. Н.SmirnovA. N.

Смирнов Антон Николаевич, начальник I пульмонологического отделения с аллергологическим кабинетом

г. Чита

Smirnov Anton N., head of the 1st Pulmonological Dept with an allergological room

Chita

andstorm9@mail.ruФГБВОУ ВО «Военно-медицинская академия имени С.М. Кирова» Минобороны РоссииРоссияMilitary Medical Academy n.a. S.M. KirovRussian FederationФГКУ «321 Военный клинический госпиталь» ВВО Минобороны РоссииРоссия321 Military Clinical HospitalRussian Federation202328062023011Обозрение (1)4449Copyright © Кузин А.А., Зобов А.Е., Парфенов С.А., Семенов А.А., Глушаков Р.И., Смирнов А.Н., 20232023Кузин А.А., Зобов А.Е., Парфенов С.А., Семенов А.А., Глушаков Р.И., Смирнов А.Н.Kuzin A.A., Zobov A.E., Parfenov S.A., Semenov A.A., Glushakov R.I., Smirnov A.N.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://www.med-alphabet.com/jour/article/view/3150

Острые респираторные вирусные инфекции на протяжении многих десятилетий имеют высокую эпидемическую значимость, занимая первые места по уровню и структуре заболеваемости, обращаемости за медицинской помощью и трудопотерям. С учетом особенностей военнопрофессиональной деятельности и обилия факторов риска, наиболее эффективными противоэпидемическими мероприятиями в воинских коллективах следует считать раннее выявление зараженных лиц и их своевременную изоляцию. Настоящий обзор литературы содержит информацию по оценке актуальных программно-аппаратных комплексов биометрической видеоаналитики и алгоритмов искусственного интеллекта, позволяющих выявлять ранние симптомы инфекционных заболеваний. Определен перечень основных симптомов острых респираторных вирусных инфекций, которые могут быть использованы в качестве исходной эмпирической информации для интегральной автоматизированной оценки параметров индивидуального состояния человека. Предложена схема функционирования программно-аппаратного комплекса анализа видеоданных для раннего выявления инфицированных лиц. Применение самостоятельного машинного обучения по принципу ретроспективного статистического анализа локомоторных и других признаков, выявленных у инфицированных лиц в продромальный период болезни, способно установить надежные диагностические зависимости на основании больших данных. Накопление значительного массива информационных данных об особенностях доклинического течения острых респираторных вирусных инфекций с использованием предложенного подхода приведет к формированию минимальной информативной совокупности видеоаналитических признаков (маркеров), позволяющих надежно распознавать данные заболевания в продромальном периоде с целью своевременной изоляции и дообследования зараженных. Реализация разрабатываемого направления позволит повысить эффективность противоэпидемических мероприятий путем ранней локализации и ликвидации эпидемического очага.

Acute respiratory viral infections (ARVIs) are an important cause of morbidity in the military setting for many decades. It has high rates of seeking medical care and job loss. Due to the stressful living conditions and activities and other abundance of risk factors, the most effective anti-epidemic measures in military teams should be considered the early detection of infected persons and their timely isolation. We used a modern data present a review that focuses on technical level of current software and hardware systems for biometric video analytics and artificial intelligence algorithms, which make it possible to detect early symptoms of infectious diseases. A list of most common symptoms in ARVIs that can be recognized using video surveillance and video analytics was determined. These symptoms can be used as initial empirical data for a comprehensive automated assessment of the person’s individual state parameters. A scheme for the operation of a software and hardware complex for video data analytics for the early detection of infected persons is proposed. This scheme is necessary because some infected persons appear healthy for some time but keep infecting others when they interact with them. The use of independent machine learning based on the principle of a retrospective statistical analysis of locomotor data and other signs identified in infected persons in the prodromal period of the disease can establish reliable diagnostic correlations based on big data. The data accumulation of the features of the preclinical stages of ARVIs using the proposed approach will lead to the formation of a minimum informative set of video analytical signs (markers) that allow them to be reliably recognized in the prodromal period for the purpose of timely isolation and additional examination of the infected persons and to protect non-infected persons. The implementation of the developed direction will improve the effectiveness of anti-epidemic measures through early localization and liquidation of the epidemic.

ранние симптомывирусные инфекциибиометрическая видеоаналитиканейросетевое распознавание образовearly symptomsviral infectionsbiometric video analyticsneural network pattern recognitionReferencesАлимов А. В. Заболеваемость респираторными вирусными инфекциями в воинском коллективе. А.В. Алимов [и др.]. Военно-медицинский журнал. 2019. № 12. С. 45–49.Alimov A.V. The incidence of respiratory viral infections in the military team. A.V. Alimov [et al.]. Military Medical Journal. 2019. No. 12. P. 45–49.Вельможко Н.И. Анализ изменения параметров человеческого тела в процессе выполнения физических упражнений с помощью видеоконтроллера Kinect. Н.И. Вельможко. Политехнический молодежный журнал. 2020. № 3 (44). С. 6–15.Velmozhko N.I. Analysis of changes in the parameters of the human body in the process of performing physical exercises using the Kinect video controller. N.I. Velmozhko. Polytechnic Youth Magazine. 2020. No. 3 (44). Pp. 6–15.Добрых В.А. Связь субъективных клинических симптомов в дебюте острых инфекций нижних дыхательных путей с дальнейшим течением заболевания. В.А. Добрых [и др.]. Дальневосточный медицинский журнал. 2014. № 3. С. 26–28.Dobrykh V.A. Relationship of subjective clinical symptoms at the onset of acute lower respiratory tract infections with the further course of the disease. V.A. Good [et al.]. Far Eastern Medical Journal. 2014. No. 3. P. 26–28.Артебякин С.В. Этиологическая структура респираторных вирусных инфекций в организованном воинском коллективе Центрального военного округа в периоды эпидемических сезонов 2016–2020 гг. С.В. Артебякин [и др.]. Известия Рос. воен.-мед. акад.2020. № 4. С. 45–48.Artebyakin S.V. The etiological structure of respiratory viral infections in the organized military collective of the Central Military District during the epidemic seasons of 2016– 2020. S.V. Artebyakin [et al.]. Bulletin of Ros. Military-Med. Acad. 2020. No. 4. P. 45–48.Баумтрог В.Э. К вопросу о возможностях современных интеллектуальных систем видеонаблюдения. В.Э. Баумтрог, В.Г. Пирогов. Вестник Барнаульского юридического института МВД России. 2017. № 1 (32). С. 212–215.Baumtrog V.E. To the question of the possibilities of modern intelligent video surveillance systems. V.E. Baumtrog, V.G. Pirogov. Bulletin of the Barnaul Law Institute of the Ministry of Internal Affairs of Russia. 2017. No. 1 (32). Pp. 212–215.Горенчук А.Н. Этиологическая характеристика острых болезней органов дыхания у военнослужащих Западного военного округа в 2014–2019 гг. А.Н. Горенчук [и др.]. Вестник Российской военно-медицинской академии. 2020. № 1. С. 81–86.Gorenchuk A.N. Etiological characteristics of acute respiratory diseases in servicemen of the Western Military District in 2014–2019. A.N. Gorenchuk [et al.]. Bulletin of the Russian Military Medical Academy. 2020. No. 1. P. 81–86.Дмитриев П.И. Применение систем биометрической видеоаналитики для определения психофизиологического состояния человека. П.И. Дмитриев, А.В. Ониксимов, А.В. Мельник. Известия Российской военно-медицинской академии. 2017. Т. 36, № 3. С. 77–80.Dmitriev P. I. The use of biometric video analytics systems to determine the psychophysiological state of a person. P.I. Dmitriev, A.V. Oniksimov, A.V. Miller. Proceedings of the Russian Military Medical Academy. 2017. V. 36, No. 3. P. 77–80.Евдокимов В.И. Показатели заболеваемости военнослужащих по контракту Военно-морского флота (2003–2018 гг.). В.И. Евдокимов, И.Г. Мосягин, П.П. Сиващенко. СПб.: Политехника-принт, 2019. 90 с.Evdokimov V.I. Morbidity rates of military personnel under the contract of the Navy (2003–2018). V.I. Evdokimov, I.G. Mosyagin, P.P. Sivashchenko. St. Petersburg: Politekhnika-print, 2019. 90 p.Жоголев С.Д. Эпидемиология и совершенствование профилактики острых респираторных заболеваний и пневмоний у военнослужащих в современных условиях. С.Д. Жоголев [и др.]. Военно-медицинский журнал. 2010. Т. 331, № 10. С. 46–53.Zhogolev S.D. Epidemiology and improvement of the prevention of acute respiratory diseases and pneumonia in military personnel in modern conditions. S.D. Zhogolev [et al.]. Military Medical Journal. 2010, Vol. 331, no. 10. Pp. 46–53.Здравоохранение в России. 2017: статистический сборник. под ред. Н.С. Бугаковой [и др.]. М.: Статистика России, 2017. 170 с.Health care in Russia. 2017: Statistical compendium. ed. N.S. Bugakova [et al.]. M.: Statistics of Russia, 2017. 170 p.Грибова В. В. Онтология медицинской диагностики для интеллектуальных систем поддержки принятия решений. В.В. Грибова [и др.]. Онтология проектирования. 2018. № 1. С. 58–72.Gribova V.V. Ontology of medical diagnostics for intelligent decision support systems. V.V. Gribova [et al.]. Design Ontology. 2018. No. 1. P. 58–72.Ковалев С.В. Оценка факторов риска внебольничных пневмоний тяжелого течения у военнослужащих, проходящих военную службу по призыву. С.В. Ковалев, А.В. Сотников, А.В. Гордиенко. Здоровье и образование в XXI веке. 2018. Т. 20, № 7. С. 36–41.Kovalev S.V. Assessment of risk factors for severe community-acquired pneumonia in conscripted military personnel. S.V. Kovalev, A.V. Sotnikov, A.V. Gordienko. Health and education in the XXI century. 2018. V. 20, No. 7. P. 36–41.Лихачев С.А. Клиническая оценка видеоаналитического профиля ходьбы. С.А. Лихачев, В.А. Лукашевич. Анналы клинической и экспериментальной неврологии. 2010. Т. 4, № 2. С. 30–34.Likhachev S. A. Clinical evaluation of the video-analytical walking profile. S.A. Likhachev, V.A. Lukashevich. Annals of clinical and experimental neurology. 2010. V. 4, No. 2. P. 30–34.Львов Н. И. Опыт применения индукторов интерферонов в комплексной терапии аденовирусных заболеваний. Н.И. Львов, О.В. Мальцев, К.В. Жданов. Военно-медицинский журнал. 2018. Т. 339, № 4. С. 36–41.Lvov N.I. Experience in the use of interferon inducers in the complex therapy of adenovirus diseases. N.I. Lvov, O.V. Maltsev, K.V. Zhdanov. Military Medical Journal. 2018. V. 339, No. 4. P. 36–41.Пугач В.А. Биомаркеры острого респираторного дистресс-синдрома: проблемы и перспективы их применения. В.А. Пугач [и др.]. Вестник анестезиологии и реаниматологии. 2019. Т. 16, № 4. С. 38–46.Pugach V.A. Biomarkers of acute respiratory distress syndrome: Problems and prospects for their application. V.A. Pugach [et al.]. Bulletin of Anesthesiology and Resuscitation. 2019. V. 16, No. 4. P. 38–46.Гусев А.В. Искусственный интеллект в медицине и здравоохранении. А.В. Гусев, С.Л. Добриднюк. Информационное общество. 2017. № 4–5. С. 78–93.Gusev A.V. Artificial intelligence in medicine and healthcare. A.V. Gusev, S.L. Dobrynyuk. Information Society. 2017. No. 4–5. P. 78–93.Чепур С.В. Поражение органов и тканей SARS-CoV-2: биологическая модель на сирийских хомяках Mesocricetus auratus для экспериментальных (доклинических) исследований. С.В. Чепур [и др.]. Клиническая и экспериментальная морфология. 2021. Т. 10, № 4. С. 25–34.Chepur S.V. SARS-CoV-2 organ and tissue damage: A biological model on Syrian hamsters Mesocricetus auratus for experimental (preclinical) studies. S.V. Chepur [et al.]. Clinical and Experimental Morphology. 2021. V. 10, No. 4. P. 25–34.Anithadevi N. An improved SSD object detection algorithm for safe social distancing and face mask detection in public areas through intelligent video analytics [Электронный ресурс]. N. Anithadevi, J. Abinisha, V. Akalya. URL: https://ieeexplore.ieee.org/abstract/document/9579761/metrics (дата обращения 10.07.2022).Anithadevi N. An improved SSD object detection algorithm for safe social distancing and face mask detection in public areas through intelligent video analytics [Электронный ресурс]. N. Anithadevi, J. Abinisha, V. Akalya. URL: https://ieeexplore.ieee.org/abstract/document/9579761/metrics (дата обращения 10.07.2022).Зобов А.Е. Особенности формирования заболеваемости военнослужащих острыми респираторными инфекциями верхних дыхательных путей. А.Е. Зобов [и др.]. Журнал инфектологии. 2020. Т. 12, № 4. С. 87–92.Zobov A.E. Features of the formation of the incidence of military personnel with acute respiratory infections of the upper respiratory tract. A.E. Zobov [et al.]. Journal of Infectology. 2020. V. 12, No. 4. P. 87–92.Львов Н.И. Особенности клинического течения острых респираторных заболеваний, вызванных аденовирусами эпидемически значимых серотипов. Н.И. Львов [и др.]. Журнал инфектологии. 2014. Т. 6, № 2. С. 5–11.Lvov N.I. Features of the clinical course of acute respiratory diseases caused by adenoviruses of epidemically significant serotypes. N.I. Lvov [i dr.]. Journal of Infectology. 2014. V. 6, No. 2. P. 5–11.Garattini C. Big data analytics, infectious diseases and associated ethical impacts. C. Garattini, J. Raffle, D.N. Aisyah. Philosophy & Technology. 2019. Vol. 32, No. 1. P. 69–85.Garattini C. Big data analytics, infectious diseases and associated ethical impacts. C. Garattini, J. Raffle, D.N. Aisyah. Philosophy & Technology. 2019. Vol. 32, No. 1. P. 69–85.Wendehorst C. Biometric recognition and behavioural detection assessing the ethical aspects of biometric recognition and behavioural detection techniques with a focus on their current and future use in public spaces [Электронный ресурс]. C. Wendehorst, Y. Duller. URL: https://www.europarl.europa.eu/Reg-Data/etudes/stud/2021/696968/ipol_stu(2021)696968_en.pdf (дата обращения 10.07.2022)Wendehorst C. Biometric recognition and behavioural detection assessing the ethical aspects of biometric recognition and behavioural detection techniques with a focus on their current and future use in public spaces [Электронный ресурс]. C. Wendehorst, Y. Duller. URL: https://www.europarl.europa.eu/Reg-Data/etudes/stud/2021/696968/ipol_stu(2021)696968_en.pdf (дата обращения 10.07.2022)Goergen C.J. Detection and monitoring of viral infections via wearable devices and biometric data. C.J. Goergen [et al.]. Annual review of biomedical engineering. 2022. Vol. 24. P. 1–27.Goergen C.J. Detection and monitoring of viral infections via wearable devices and biometric data. C.J. Goergen [et al.]. Annual review of biomedical engineering. 2022. Vol. 24. P. 1–27.Panayides A.S. The promise of big data technologies and challenges for image and video analytics in healthcare. A.S. Panayides, C.S. Pattichis, M.S. Pattichis. 50th Asilomar Conference on Signals, Systems and Computers. 2016. P. 1278–1282.Panayides A.S. The promise of big data technologies and challenges for image and video analytics in healthcare. A.S. Panayides, C.S. Pattichis, M.S. Pattichis. 50th Asilomar Conference on Signals, Systems and Computers. 2016. P. 1278–1282.Quer G. Wearable sensor data and self-reported symptoms for COVID-19 detection. G. Quer [et al.]. Nat. Med. 2020. Vol. 27, No. 1. Р. 73–77.Quer G. Wearable sensor data and self-reported symptoms for COVID-19 detection. G. Quer [et al.]. Nat. Med. 2020. Vol. 27, No. 1. Р. 73–77.Ricotti V. Full-body behaviour analytics reveals DMD disease state within the first few steps of the 6-minute-walk test. V. Ricotti [et al.]. Neuromuscular Disorders. 2019. Vol. 29. P. S108–S109.Ricotti V. Full-body behaviour analytics reveals DMD disease state within the first few steps of the 6-minute-walk test. V. Ricotti [et al.]. Neuromuscular Disorders. 2019. Vol. 29. P. S108–S109.

The authors declare that there are no conflicts of interest present.