Острые респираторные вирусные инфекции военнослужащих: аспекты ранней диагностики с помощью методов биометрической видеоаналитики

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.

1. Алимов А. В. Заболеваемость респираторными вирусными инфекциями в воинском коллективе. А.В. Алимов [и др.]. Военно-медицинский журнал. 2019. № 12. С. 45–49.

2. 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.

3. 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.

4. 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.

5. 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.

6. 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.

7. 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.

8. 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.

9. 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.

10. Здравоохранение в России. 2017: статистический сборник. под ред. Н.С. Бугаковой [и др.]. М.: Статистика России, 2017. 170 с.

11. Грибова В. В. Онтология медицинской диагностики для интеллектуальных систем поддержки принятия решений. В.В. Грибова [и др.]. Онтология проектирования. 2018. № 1. С. 58–72.

12. 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.

13. 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.

14. 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.

15. 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.

16. Гусев А.В. Искусственный интеллект в медицине и здравоохранении. А.В. Гусев, С.Л. Добриднюк. Информационное общество. 2017. № 4–5. С. 78–93.

17. 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.

18. 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).

19. 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.

20. 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.

21. 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.

22. 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)

23. 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.

24. 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.

25. 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.

26. 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.