ПОДХОДЫ К ВНЕДРЕНИЮ КОНЦЕПЦИИ «ИНТЕРНЕТА МЕДИЦИНСКИХ ВЕЩЕЙ» В СИСТЕМУ МЕДИЦИНСКОГО ОБЕСПЕЧЕНИЯ ОРГАНИЗОВАННЫХ КОЛЛЕКТИВОВ В АСПЕКТЕ ЭПИДЕМИОЛОГИЧЕСКОГО КОНТРОЛЯ ИНФЕКЦИОННОЙ ЗАБОЛЕВАЕМОСТИ
№ 3 (2024)

ПОДХОДЫ К ВНЕДРЕНИЮ КОНЦЕПЦИИ «ИНТЕРНЕТА МЕДИЦИНСКИХ ВЕЩЕЙ» В СИСТЕМУ МЕДИЦИНСКОГО ОБЕСПЕЧЕНИЯ ОРГАНИЗОВАННЫХ КОЛЛЕКТИВОВ В АСПЕКТЕ ЭПИДЕМИОЛОГИЧЕСКОГО КОНТРОЛЯ ИНФЕКЦИОННОЙ ЗАБОЛЕВАЕМОСТИ

Разное
Дата публикации: августа 27, 2024
С. А. Парфенов
Военно-медицинская академия имени С.М. Кирова, Санкт-Петербург
А. А. Кузин
А. Е. Зобов
Р. И. Глушаков
Г. Г. Кутелев
К. В. Сапожников
PDF

Ключевые слова

эпидемиологический контроль
интернет

Как цитировать

Парфенов С. А., Кузин А. А., Зобов А. Е., Глушаков Р. И., Кутелев Г. Г., Сапожников К. В. ПОДХОДЫ К ВНЕДРЕНИЮ КОНЦЕПЦИИ «ИНТЕРНЕТА МЕДИЦИНСКИХ ВЕЩЕЙ» В СИСТЕМУ МЕДИЦИНСКОГО ОБЕСПЕЧЕНИЯ ОРГАНИЗОВАННЫХ КОЛЛЕКТИВОВ В АСПЕКТЕ ЭПИДЕМИОЛОГИЧЕСКОГО КОНТРОЛЯ ИНФЕКЦИОННОЙ ЗАБОЛЕВАЕМОСТИ // Кремлевская медицина. Клинический вестник. 2024. Т. № 3. С. 96-102.
ACM ACS APA ABNT Chicago Harvard IEEE MLA Turabian Vancouver ГОСТ

Скачать ссылку

Endnote/Zotero/Mendeley (RIS) BibTeX
PDF

Аннотация

Необходимость раннего выявления респираторных инфекций в среде организованных коллективов является острой потребностью ежедневной деятельности медицинских специалистов. При этом применение интернета медицинских вещей позволяет оптимизировать систему оказания медицинской помощи благодаря реализации возможности дистанционной и непрерывной ранней диагностики заболеваний. Цель исследования. На основе анализа данных научной литературы изучить современный уровень и диагностические возможности технических средств, обеспечивающих дистанционный мониторинг состояния здоровья членов организованных коллективов. Материалы и методы. Исследование проведено с использованием сведений из рецензируемых научных изданий, входящих в российские и международные реферативные базы данных и системы цитирования, и с применением реферирования, аннотирования и контент-анализа. Результаты и заключение. Продемонстрировано, что перспективной и наиболее пригодной архитектурой для эпидемиологического контроля и диагностики инфекционных заболеваний в условиях организованных коллективов является система, интегрирующая комплекс биометрической видеоаналитики, автоматической классификации и сверки информации с помощью искусственного интеллекта. Сформулирован перечень принципиальных биоэтических требований к биомедицинским устройствам, используемым в системах интернета медицинских вещей.
PDF

Литература

1. Панов А.А. и др. Особенности формирования заболеваемости разных категорий военнослужащих острыми респираторными инфекциями верхних дыхательных путей // Журнал инфектологии. – 2020. – Т. 12. – № 4. – С. 87–92. [Panov A.A. et al. Features of the formation of morbidity of different categories of military personnel with acute respiratory infections of the upper respiratory tract // Journal of Infectology. – 2020. – V. 12. – No 4. – P. 87–92. In Russian]. DOI: 10.15789/2220-7619-FOF-1428.
2. Allam Z. et al. On the coronavirus (COVID-19) outbreak and the smart city network: Universal data sharing standards coupled with artificial intelligence (AI) to benefit urban health monitoring and management // Healthcare. – 2020. – V. 8. – No 1. – P. 46–55. DOI: 10.3390/healthcare8010046.
3. Vishnu S. et al. Internet of medical things (IoMT) – an overview // 2020 5th international conference on devices, circuits and systems (ICDCS). – 2020. – P. 101–104. DOI: 10.1109/ICDCS48716.2020.243558.
4. Al-Turjman F. et al. Intelligence in the Internet of Medical Things era: a systematic review of current and future trends // Computer Communications. – 2020. – V. 150. – P. 644–660. DOI: 10.1016/j.comcom.2019.12.030.
5. Gatouillat A. et al. Internet of medical things: A review of recent contributions dealing with cyber-physical systems in medicine // IEEE internet of things journal. – 2018. – V. 5. – No 5. – P. 3810–3822. DOI:10.1109/jiot.2018.2849014.
6. Ndiaye M. et al. IoT in the wake of COVID-19: A survey on contributions, challenges and evolution // IEEE Access. – 2020. – V. 8. – P. 186821–186839. DOI: 10.1109/ACCESS.2020.3030090.
7. Singh R.P. et al. Internet of things (IoT) applications to fight against COVID-19 pandemic // Diabetes & Metabolic Syndrome: Clinical Research & Reviews. – 2020. – V. 14. – No 4. – P. 521–524. DOI: 10.1016/j.dsx.2020.04.041.
8. El-Wakeel A.S. et al. Towards a practical crowdsensing system for road surface conditions monitoring // IEEE Internet of Things Journal. – 2018. – V. 5. – No 6. – P. 4672–4685. DOI: 10.1109/JIOT.2018.2807408.
9. Jain S. et al. Internet of medical things (IoMT)-integrated biosensors for point-of-care testing of infectious diseases // Biosensors and Bioelectronics. – 2021. – V. 179. – P. 113074. DOI: 10.1016/j.bios.2021.113074.
10. Kaushalya S. Internet of things for epidemic detection: A critical review // Advances in Computer Communication and Computational Sciences: Proceedings of IC4S 2018. – 2019. – P. 485–495. DOI: 10.1007/978-981-13-6861-5_42.
11. Elkhodr M. et al. A middleware for the Internet of Things // Int. J. Comput. Netw. Commun. (IJCNC). – 2016. – V. 8. – No 2. – P. 159–178. DOI: 10.5121/ijcnc.2016.8214.
12. Goergen C.J. et al. Detection and monitoring of viral infections via wearable devices and biometric data // Annual review of biomedical engineering. – 2022. – V. 24. – P. 1–27. DOI: 10.1146/annurev-bioeng-103020-040136.
13. Garattini C. et al. Big data analytics, infectious diseases and associated ethical impacts // Philosophy & technology. – 2019. – V. 32 – No 1. – P. 69–85. DOI: 10.1007/s13347-017-0278-y.
14. Выучейская М.В. и др. Нейросетевые технологии в диагностике заболеваний (обзор) // Журнал медико-биологических исследований. – 2018. – Т. 6. – № 3. – С. 284–294. [Vyucheyskaya M.V. et al. Neural network technologies in the diagnosis of diseases (review) // Journal. med.-biol. research. – 2018. – V. 6. – No 3. – P. 284–294. In Russian]. DOI: 10.17238/issn2542- 1298.2018.6.3.284.
15. Колесниченко О.Ю. и др. Искусственный интеллект в здравоохранении: системные проблемы // Ремедиум. – 2018. – № 4. – P. 24–28. [Kolesnichenko O.Yu. et al. Artificial intelligence in healthcare: systemic problems // Remedium. – 2018. – No 4. – P. 24–28. In Russian]. DOI: 10.21518/ 1561-5936-2018-4-24-30.
16.Mathew F.A. et al. Smart disease surveillance based on Internet of Things (IoT) // International Journal of Advanced Research in Computer and Communication Engineering. – 2015. – V. 4. – No 5. – P. 180–183.
17. Islam S.M.R. et al. The internet of things for health care: a comprehensive survey // IEEE access. – 2015. – V. 3. – P. 678–708. DOI: 10.1109/ACCESS.2015.2437951.
18. Masuda N. et al. Predicting and controlling infectious disease epidemics using temporal networks // F1000prime reports. – 2013. – No 5. – P. 6. DOI: 10.12703/P5-6.
19. Sood S.K. et al. Wearable IoT sensor based healthcare system for identifying and controlling chikungunya virus // Computers in Industry. – 2017. – V. 91. – P. 33–44. DOI: 10.1016/j.compind.2017.05.006.
20. Sandhu R. et al. Smart monitoring and controlling of Pandemic Influenza A (H1N1) using Social Network Analysis and cloud computing // J. Computat. Sci. – 2016. – V. 12. – P. 11–22. DOI: 10.1016/j.jocs.2015.11.001.
21. Turcu C.E. et al. Internet of things as key enabler for sustainable healthcare delivery // Procedia-Social and Behavioral Sciences. – 2013. – V. 73. – P. 251–256. DOI: 10.1016/j.sbspro.2013.02.049.
22. Sareen S. et al. Secure internet of things-based cloud framework to control zika virus outbreak // International journal of technology assessment in health care. – 2017. – V. 33. – No 1. – P. 11–18. DOI: 10.1017/S0266462317000113.
23. Huang J. et al. Detecting flu transmission by social sensor in China // 2013 IEEE International Conference on Green Computing and Communications and IEEE Internet of Things and IEEE Cyber, Physical and Social Computing. – 2013. – P. 1242–1247. DOI: 10.1109/GreenCom-iThings-CPSCom.2013.216.
24. Holme P. Temporal network structures controlling disease spreading // Physical Review E. – 2016. – V. 94. – No 2. – P. 022305. DOI: 10.1103/PhysRevE.94.022305.
25. Куракова Н.Г. и др. Технологии искусственного интеллекта в медицине и здравоохранении: позиции России на глобальном патентном и публикационном ландшафте // Врач и информационные технологии. – 2020. – № 2. – C. 81–100. [Kurakova N.G. et al. Artificial intelligence technologies in medicine and healthcare: Russia's positions on the global patent and publication landscape // Doctor and Information Technologies. – 2020. – No 2. – P. 81–100. In Russian]. DOI: 10.37690/18П-0193-2020-2-81-100.
26. Павлович П.И. и др. Сравнительное исследование результатов анализа данных цифровой маммографии системы на основе искусственного интеллекта «Цельс» и врачей-рентгенологов // Digital Diagnostics. – 2021. – Т. 2. – № 2S. – C. 22–23. [Pavlovich P.I. et al. Comparative study of the results of data analysis of digital mammography system based on artificial intelligence “Cels” and radiologists // Digital Diagnostics. – 2021. – V. 2. – No 2S. – P. 22–23]. DOI: 10.17816/DD83184.
27. Дурнева Е.Ю. Развитие мирового и национального рынков искусственного интеллекта в медицине [Durneva E.Yu. Development of the world and national markets of artificial intelligence in medicine. In Russian]. URL: https://vital.lib.tsu.ru/vital/access/services/Download/vital:12710/SOURCE01.
28. Benali Amjoud A. et al. Convolutional neural networks backbones for object detection // Image and Signal Processing: 9th International Conference, ICISP 2020. – Morocco: Springer International Publishing, 2020. – P. 282–289. DOI: 10.1007/978-3-030-51935-3_30.
29. Кузин А.А. и др. Острые респираторные вирусные инфекции военнослужащих: аспекты ранней диагностики с помощью методов биометрической видеоаналитики // Медицинский алфавит. – 2023. – № 11. – С. 44–49. [Kuzin A.A. et al. Acute respiratory viral infections of military personnel: aspects of early diagnosis using biometric video analytics methods // Medical Alphabet. – 2023. – No 11. – P. 44–49. In Russian]. DOI: 10.33667/2078-5631-2023-11-44-49.
30. Fairhurst M. et al. Predictive biometrics: a review and analysis of predicting personal characteristics from biometric data // IET Biometrics. – 2017. – V. 6. – No 6. – P. 369–378. DOI: 10.1049/iet-bmt.2016.0169.
31. Tot Ivan A. et al. Biometric standards and methods // Vojnoteh. glas. – 2021. – No 4. – P. 963–976. DOI: 10.5937/vojtehg69-32296.
32. Пугач В.А. и др. Перспективы применения биомаркеров для диагностики острого респираторного дистресс-синдрома (обзор литературы) // Военно-медицинский журнал. – 2020. – Т. 341. – № 11. – С. 23–28. [Pugach V.A. et al. Prospects for the use of biomarkers for the diagnosis of acute respiratory distress syndrome (literature review) // Military Medical Journal. – 2020. – V. 341. – No 11. – P. 23–28. In Russian].
33. Литвиненко И.В. и др. Нейровизуализационные основы патологических рефлексов на 2–3 стадиях (по Хён и Яру) болезни Паркинсона // Вестник Российской военно-медицинской академии. – 2012. – Т. 4. – № 40. – С. 116–120. [Litvinenko I.V. et al. Neuroimaging fundamentals of pathological reflexes at stages 2-3 (according to Hyun and Yar) of Parkinson’s disease // Bulletin of the Russian Military Medical Academy. – 2012. – V. 4. – No 40. – P. 116–120. In Russian].
34. Montero-Odasso M.M. et al. Association of dual-task gait with incident dementia in mild cognitive impairment: Results from the gait and brain study // JAMA neurology. – 2017. – V. 74. – P. 857–865. DOI: 10.1001/jamaneurol.2017.0643.