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
Ключевые слова
эпидемиологический контроль
интернет
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.
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.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.
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.