Российскими специалистами создана первая отечественная программа для прогнозирования сезонной аллергии на пыльцу растений. Эта разработка базируется на применении нейросетей и учитывает местные метеорологические сводки и показатели мониторинга концентрации пыльцы. Как сообщают эксперты, благодаря точной идентификации периодов наибольшего риска заболевания данная система способна предупредить дефицит лекарственных препаратов в аптечной сети.
Проект реализован учеными Пермского национального исследовательского политехнического университета совместно с коллегами из Высшей школы экономики и Пермской государственной фармацевтической академии. Куратором исследования выступил профессор ПНИПУ Константин Шварц. Он подчеркнул, что технология объединяет передовые методы машинного обучения с десятилетними наблюдениями, накапливаемыми учёными. Нейросеть непрерывно обрабатывает погодные условия регионов и уровень содержания пыльцы, полученные путем аэрополинологического мониторинга. Модель вычисляет временной пик максимальной концентрации каждого аллергена, что помогает заранее определить вероятный всплеск заболеваемости и необходимость соответствующих лекарств.
Особенностью российского решения является адаптация под специфику местных климатических условий и видов растений. Стандартные зарубежные модели, разработанные на основе западноевропейских или американских данных, оказались неэффективны применительно к российским реалиям, поскольку природа растительного покрова и экологические особенности значительно различаются. Учёные отобрали девять основных аллергенов, воздействующих на здоровье россиян: березу, ольху, злаки, клён, вяз, сосну, тополь, крапиву и амброзию. Анализ большого объема накопленных данных позволил создать алгоритм точного прогнозирования роста количества пациентов с аллергическими заболеваниями.
Эта методика обеспечивает заблаговременное пополнение запасов необходимых антигистаминов, исключая риск нехватки препаратов в самый активный период цветения. Исследователи подчеркнули высокий показатель точности результатов тестирования программы — порядка 92%. Применение подобной технологии существенно повысит качество оказания медицинской помощи населению и обеспечит своевременное снабжение аптек нужными лекарствами.
