Prospects of digitalization in epidemiology

封面

如何引用文章

全文:

开放存取 开放存取
受限制的访问 ##reader.subscriptionAccessGranted##
受限制的访问 订阅存取

详细

Digital transformation is a key area in modern epidemiology, with significant potential for improving public health parameters. The implementation of artificial intelligence and machine learning methods in the processes of diagnosing and predicting the incidence of infectious diseases increases the accuracy and speed of epidemiological analysis, allows processing large volumes of data, identifying patterns in the spread of infections and developing strategies to prevent them. The article reviews three software platforms developed at the Central Research Institute of Epidemiology of Rospotrebnadzor for the implementation of epidemiological monitoring of coronavirus infection and other infectious diseases. The VGARus platform has become a key tool for monitoring the dynamics of the COVID-19 pandemic in Russia. The platform’s potential goes beyond SARS-CoV-2 research: it is expanding to collect data on other pathogens. The SOLAR platform consolidates information on laboratory results for SARS-CoV-2 and allows for effective data exchange between various medical institutions and government agencies, as well as the transfer of information on the conducted tests directly to the State Services portal in the personal accounts of individuals. SOLAR provides centralised storage of all COVID-19-related laboratory results, facilitating their further review. Another project of the Institute, the EpidSmart analytical platform, solves the task of comprehensive analysis of data on the development of the epidemic process in Russia with the identification of categories and territories of infection risk.

作者简介

V. Akimkin

Central Research Institute of Epidemiology

编辑信件的主要联系方式.
Email: vgakimkin@yandex.ru
Moscow, Russia

参考

  1. Мишустин сообщил, что в РФ работают почти 1 млн айтишников. https://tass.ru/ekonomika/21812873 (дата обращения 16.02.2025). Mishustin reported that almost 1 million IT specialists work in the Russian Federation. (In Russ.)
  2. Указ Президента РФ от 07.05.2024 № 309 “О национальных целях развития Российской Федерации на период до 2030 года и на перспективу до 2036 года”. http://publication.pravo.gov.ru/document/0001202405070015 (дата обращения 16.02.2025). Decree of the President of the Russian Federation dated 07.05.2024 no. 309 “On the national development goals of the Russian Federation for the period up to 2030 and for the perspective up to 2036”. (In Russ.)
  3. Постановление Правительства РФ от 10.10.2020 № 1646 “О мерах по обеспечению эффективности мероприятий по использованию информационно-коммуникационных технологий в деятельности федеральных органов исполнительной власти и органов управления государственными внебюджетными фондами”. http://government.ru/docs/all/130305/ (дата обращения 16.02.2025). Resolution of the Government of the Russian Federation dated 10.10.2020 no. 1646 “On measures to ensure the effectiveness of information and communication technologies in the activities of federal executive bodies and state non-budgetary funds management bodies”. (In Russ.)
  4. Новый нацпроект “Экономика данных” будет реализован в рамках 8 федеральных проектов. https://ac.gov.ru/news/page/novyj-nacproekt-ekonomika-dannyh-budet-realizovan-v-ramkah-8-federalnyh-proektov-27883 (дата обращения 16.02.2025). The new national project “Data Economy” will be implemented within the framework of 8 federal projects. (In Russ.)
  5. Catlin T., Lorenz J.T., Sternfels B., Willmott P. A Roadmap for a Digital Transformation. McKinsey & Company, 2017. https://www.mskinsey.com/industies/financialservices/our-insights/aroadmap-for-a-digital-transformation (дата обращения 25.01.2025); Digital, Technology, and Data. Boston Consulting Group, 2023. https://www.bcg.com/en-us/digital-bcg/overview.aspx (дата обращения 16.02.2025).
  6. ГОСТ Р ИСО/МЭК 29161-2019. Национальный стандарт Российской Федерации. Информационные технологии. Структура данных. Уникальная идентификация для интернета вещей. State standard R ISO/IEC 29161–2019. National standard of the Russian Federation. Information technology. Data structure. Unique identification for the Internet of Things. (In Russ.)
  7. Laney D. 3D Data Management: Controlling Data Volume, Velocity and Variety. META Group, 2001. https://studylib.net/doc/8647594/3d-data-management-controlling-data-volume-velocity-an... (дата обращения 16.02.2025).
  8. ГОСТ Р ИСО/МЭК 20546-2021. Национальный стандарт Российской Федерации. Информационные технологии. Большие данные. Обзор и словарь. State standard R ISO/IEC 20546-2021. National standard of the Russian Federation. Information technology. Big data. Overview and vocabulary. (In Russ.)
  9. ГОСТ ISO/IEC 17788-2016. Межгосударственный стандарт. Информационные технологии. Облачные вычисления. Общие положения и терминология. State standard ISO/IEC 17788-2016. Interstate standard. Information technology. Cloud computing. Overview and vocabulary. (In Russ.)
  10. ГОСТ 33707-2016. Межгосударственный стандарт. Информационные технологии. Словарь. State standard 33707-2016 (ISO/IEC 2382:2015). Interstate standard. Information technologies. Vocabulary. (In Russ.)
  11. Аксёнова Л.Е., Аксёнов К.Д., Козина Е.В., Мясникова В.В. Разработка и тестирование автоматизированной системы анализа ОКТ изображений сетчатки // Доклады РАН. Математика, информатика, процессы управления. 2023. № 2. С. 169–176. Aksenova L.E., Aksenov K.D., Kozina E.V., Myasnikova V.V. Automated System for Analysis of OCT Retina Images Development and Testing // Doklady Mathematics. 2024, vol. 108, pp. 310–316.
  12. Bekkouch I.E.I. et al. Multi-landmark environment analysis with reinforcement learning for pelvic abnormality detection and quantification // Medical Image Analysis. 2022, vol. 78, 102417.
  13. Zakaria R., Abdelmajid H., Dya Z., Hakim A. PelviNet: A Collaborative Multi-agent Convolutional Network for Enhanced Pelvic Image Registration // J Imaging Inform. Med. 2024, vol. 38, pp. 957–966. doi: 10.1007/s10278-024-01249-w
  14. Акимкин В.Г., Семененко Т.А., Хафизов К.Ф. и др. Стратегия геномного эпидемиологического надзора. Проблемы и перспективы / // Журнал микробиологии, эпидемиологии и иммунобиологии. 2024. № 2. С. 163–172. Akimkin V.G., Semenenko T.A., Khafizov K.F. et al. Genomic surveillance strategy. Problems and perspectives // Journal of Microbiology, Epidemiology and Immunobiology. 2024, no. 2, pp. 163–172. (In Russ.)
  15. Акимкин В.Г., Хафизов К.Ф., Дубоделов Д.В. и др. Молекулярно-генетический мониторинг и технологии цифровой трансформации в современной эпидемиологии // Вестник РАМН. 2023. № 4. С. 363–369. Akimkin V.G., Khafizov K.F., Dubodelov D.V. et al. Molecular genetic monitoring and digital transformation technologies in modern epidemiology // Annals of the Russian Academy of Medical Sciences. 2023, no. 4, pp. 363–369. (In Russ.)
  16. Котов И.А., Аглетдинов М.Р., Роев Г.В. и др. Геномный надзор за SARS-CoV-2 в Российской Федерации: возможности платформы VGARus // Журнал микробиологии, эпидемиологии и иммунобиологии. 2024. № 4. С. 435–447. Kotov I.A., Agletdinov M.R., Roev G.V. et al. Genomic surveillance of SARS-CoV-2 in Russia: insights from the VGARus platform // Journal of Microbiology, Epidemiology and Immunobiology. 2024, no. 4, pp. 435–447. (In Russ.)
  17. Лаштабега Е.А., Лиманова Н.И., Козлов В.В. Методы повышения эффективности и производительности вычислительных систем на основе технологий искусственного интеллекта // Бюллетень науки и практики. 2024. № 7. С. 392–396. Lashtabega E.A., Limanova N.I., Kozlov V.V. Methods for improving the efficiency and performance of computing systems based on artificial intelligence technologies // Bulletin of Science and Practice. 2024, no. 7, pp. 392–396. (In Russ.)
  18. Акимкин В.Г., Семененко Т.А., Хафизов К.Ф. и др. Биобезопасность и геномный эпидемиологический надзор // Эпидемиология и вакцинопрофилактика. 2024. № 5. С. 4–12. Akimkin V.G., Semenenko T.A., Khafizov K.F. et al. Biosafety and genomic epidemiological surveillance // Epidemiology and vaccine prevention. 2024, no. 5, pp. 4–12. (In Russ.)
  19. Беляков В.Д. Общие закономерности функционирования паразитарных систем (механизмы саморегуляции) // Паразитология. 1986. № 4. С. 249–255. Belyakov V.D. General patterns of the functioning of parasitic systems (the mechanisms of self-regulation) // Parazitologiia. 1986, no. 4, pp. 249–255. (In Russ.)
  20. Громашевский Л.В. Общая эпидемиология: руководство для врачей и студентов. 4-е изд. М.: Медицина, 1965. Gromashevsky L.V. General Epidemiology: a guide for doctors and students. 4th ed. Moscow: Medicine, 1965. (In Russ.)
  21. Черкасский Б.Л. Руководство по общей эпидемиологии. М.: Медицина, 2001. Cherkassky B.L. Handbook of General Epidemiology. Moscow: Medicine, 2001. (In Russ.)
  22. Zhang S., Diao M., Yu W. et al. Estimation of the reproductive number of Novel Coronavirus (COVID-19) and the probable outbreak size on the Diamond Princess cruise ship: A data-driven analysis // Int. J. Infect. Dis. 2020, vol. 93, pp. 201–204.
  23. Anderson R.M. et al. How will country-based mitigation measures influence the course of the COVID-19 epidemic? // The Lancet. 2020, no. 10228, pp. 931–934.
  24. Lee D., Heo K., Seo Y. et al. Flattening the Curve on COVID-19: South Korea’s Measures in Tackling Initial Outbreak of Coronavirus // Am. J. Epidemiol. 2021, vol. 190 (4), pp. 496–505.
  25. Hill V., Githinji G., Vogels C.B.F. et al. Toward a global virus genomic surveillance network // Cell Host & Microbe. 2023, vol. 31 (6), pp. 861–73.
  26. Rambaut A., Holmes E.C., O’Toole Á. et al. A dynamic nomenclature proposal for SARS-CoV-2 lineages to assist genomic epidemiology // Nat. Microbiol. 2020, no. 5 (11), pp. 1403–1407.
  27. O’Toole Á., Scher E., Underwood A. et al. Assignment of epidemiological lineages in an emerging pandemic using the pangolin tool // Virus. Evol. 2021, vol. 7 (2), veab064.
  28. Aksamentov I., Roemer C., Hodcroft E.B., Neher R.A. Nextclade: clade assignment, mutation calling and quality control for viral genomes // Journal of Open Source Software. 2021, no. 6 (67), 3773.
  29. Hayer J. et al. HBVdb: a knowledge database for Hepatitis B Virus // Nucleic acids research. 2013, vol. 41, pp. D566–D570.
  30. Velkov, S., Ott J., Protzer U., Michler T. The global hepatitis B virus genotype distribution approximated from available genotyping data // Genes. 2018, vol. 9, р. 495.
  31. Komissarov A.B., Safina K.R., Garushyants S.K. et al. Genomic epidemiology of the early stages of the SARS-CoV-2 out-break in Russia // Nat. Commun. 2021, vol. 12 (1), р. 649.
  32. Борисова Н.И., Котов И.А., Колесников А.А. и др. Мониторинг распространения вариантов SARS-CoV-2 (Coronaviridae: Coronavirinae: Betacoronavirus; Sarbecovirus) на территории Московского региона с помощью таргетного высокопроизводительного секвенирования // Вопросы вирусологии. 2021. Т. 66 (4). С. 269–278. Borisova N.I., Kotov I.A., Kolesnikov A.A. et al. Monitoring the spread of the SARS-CoV-2 variants (Coronaviridae: Coronavirinae: Betacoronavirus; Sarbecovirus) in the Moscow region using targeted high-throughput sequencing // Problems of Virology. 2021, vol. 66 (4), pp. 269–278. (In Russ.)
  33. Akimkin V.G., Semenenko T.A., Ugleva S.V. et al. COVID-19 epidemic process and evolution of SARS-CoV-2 genetic variants in the Russian Federation // Microbiol. Res. 2024, vol. 15 (1), pp. 213–224.
  34. Акимкин В.Г., Попова А.Ю., Плоскирева А.А. и др. COVID-19: эволюция пандемии в России. Сообщение I: проявления эпидемического процесса COVID-19 // Журнал микробиологии, эпидемиологии и иммунобиологии. 2022. Т. 99 (3). С. 269–286. Akimkin V.G., Popova A.Yu., Ploskireva A.A. et al. COVID-19: the evolution of the pandemic in Russia. Report I: manifestations of the COVID-19 epidemic process // Journal of Microbiology, Epidemiology and Immunobiology. 2022, vol. 99 (3), pp. 269–286. (In Russ.)
  35. Акимкин В.Г., Попова А.Ю., Хафизов К.Ф. и др. COVID-19: эволюция пандемии в России. Сообщение II: динамика циркуляции геновариантов вируса SARS-CoV-2 // Журнал микробиологии, эпидемиологии и иммунобиологии. 2022. Т. 99 (4). С. 381–396. Akimkin V.G., Popova A.Yu., Khafizov K.F. et al. COVID-19: the evolution of the pandemic in Russia. Report II: dynamics of the circulation of SARS-CoV-2 genetic variants // Journal of Microbiology, Epidemiology and Immunobiology. 2022, vol. 99 (4), pp. 381–396. (In Russ.)
  36. Акимкин В.Г., Семененко Т.А., Хафизов К.Ф. и др. Стратегия геномного эпидемиологического надзора. Проблемы и перспективы // Журнал микробиологии, эпидемиологии и иммунобиологии. 2024. Т. 101 (2). С. 163–172. Akimkin V.G., Semenenko T.A., Khafizov K.F. et al. Strategy of genomic epidemiological surveillance. Problems and perspectives // Journal of Microbiology, Epidemiology and Immunobiology. 2024, vol. 101 (2), pp. 163–172. (In Russ.)
  37. Kotov I., Saenko V., Borisova N. et al. Effective approaches to study the genetic variability of SARS-CoV-2 // Viruses. 2022, vol. 14 (9), 1855.
  38. Сенько О.В., Кузнецова А.В., Воронин Е.М. и др. Методы интеллектуального анализа данных в исследованиях эпидемии COVID-19 // Журнал Белорусского государственного университета. Математика. Информатика. 2022. № 1. С 83–96. Senko O.V., Kuznetsova A.V., Voronin E.M. et al. Methods of intellectual data analysis in COVID-19 research // Journal of the Belarusian State University. Mathematics and Informatics. 2022, no. 1, pp. 83–96. (In Russ.)
  39. Герасимов А.Н., Воронин Е.М., Мельниченко Ю.Р. и др. Методика оценки базового репродуктивного числа актуальных вариантов вируса SARS-CoV-2 // Эпидемиология и вакцинопрофилактика. 2024. Т. 23 (4). С. 12–22. Gerasimov A.N., Voronin E.M., Melnichenko Yu.R. et al. Methodology for Estimating the Basic Reproductive Number of Current Variants of the Virus SARS-CoV-2 // Epidemiology and Vaccinal Prevention. 2024, vol. 23 (4), pp. 12–22. (In Russ.)
  40. Хорошун Д.К., Момыналиев К.Т., Воронин Е.М., Акимкин В.Г. Анализ поисковых запросов в “Яндексе”, связанных с COVID-19 в Российской Федерации // Медицинский алфавит. 2022. № 14. С. 14–22. Khoroshun D.K., Momynaliev K.T., Voronin E.M., Akimkin V.G. Analysis of search queries in Yandex related to COVID-19 in the Russian Federation // Medical alphabet. 2022, no. 14, pp. 14–22. (In Russ.)
  41. Акимкин В.Г., Тутельян А.В., Шулакова Н.И., Воронин Е.М. Пандемия COVID-19: новый виток нарастания антибиотикорезистентности // Инфекционные болезни. 2021. Т. 19 (3). С. 133–138. Akimkin V.G., Tutelyan A.V., Shulakova N.I., Voronin E.M. COVID-19 pandemic: a new round of increasing antibiotic resistance // Infectious diseases. 2021, vol. 19 (3), pp. 133–138. (In Russ.)
  42. Momynaliev K.T., Khoroshun D.K., Akimkin V.G. Online queries as a criterion for evaluating epidemiological status and effectiveness of COVID-19 control measures in Russia: results from Yandex. Wordstat analysis // BMJ Open. 2022, vol. 12, e056716.
  43. Момыналиев К.Т., Хорошун Д.К., Акимкин В.Г. Интернет-запросы, связанные с обонянием, как маркер оценки эпидемической ситуации в связи с коронавирусом SARS-COV2 // Эпидемиология и инфекционные болезни. 2021. № 2. С. 42–48. Momynaliev K.T., Khoroshun D.K., Akimkin V.G. Olfaction-related Internet queries as a marker for assessing the epidemic SARS-COV2 situation // Epidemiology and infectious diseases. 2021, no. 2, pp. 42–48. (In Russ.)
  44. Момыналиев К.Т., Хоперская Л.Л., Пшеничная Н.Ю. и др. Инфодемиологическое исследование эпидемии коронавируса с использованием Google Trends в странах Центральной Азии – Казахстане, Киргизии, Узбекистане, Таджикистане // Медицинский алфавит. 2020. Т. 34. С. 47–53. Momynaliev K.T., Khoperskaya L.L., Pshenichnaya N.Yu. et al. Infodemiological study of coronavirus epidemic using Google Trends in Central Asian Republics of Kazakhstan, Kyrgyzstan, Uzbekistan, Tajikistan // Medical alphabet. 2020, vol. 34, pp. 47–53. (In Russ.)
  45. Pannu J. et al. AI could pose pandemic-scale biosecurity risks. Here’s how to make it safer // Nature. 2024, no. 8040, pp. 808–811.
  46. Беляков В.Д., Яфаев Р.Х. Эпидемиология: учебник. М.: Медицина, 1989. Belyakov V.D., Yafaev R.Kh. Epidemiology: textbook. Moscow: Medicine, 1989. (In Russ.)

补充文件

附件文件
动作
1. JATS XML
下载

版权所有 © Russian Academy of Sciences, 2025

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».