Ruski naučnici razvili su prvi domaći kompjuterski model za borbu protiv sezonskih alergija zasnovan na veštačkoj inteligenciji, koji uzima u obzir dinamiku biljnog polena i vremenske prognoze kako bi se sprečila nestašica lekova u apotekama, saopštila je pres-služba univerziteta Permskog nacionalnog istraživačkog politehničkog univerziteta (PNPU).
"Razvoj predstavlja kompjuterski model zasnovan na neuronskoj mreži koja analizira vremenske prognoze u realnom vremenu na osnovu lokalnih meteoroloških podataka i trenutnih koncentracija polena na osnovu aero-polinološkog monitoringa - sistema za praćenje polena biljaka u vazduhu. Na osnovu primljenih informacija, algoritam predviđa vršne koncentracije za svaki alergen, omogućavajući tačna predviđanja učestalosti bolesti i, posledično, neophodne potrebe za antihistaminicima za stanovnike regiona", objasnio je profesor PNPU, doktor fizičkih i matematičkih nauka Konstantin Švarc, prenosi agencija TASS.
Svet se udaljava od kalendara ka dinamičkim prediktivnim modelima biljnog polena koji mogu da uzmu u obzir trenutne vremenske uslove, ističu naučnici. Ova rešenja se zasnivaju na globalnim mrežama za praćenje polena koje prikupljaju podatke pomoću posebnih zamki, svakodnevno analizirajući koncentracije alergena u vazduhu u različitim zemljama.
Do sada, Rusiji je nedostajala platforma izgrađena na lokalnim podacima. Stvaranje jedne kopiranjem stranog modela je nemoguće, jer Rusija ima drugačiju floru i jedinstvene vremenske uslove. Strani algoritam, zasnovan, na primer, na podacima iz Severne Amerike ili Evrope, bio bi beskoristan u ruskim uslovima.
Prvi ruski kompjuterski model za borbu protiv sezonskih je treniran tako da se koriste podatke koje su naučnici prikupili tokom 10 godina posmatranja. Identifikovano je devet glavnih biljnih alergena koji utiču na zdravlje ruskih stanovnika: breza, jova, trave, javor, brest, bor, topola, kopriva i ambrozija.
Nakon obuke na ovim dugoročnim podacima, algoritam je prilagođen korišćenjem podataka o isporukama lekova apotekama. Kombinovanjem ove dve vrste podataka, sistem je bio u stanju da identifikuje kvantitativne obrasce: kako specifični vremenski uslovi pokreću skokove polena i kako, sa zakašnjenjem od nekoliko dana, ovaj vrhunac pokreće porast potražnje za određenim lekovima.
"Model nam daje ne samo sezonsku prognozu, već i 'raspored' vrhunaca polena nekoliko dana unapred. Na primer, vidimo da se očekuje da će sutrašnji polen breze biti 12 odsto veći od prosečnog vrhunca. To znači da će za 2-3 dana potražnja za antihistaminicima porasti za 1,4 odsto od ove brojke. Ako saberemo ove prognoze za sve alergene za celu sezonu, možemo izračunati ukupnu potrebnu količinu nabavke", objasnio je Švarc.
Kako su istraživači istakli, model je prvi koji kvantitativno meri kako skok polena povećava potražnju za specifičnim antihistaminicima u roku od nekoliko dana. Na osnovu ove prognoze, sistem izračunava procenat lekova koji bi treblo da budu unapred uskladišteni tokom sezone polena. Testiranje je pokazalo da razvijeni model ima stopu tačnosti od 92 odsto.
"Razvoj precizno predviđa nivoe polena u vazduhu, omogućavajući apotekama da se pripreme. Glavna prednost je što sistem omogućava unapred izračunavanje potrebnih količina nabavke, sezonu unapred. Ovo eliminiše nestašicu lekova tokom epidemijske sezone i dovodi do isplativog upravljanja", dodao je PNRPU.
Ovaj program razvili su naučnici Permskog nacionalnog istraživačkog politehničkog univerziteta (PNPU), zajedno sa kolegama sa Nacionalnog istraživačkog univerziteta Visoke škole ekonomije (VŠE) i Permske državne farmaceutske akademije (PDFA).