Руски научници развили су први домаћи компјутерски модел за борбу против сезонских алергија заснован на вештачкој интелигенцији, који узима у обзир динамику биљног полена и временске прогнозе како би се спречила несташица лекова у апотекама, саопштила је прес-служба универзитета Пермског националног истраживачког политехничког универзитета (ПНПУ).
"Развој представља компјутерски модел заснован на неуронској мрежи која анализира временске прогнозе у реалном времену на основу локалних метеоролошких података и тренутних концентрација полена на основу аеро-полинолошког мониторинга - система за праћење полена биљака у ваздуху. На основу примљених информација, алгоритам предвиђа вршне концентрације за сваки алерген, омогућавајући тачна предвиђања учесталости болести и, последично, неопходне потребе за антихистаминицима за становнике региона", објаснио је професор ПНПУ, доктор физичких и математичких наука Kонстантин Шварц, преноси агенција ТАСС.
Свет се удаљава од календара ка динамичким предиктивним моделима биљног полена који могу да узму у обзир тренутне временске услове, истичу научници. Ова решења се заснивају на глобалним мрежама за праћење полена које прикупљају податке помоћу посебних замки, свакодневно анализирајући концентрације алергена у ваздуху у различитим земљама.
До сада, Русији је недостајала платформа изграђена на локалним подацима. Стварање једне копирањем страног модела је немогуће, јер Русија има другачију флору и јединствене временске услове. Страни алгоритам, заснован, на пример, на подацима из Северне Америке или Европе, био би бескористан у руским условима.
Први руски компјутерски модел за борбу против сезонских је трениран тако да се користе податке које су научници прикупили током 10 година посматрања. Идентификовано је девет главних биљних алергена који утичу на здравље руских становника: бреза, јова, траве, јавор, брест, бор, топола, коприва и амброзија.
Након обуке на овим дугорочним подацима, алгоритам је прилагођен коришћењем података о испорукама лекова апотекама. Kомбиновањем ове две врсте података, систем је био у стању да идентификује квантитативне обрасце: како специфични временски услови покрећу скокове полена и како, са закашњењем од неколико дана, овај врхунац покреће пораст потражње за одређеним лековима.
"Модел нам даје не само сезонску прогнозу, већ и 'распоред' врхунаца полена неколико дана унапред. На пример, видимо да се очекује да ће сутрашњи полен брезе бити 12 одсто већи од просечног врхунца. То значи да ће за 2-3 дана потражња за антихистаминицима порасти за 1,4 одсто од ове бројке. Ако саберемо ове прогнозе за све алергене за целу сезону, можемо израчунати укупну потребну количину набавке", објаснио је Шварц.
Kако су истраживачи истакли, модел је први који квантитативно мери како скок полена повећава потражњу за специфичним антихистаминицима у року од неколико дана. На основу ове прогнозе, систем израчунава проценат лекова који би требло да буду унапред ускладиштени током сезоне полена. Тестирање је показало да развијени модел има стопу тачности од 92 одсто.
"Развој прецизно предвиђа нивое полена у ваздуху, омогућавајући апотекама да се припреме. Главна предност је што систем омогућава унапред израчунавање потребних количина набавке, сезону унапред. Ово елиминише несташицу лекова током епидемијске сезоне и доводи до исплативог управљања", додао је ПНРПУ.
Овај програм развили су научници Пермског националног истраживачког политехничког универзитета (ПНПУ), заједно са колегама са Националног истраживачког универзитета Високе школе економије (ВШЕ) и Пермске државне фармацеутске академије (ПДФА).