Nástroj AI v národním dohledu nad nemocemi pomohl vydat více než 5 000 výstrah pro zdravotnické úřady: data
Výzkumný tým zaznamenal 150% nárůst publikovaných událostí od roku 2022 ve srovnání s předchozími roky sledování nemocí u lidí.
Nástroj umělé inteligence nasazený Národním centrem pro kontrolu nemocí (NCDC) v roce 2022 mohl podle studie pomoci vydat více než 5 000 upozornění na infekční ohniska zdravotnickým úřadům v reálném čase od instalace.
Nástroj „Health Sentinel“ vyvinutý společností WadhwaniAI, poskytovatelem zdravotnických řešení AI se sídlem v Novém Dillí, mohl pomoci snížit 98 procent manuální pracovní zátěže, umožnit rychlejší detekci propuknutí a proaktivní reakci veřejného zdraví, naznačují nálezy publikované jako předtiskový papír, které dosud nebyly přezkoumány.
Téměř 200 zemí je právně vázáno Mezinárodními zdravotními předpisy (IHR) provozovat národní systém sledování nemocí. IHR a Světová zdravotnická organizace spolupracují při ochraně globální zdravotní bezpečnosti.
Zpravodajské zprávy v tištěných, elektronických a online médiích jsou skenovány nástrojem pro skenování a ověřování médií v rámci indického „Integrated Disease Surveillance Programme“ (IDSP) pro neobvyklé zdravotní události, které jsou pak sdíleny s úřady pro další opatření, pokud je to považováno za nutné.
„Health Sentinel“ každý den skenoval zprávy médií a zpravodajské články ve 13 jazycích.
Autoři napsali: „Od dubna 2022 do dnešního dne Health Sentinel zpracoval více než 300 milionů zpravodajských článků a identifikoval více než 95 000 jedinečných zdravotních událostí v celé Indii, z nichž více než 3 500 událostí (čtyři procenta) bylo vybráno odborníky na veřejné zdraví z NCDC jako potenciální ohniska.“ Autoři z Wadhwani AI řekli PTI, že mezi dubnem 2022 a dubnem 2025 bylo zdravotnickým úřadům po celé Indii zasláno více než 5 000 výstrah v reálném čase.
„Proces identifikace potenciálních chorobných událostí hlášených v médiích tradičně zahrnoval ruční skenování novin, časopisů a zpráv, aby se identifikovaly relevantní články,“ řekl PTI Parag Govil, vedoucí národního programu pro globální zdravotní bezpečnost ve Wadhwani AI.
„Zavedení řešení ‚Health Sentinel‘ nahradilo tento manuální proces při zachování přístupu člověka ve smyčce, kdy epidemiologové provádějí zásadní ověření před tím, než jsou informace předány státním a okresním úředníkům,“ dodal.
Tradiční přístupy v dozoru nad nemocemi se opírají o „pasivní hlášení“, ve kterém se prověřují hlášení o infekcích od lékařů a poskytovatelů zdravotní péče.
Monitorování neformálních zdrojů, jako jsou online média, se také stalo stále populárnějším pro sledování nemocí, ale jak se zvýšil objem článků publikovaných každý den, manuální zátěž screeningových médií narostla a je nepraktická, uvedli autoři studie, včetně těch z Národního centra pro kontrolu nemocí (NCDC).
Navrhli nástroj „Health Sentinel“, který využívá AI k získávání informací o neobvyklých zdravotních událostech nebo ohniscích ze zpravodajských článků.
Zdravotní úředníci a epidemiologové ve vládě zjistili, že automatizace manuálního screeningu patří mezi požadavky na posílení mediálního dohledu v zemi spolu s rychlejší detekcí ohniska a vícejazyčnými schopnostmi, řekl Govil.
Výzkumný tým zaznamenal 150% nárůst publikovaných událostí od roku 2022 ve srovnání s předchozími roky sledování nemocí u lidí.
Navíc 96 % zdravotních událostí publikovaných národním systémem sledování v roce 2024 bylo extrahováno nástrojem AI – pouze čtyři procenta pomocí ručního skenování médií, uvedli.
Studie navrhly podporu tradičního sledování procházením online obsahu – zpráv nebo příspěvků na sociálních sítích – pro lepší detekci propuknutí infekčních chorob.
Studie zveřejněná v únoru v „Indický žurnál lékařského výzkumu: Úřední věstník indické rady lékařského výzkumu“pilotoval sledovací systém založený na událostech, který prohlížel záznamy médií a fám v šesti soukromých nemocnicích v keralské čtvrti Kasaragod.
Výzkumníci z ICMR-National Institute of Epidemiology v Chennai a státní a okresní zdravotní úředníci Kerala vyvinuli algoritmus, který analyzoval záznamy případů pacientů přijatých s akutním horečnatým onemocněním (AFI) – horečkou, která může trvat až dva týdny.
Zájmové symptomy, jako je AFI s vyrážkou nebo krvácením, byly identifikovány pomocí časoprostorového shlukování pacientů nebo úmrtí.
Během května až prosince 2023 byly pomocí tohoto algoritmu analyzovány téměř tři čtvrtiny z více než 4 500 pacientů s AFI. Z 88 identifikovaných shluků bylo 76 % způsobeno těžkým akutním respiračním onemocněním, 10 % syndromem akutní encefalitidy a 9 % bylo způsobeno AFI s vyrážkou.
Dále bylo 10 klastrů ověřeno jako události, z nichž devět bylo klasifikováno jako ohniska, včetně horečky dengue a COVID-19, uvedla studie.
Autoři uvedli: „Pilot EBS (Event-based surveillance) v soukromých zdravotnických zařízeních doplnil (tradiční) systém včasnou detekcí ohnisek. Tento model EBS má potenciál pro implementaci v jiných okresech, zejména v okresech s vyšším rizikem přelévání zoonóz.“ Recenze z roku 2020 v Journal of Biomedical Informatics se zabývala 148 výzkumnými články publikovanými v letech 2010–2019 o dohledu nad zdravotní péči, které se zabývaly sociálními médii, včetně příspěvků na X (pak Twitter).
U 26 článků, včetně těch, které pocházejí z databází ‚ScienceDirect‘ a ‚PubMed‘, bylo vidět, že při sledování využívá strojové učení – formu algoritmu AI.
Přibližně čtvrtina článků se zaměřila na sledování chřipky nebo chřipce podobných onemocnění, přičemž Twitter je nejoblíbenějším zdrojem dat ze sociálních médií pro provádění výzkumu sledování, poznamenala studie.
„Zahrnutí online dat do sledovacích systémů zlepšilo schopnost predikce onemocnění oproti tradičním syndromickým sledovacím systémům,“ napsali autoři z Technologické univerzity v Dillí.
Další studie, publikovaná v American Journal of Tropical Medicine and Hygiene v roce 2017 poukázal na to, jak mohou údaje ze zpravodajských článků pomoci se zpožděním při získávání údajů na úrovni zemí o potvrzených případech infekcí, jako je horečka dengue.
Publikováno – 16. listopadu 2025 17:42 IST
