Российские ученые разработали программу для оценки индивидуальных профессиональных рисков здоровью на производствах Об этом CNews сообщили представители Пермского национального исследовательского политехнического университета.
Главная проблема заключается в том, что существующие методы оценки профессиональных рисков для здоровья часто носят групповой характер и выполняются для категорий работников, находящихся в сходных условиях, с использованием усредненных показателей. При этом в меньшей степени учитываются индивидуальные особенности состояния персонала, специфические комбинации воздействующих факторов и их потенциальное взаимное усиление. При этом традиционные периодические медосмотры также направлены на выявление уже состоявшихся заболеваний, а не на их прогнозирование и профилактику.
Ученые Пермского Политеха совместно с коллегами из управления Роспотребнадзора и ФНЦ медико-профилактических технологий управления рисками здоровью населения создали программу, которая предсказывает появление профессиональных заболеваний у каждого конкретного работника на вредном производстве.
В основе разработки лежит не обычный искусственный интеллект, а специальная адаптивная нейро-нечеткая сеть. Ее ключевое преимущество — способность работать с неполной и неточной информацией. Одна часть программы — это математическая модель, которая обучается на разных данных и находит в них сложные закономерности. Это важно, потому что профессиональные заболевания редко возникают от одной причины — обычно это результат множества факторов. Вторая часть программы позволяет системе «мыслить» не только цифрами, но и качественными понятиями. Это значит, что она понимает значение фраз «высокий шум» или «средний риск», даже если границы этих терминов размыты.
Обучение системы проводилось на уникальной базе данных. В качестве «учебного материала» ученые использовали архивные сведения о работниках подземной добычи медно-никелевых руд с реальными, установленными диагнозами. База включала 175 тыс. показателей: точные условия труда (уровни шума, вибрации, концентрации химических веществ), личные медицинские показатели работников (результаты анализов крови, функциональной диагностики) и окончательные диагнозы профессиональных заболеваний.
Всю эту информацию разделили: 80% составили обучающую выборку, а оставшиеся 20% — контрольную. Сначала нейросеть в течение 100 циклов искала сложные взаимосвязи между вредными факторами, состоянием здоровья человека и развитием у него конкретных болезней. После каждого цикла поиска программа сверяла свои прогнозы с реальными сведениями, вычисляла ошибку и автоматически корректировала внутренние параметры.
За процессом обучения ученые постоянно следили с помощью двух графиков: их автоматически генерирует сама программа после каждого цикла. Она сравнивала полученные прогнозы с известными правильными ответами и вычисляла два ключевых показателя — долю верных ответов и величину расхождения результатов. На основе этой ошибки стандартный оптимизационный алгоритм определял, какие именно внутренние параметры нужно скорректировать и насколько, чтобы следующий прогноз был точнее. Обучение считалось завершенным, когда величина расхождений стала минимальной.
«Предложенная программа работает следующим образом. Сначала в систему загружается вся информация о работнике: условия на его рабочем месте, его стаж, возраст, а также результаты медицинских обследований. Затем программа преобразует эти цифры в лингвистические понятия и применяет к ним комплекс «правил», которые она сама выявила в процессе обучения на тысячах примеров. Например, что длительный стаж работы в условиях высокого шума ведёт к высокому риску тугоухости. На следующем этапе система объединяет результаты всех правил и выдаёт конкретное число — индивидуальный индекс риска развития заболевания от 0 до 1. Чтобы этот расчёт был понятным, система автоматически переводит число в одну из пяти категорий, которые заранее установили ученые: от «пренебрежимо малого» до «очень высокого» риска. Для наглядности программа строит 3D-график, который служит инструментом для проверки логики. Он помогает врачу или специалисту по охране труда убедиться, что риск для здоровья логично возрастает с увеличением вредных факторов, а также выявить «болевые точки» в условиях труда всего цеха или предприятия», — сказала Нина Зайцева, академик РАН, доктор медицинских наук, профессор, научный руководитель ФБУН «ФНЦ медико-профилактических технологий управления рисками здоровью населения».
Работоспособность модели проверялась на тестовой выборке сотрудников, не участвовавших в обучении. Система корректно оценила групповые риски здоровью, подтвердив, например, что сочетание длительного воздействия промышленной пыли и аэрозолей формирует наиболее высокие шансы развития хронических болезней легких, таких как пневмокониоз. Далее ученые тестировали ее на полностью независимой выборке — данных о бурильщиках шпур.
Программа спрогнозировала их профессиональные риски для здоровья, а последующее углубленное медицинское обследование работников подтвердило наличие установленных заболеваний у 87–89% работников, что стало прямым доказательством эффективности разработки.
«Наш инструмент решает главную проблему традиционных методов — переход от усредненных, групповых оценок к индивидуальному прогнозу. Теперь для конкретного работника можно рассчитать его уникальный риск для здоровья, понять, какие именно комбинации факторов (например, стаж + определённый уровень шума + индивидуальные показатели анализов) его формируют. Система заранее идентифицирует тех, кто находится в зоне повышенного риска. Это позволяет врачам назначать персонализированные профилактические мероприятия именно тем, кто в них нуждается», — сказала Анна Савочкина, старший преподаватель кафедры «Высшая математика» ПНИПУ.
Работодатели и надзорные органы получают инструмент для принятия адресных мер по улучшению условий труда на конкретных рабочих местах, несущих наибольшую угрозу. Сам работник получает объективную оценку угроз своему здоровью и рекомендации по ее снижению.
Система масштабируема и применима для самых разных отраслей. Она открывает возможность для реального управления профессиональным здоровьем, а не просто констатации уже наступивших заболеваний.
Поделиться
