Возможности применения технологий искусственного интеллекта в военной эпидемиологии.

В статье представлены перспективы применения технологий искусственного интеллекта в области военной эпидемиологии. Искусственный интеллект активно интегрируется в военное здравоохранение. Применение систем учёта, анализа, поддержки принятия решений технологиями искусственного интеллекта в области военной эпидемиологии возможно при мониторинге здоровья военнослужащих, оценке эпидемиологической ситуации, проведении санитарно-эпидемиологической разведки, прогнозировании вспышек и эпидемий инфекционных болезней, мониторинге биологических угроз, оптимизации медицинской логистики. Технологии ИИ в военной эпидемиологии могут применяться в качестве обеспечения автоматизации процессов учета и регистрации заболеваемости, ретроспективного и оперативного эпидемиологического анализа, установления механизма развития эпидемического процесса инфекционных болезней, моделирования ситуации и мониторинга возможных осложнений санитарно-эпидемиологической остановки с целью повышения эффективности своевременного принятия мер по недопущению возникновения и распространения инфекционных заболеваний в Вооруженных Силах.

1. Бакаев, В. В. Применение искусственного интеллекта для укрепления и развития системы эпидемиологического контроля (обзор литературы) / В. В. Бакаев, Т. Ю. Гашенко, С. С. Марданлы [и др.] // Эпидемиология и инфекционные болезни. – 2024. – Т. 29, № 3. – С. 126–134.

2. Лаборатории информационно-аналитических систем и биоинформатики ОИПИ НАН Беларуси. Медицинские информационные системы, сервисы и биоинформатика [Электронный ресурс]. – URL: http://ehealth.by. – Дата доступа: 26.04.2025.

3. Мамедова, Л. Э. Основные аспекты технологии искусственного интеллекта / Л. Э. Мамедова, Л. Н. Иванова, Е. С. Алтаев // Известия высших учебных заведений. Серия «Экономика, финансы и управление производством». – 2023. – Т. 57, № 3. – С. 78–88.

4. Федеральный закон от 24.04.2020 N 123-ФЗ «О проведении эксперимента по установлению специального регулирования в целях создания необходимых условий для разработки и внедрения технологий искусственного интеллекта в субъекте Российской Федерации [Электронный ресурс]. – URL: https://www.consultant.ru/document/cons_doc_LAW_351127/ – Дата доступа: 18.03.2025.

5. Adib, B. R. Artifi al Intelligence in the Military: An Overview of the Capabilities, Applications, and Challenges [Electronic resource] / International Journal of Intelligent Systems. – Mode of access: https://onlinelibrary.wiley.com/doi/full/10.1155/2023/8676366#reference.– Date ofaccess: 23.04.2025.

6. Brockmann, K. BIO PLUS X: Arms Control and the Convergence of Biology and Emerging Technologies [Electronic resource] / Stockholm International Peace Research Institute, March 2019. – Mode of access: https://www.sipri.org/sites/default/files/2019-03/sipri2019_bioplusx_0.pdf – Access date: 23.04.2025.

7. Deadman, P. A. role for goal-oriented autonomous agents in modeling people-environment interactions in forest recreation / P. Deadman, R. H. Gimblett // Mathematical and Computer Modelling. – 1994. – Vol. 20, № 8. – P. 121–133.

8. Du, M. DeepLog: anomaly detection and diagnosis from system logs through deep learning [Electronic resource] / Conference on Computer and Communications Security, New York, November 2017. – Mode of access: https://www.tandfonline.com/doi/full/10.1080/08839514.2024.2440692#abstract. – Date of access: 26.04.2025.

9. Hussain, S. A. survey on conversational agents/ chatbots classifcation and design techniques / S. Hussain, O. A. Sianaki, N. Ababneh // Advances in Intelligent Systems and Computing. – 2019. – Vol. 927. – P. 946–956.

10. Lentzos, F. How to protect the world from ultra-targeted biological weapons [Electronic resource] / Bulletin of the Atomic Scientists, 7 December 2020. – Mode of access: https://thebulletin.org/premium/202012/how-to-protect-the-world-fromultra-targeted-biological-weapons/ – Access date: 25.04.2025.

11. Pataranutaporn P. AI-generated characters for supporting personalized learning and well-being / P. Pataranutaporn, V. Danry, J. Leong [et al.] // Nature Machine Intelligence. – 2021. – Vol. 3, № 12. – P. 1013–1022.

12. Shamir, L. Pattern recognition software and techniques for biological image analysis / L. Shamir, J. D. Delaney, N. Orlov [et al.] // PLoS Computational Biology. – 2010. – Vol. 6, № 11. – P. 1–10.

13. Shmueli, G. Predictive analytics in information systems research / G. Shmueli, O. R. Koppius // SSRN Electronic Journal. – 2011. – Vol. 35, № 3. – P. 533–572.

14. Zhang, T. Current trends in the development of intelligent unmanned autonomous systems / T. Zhang, Q. Li, C. Zhang [et al.] // Frontiers of Information Technology & Electronic Engineering. – 2017. – Vol. 18, № 1. – P. 65–85.

15. Zhaohui, Su. Threats with Artificial Intelligence and 6G Technologies: Literature Review and Critical Insights [Electronic resource] / J Med. Internet. Res., 2021. – Mode of access: https://pmc.ncbi.nlm.nih.gov/articles/PMC8153034. – Date of access: 26.04.2025.