Пермские ученые создали модель для поиска главного источника вреда здоровью

Современный человек постоянно сталкивается с множеством факторов, способных негативно влиять на здоровье: загрязненный воздух, некачественная питьевая вода, вредные условия труда. Для оценки рисков существуют различные рейтинги и шкалы, например, индекс качества воздуха или классы вредности труда. Однако, как отмечают специалисты, большинство существующих методов, основанных на статистике и машинном обучении, лишь выдают конечную цифру — вероятность заболевания — но не объясняют, с чем именно она связана. Это затрудняет принятие адресных мер по устранению первопричины.

Как работает новая модель

В основе разработки Пермского Политеха лежит аппарат нечеткой логики. В отличие от классических математических моделей, он способен обрабатывать не только точные числа, но и качественные оценки, такие как «давление повышено» или «шум умеренный». Модель самостоятельно определяет, насколько то или иное значение соответствует категориям «низкий», «средний», «повышенный» или «высокий» уровень опасности.

Для расчета модель использует данные о загрязняющих веществах в воздухе (пыль, диоксид азота, формальдегид, бензол), показатели качества питьевой воды (железо, хлориды, нитраты, бактериологическое загрязнение), физические факторы (шум, вибрация), а также сведения о стаже работы, возрасте и условиях труда. Как пояснила Анна Савочкина, заместитель декана факультета прикладной математики и механики ПНИПУ, информация может поступать как из открытых источников, так и из натурных наблюдений.

После обработки всех параметров модель выдает числовую оценку, которая затем переводится в стандартную шкалу риска. Главное преимущество — возможность не просто получить итоговый показатель, но и увидеть вклад каждого отдельного фактора, что позволяет определить главный источник вреда.

Проверка и точность прогнозов

Для проверки работоспособности модели ученые использовали реальные данные о качестве питьевой воды одного из регионов России за несколько лет. Модель проанализировала такие параметры, как запах, цвет, содержание алюминия, марганца и хлоридов. На основе этих сведений был рассчитан совокупный риск: за три года он снизился с «повышенного» до «среднего» уровня. Этот вывод совпал с оценками санитарных врачей, проводившими независимый анализ. Средняя погрешность модели составила около 5–7%.

Точность прогнозов новой математической модели достигает 92–95%. Для сравнения: классические статистические методы показывают точность на уровне 75–89%, а методы машинного обучения — 85–96%, однако последние работают по принципу «черного ящика», не раскрывая причин полученного результата. Новая модель лишена этого недостатка.

Практическое применение

На основе разработки ученые создали четыре программных комплекса. Они предназначены для оценки эффективности воздухоохранных мероприятий, для анализа мер по повышению качества питьевой воды, для изучения влияния условий в образовательных учреждениях на здоровье школьников и для прогнозирования профессиональных рисков. Модель уже утверждена Роспотребнадзором и рекомендована надзорным органам для практического использования. По мнению разработчиков, модель может применяться для планирования профилактических мероприятий — от очистки воды до модернизации условий труда.