Специалисты из России представили программное решение для персональной оценки угроз здоровью сотрудников на промышленных предприятиях. Как уточнили CNews в Пермском национальном исследовательском политехническом университете, именно его сотрудники являются разработчиками.
Основной недостаток текущих подходов — их ориентация на коллективную оценку, когда анализируются усреднённые данные по группам работников в похожих условиях. При этом индивидуальные особенности здоровья персонала, уникальные сочетания негативных факторов и возможность их совместного усиления часто остаются без внимания. Стандартные плановые медицинские обследования, в свою очередь, обычно выявляют уже развившиеся патологии, а не позволяют прогнозировать и предотвращать их возникновение.
Исследователи Пермского Политеха в кооперации с экспертами Роспотребнадзора и Федерального научного центра медико-профилактических технологий управления рисками здоровью населения создали программу, способную прогнозировать развитие профзаболеваний у отдельного сотрудника на опасном производстве.
В основе технологии лежит не классический искусственный интеллект, а особая адаптивная нейро-нечёткая сеть. Её главное достоинство — умение обрабатывать неполные и неточные данные. Первый модуль программы представляет собой математическую модель, которая обучается на разнообразной информации и выявляет в ней скрытые взаимосвязи. Это критически важно, поскольку профзаболевания, как правило, вызываются не одним изолированным фактором, а комплексным воздействием. Второй модуль наделяет систему способностью оперировать не только числами, но и качественными описаниями. Таким образом, она корректно интерпретирует такие формулировки, как «сильный шум» или «умеренный риск», даже если их точные границы не определены.
Обучение системы велось на эксклюзивном массиве данных. В качестве учебной базы учёные применили архивные записи о сотрудниках, занятых на подземной добыче медно-никелевых руд, у которых были официально подтверждённые диагнозы. База содержала 175 тысяч параметров: детальные условия труда (уровни шума, вибрации, содержание химических веществ в воздухе), персональные медицинские показатели работников (результаты анализов крови, функциональных исследований) и итоговые диагнозы профессиональных болезней.
Весь массив информации был разделён: 80% составили обучающую выборку, а остальные 20% — тестовую. Нейросеть в ходе 100 итераций выявляла сложные зависимости между вредными воздействиями, состоянием организма человека и развитием у него определённых заболеваний. После каждого цикла программа сравнивала свои предсказания с фактическими данными, определяла погрешность и автоматически настраивала внутренние параметры для повышения точности.
Ход обучения модели отслеживался исследователями с помощью двух автоматически формируемых графиков, которые создавались после каждого цикла. Программа сопоставляла сделанные прогнозы с эталонными ответами и определяла два основных параметра — точность предсказаний и степень отклонения. Опираясь на эту погрешность, классический алгоритм оптимизации выявлял, какие внутренние настройки и в какой мере требуется изменить, чтобы повысить точность следующих расчётов. Модель считалась обученной, когда уровень расхождений достигал своего минимума.
«Разработанная система функционирует так. Изначально в неё вносятся все данные о сотруднике: параметры рабочей среды, трудовой стаж, возраст, а также сведения медицинских осмотров. Далее эти числовые значения переводятся в лингвистические описания, к которым применяется набор «правил», самостоятельно выведенных программой в ходе анализа тысяч примеров. Скажем, правило о том, что продолжительная работа в шумной обстановке повышает вероятность ухудшения слуха. Затем система интегрирует выводы всех правил и производит конкретное числовое значение — персональный индекс риска возникновения болезни в диапазоне от 0 до 1. Для удобства интерпретации это число автоматически классифицируется по одной из пяти заранее определённых учёными градаций: от «ничтожного» до «чрезвычайно высокого» уровня риска. Для визуализации программа создаёт трёхмерный график, выступающий инструментом проверки обоснованности выводов. Он позволяет врачу или инженеру по охране труда удостовериться, что угроза здоровью закономерно усиливается при росте вредных воздействий, а также обнаружить «критические зоны» в условиях работы всего участка или завода», — пояснила Нина Зайцева, академик РАН, доктор медицинских наук, профессор, научный руководитель ФБУН «ФНЦ медико-профилактических технологий управления рисками здоровью населения».
Эффективность модели была проверена на тестовой группе работников, чьи данные не использовались при обучении. Система верно оценила коллективные риски для здоровья, подтвердив, в частности, что комбинированное долговременное влияние производственной пыли и аэрозолей создаёт наибольшую вероятность появления хронических лёгочных патологий, например, пневмокониоза. После этого исследователи протестировали её на абсолютно независимой выборке — информации о бурильщиках шпуров.
Программа рассчитала профессиональные угрозы их здоровью, а последующее детальное клиническое обследование персонала выявило наличие диагностированных болезней у 87–89% рабочих, что стало прямым подтверждением результативности данной разработки.
«Наше решение устраняет ключевой недостаток классических подходов — сдвиг от обобщённых, коллективных оценок к персональному прогнозированию. Теперь для каждого конкретного сотрудника можно определить его индивидуальную угрозу здоровью, выявить, какие именно сочетания факторов (скажем, стаж + конкретный уровень шума + персональные данные анализов) её создают. Платформа заранее выделяет тех, кто попадает в группу особого риска. Это даёт медикам возможность рекомендовать tailored профилактические меры именно тем, кто в них действительно нуждается», — отметила Анна Савочкина, старший преподаватель кафедры «Высшая математика» ПНИПУ.
Работодатели и контролирующие инстанции обретают инструмент для точечных действий по оптимизации условий труда именно на тех рабочих местах, которые представляют наибольшую опасность. Сам сотрудник получает непредвзятую оценку рисков для своего здоровья и советы по их минимизации.
Платферама легко адаптируется и может использоваться в самых различных сферах деятельности. Она создаёт основу для активного управления профессиональным здоровьем, а не просто фиксации уже возникших патологий.
