САНИТАРИЯЛЫҚ-ЭПИДЕМИОЛОГИЯЛЫҚ МОНИТОРИНГТЕГІ ЖАСАНДЫ ИНТЕЛЛЕКТ: ТҰЖЫРЫМДАМАЛЫҚ ТӘСІЛДЕР МЕН ПЕРСПЕКТИВАЛАР
DOI:
https://doi.org/10.52123/1994-2370-2025-1550Кілт сөздер:
жасанды интеллект, цифрландыру, тұжырымдамалық үлгі, санитариялық-эпидемиологиялық мониторинг, қоғамдық денсаулық сақтау, IT-саясат.Аңдатпа
Осы жұмыс Қазақстанның санитариялық-эпидемиологиялық мониторингі жүйесіне жасанды интеллект технологияларын енгізудің тұжырымдамалық көзқарасын қалыптастыруға бағытталған. Бұл мәселе урбандалу, өнеркәсіпті дамытуда, елдер арасындағы қарқынды өзара іс-қимылда, сауда қатынастарының өсуінде, көші-қон ағындарының ұлғаюында және туризмнің дамуында көрінетін жаһандық сын-қатерлер жағдайында ерекше өзекті болып табылады. Адамзат үшін басты сын - халықтың денсаулығына тікелей әсер ететін қоршаған ортаның өзгеруі және антропогендік факторлардың өсуі. Зерттеудің мақсаты әлемдік тәжірибе негізінде мониторингке жасанды интеллект енгізудің тұжырымдамалық моделін және негізгі аспектілерін қалыптастыру болып табылады. Материалдар мен әдістер халықаралық жарияланымдарды талдау, санитариялық-эпидемиологиялық қызметтің қызметкерлеріне сараптамалық сауалнама жүргізу және санитариялық-эпидемиологиялық мониторингке жасанды интеллектті енгізуді тұжырымдамалық модельдеу кіреді. Нәтижелер мен талқылау: әдебиеттерді талдау мониторингке жасанды интеллектті енгізудің көптеген жағымды жақтарын көрсетті, іске асыру тәсілдері саланың қажеттіліктері мен басқару аспектілеріне сүйенеді. Сараптамалық пікірлердің нәтижелері цифрландыру жолындағы санитариялық-эпидемиологиялық қызметтегі негізгі кедергілерді көрсетті. Ұсынылған үлгі Data-Centric Governance қағидаттарына негізделген жасанды интеллектті мониторинг жүйесіне интеграциялау әлеуетін көрсетеді.
Сілтемелер
1. Alowais S.A., Alghamdi S.S., Alsuhebany N. Revolutionizing healthcare: the role of artificial intelligence in clinical practice. BMC Medical Education.2023, vol. 23, 689. URL: https://doi.org/10.1186/s12909-023-04698-z.
2. Eguia H, Sánchez-Bocanegra C, Vinciarelli F, Alvarez-Lopez F, Saigí-Rubió F. Clinical Decision Support and Natural Language Processing in Medicine: Systematic Literature Review. Journal of Medical Internet Research. 2024, vol.26. e55315. URL: https://www.jmir.org/2024/1/e55315
3. Sadr, H., Nazari, M., Khodaverdian, Z. Unveiling the potential of artificial intelligence in revolutionizing disease diagnosis and prediction: a comprehensive review of machine learning and deep learning approaches. European Journal of Medical Research. 2025; vol. 30, 418. URL: https://doi.org/10.1186/s40001-025-02680-7
4. Muralidharan, V., Ng, M.Y., AlSalamah, S. et al. Global Initiative on AI for Health (GI-AI4H): strategic priorities advancing governance across the United Nations. npj Digital Medicine. 2025; vol. 8, 219. URL: https://doi.org/10.1038/s41746-025-01618-x
5. Guo Y, Hao Z, Zhao S, Gong J, Yang F. Artificial Intelligence in Health Care: Bibliometric Analysis. Journal of Medecal Internet Research. 2020, vol. 22(7), e18228. URL: https://www.jmir.org/2020/7/e18228
6. AI in Healthcare Statistics. URL: https://www.aiprm.com/ai-in-healthcare-statistics (accessed: 28.08.2025)
7. Artificial Inteligence Index Report 2025. Stanford University. P. 29-31., 309. URL: https://hai.stanford.edu/assets/files/hai_ai_index_report_2025.pdf
8. Saduakassova Zh., Kadyrova M. Digital Solutions in Epidemiology: International Experience. J Health Dev. 2025, vol. 60. №4, jhd016. URL: https://doi.org/10.32921/2663-1776-2025-60-4-jhd016
9. Choi, J., Cho, Y., Shim, E. et al. Web-based infectious disease surveillance systems and public health perspectives: a systematic review. BMC Public Health. 2016. vol.16, 1238. URL: https://doi.org/10.1186/s12889-016-3893-0
10. Barboza P, Vaillant L, Le Strat Y, Hartley DM, Nelson NP, et al. Factors Influencing Performance of Internet-Based Biosurveillance Systems Used in Epidemic Intelligence for Early Detection of Infectious Diseases Outbreaks. PLoS ONE. 2014, vol. 9(3), e90536. URL: https://doi.org/10.1371/journal.pone.0090536
11. Gajewski KN, Peterson AE, Chitale RA, Pavlin JA, Russell KL, et al. (2014) A Review of Evaluations of Electronic Event-Based Biosurveillance Systems. PLoS ONE. 2014, vol. 9(10), e111222. URL: https://doi.org/10.1371/journal.pone.0111222
12. Ganser, I., Thiébaut, R., Buckeridge, D. L. Global Variations in Event-Based Surveillance for Disease Outbreak Detection: Time Series Analysis. JMIR public health and surveillance, vol. 8(10), e36211. https://doi.org/10.2196/36211
13. Crawley, A. W., Mercy, K., Shivji, S., et al. An indicator framework for the monitoring and evaluation of event-based surveillance systems. The Lancet. Global health. 2024, vol.12(4), pp. e707–e711. URL: https://doi.org/10.1016/S2214-109X(24)00034-2
14. Ye, Y., Pandey, A., Bawden, C. et al. Integrating artificial intelligence with mechanistic epidemiological modeling: a scoping review of opportunities and challenges. Nat Commun. 2025, vol.16, № 581. URL: https://doi.org/10.1038/s41467-024-55461-x
15. Tripathi A., Rathore R. AI in Disease Surveillance — An Overview of How AI Can Be Used in Disease Surveillance and Outbreak Detection in Real‐World Scenarios, IEEE, 2025, pp.337-359, doi: 10.1002/9781394278695.ch15.
16. Konda R. Edge Computing and AI Integration for Enhancing Real-time Public Health Monitoring Systems. International Journal of Multidisciplinary Research and Growth Evaluation. 2021. Vol.2. issue 3. Pp. 579-583. URL: https://doi.org/10.54660/.IJMRGE.2021.2.3.579-583
17. IoT, Edge Computing, and Digitalization in healthcare. Objectbox. 2024. URL: https://objectbox.io/iot-edge-computing-and-digitalization-in-healthcare/?utm_source.com
18. Fa H., Wu W. Application and challenges of artificial intelligence in public health strategy optimization. Chinese Journal of Public Health. 2025, vol. 41(4), pp. 401-405. URL: https:DOI: 10.11847/zgggws1144354
19. Kaur J., Butt Z. AI-driven epidemic intelligence: the future of outbreak detection and response. Front. Artif. Intell. 2025. Vol.8, 1645467. URL: https:doi: 10.3389/frai.2025.1645467
20. Dhabliya D, Kulkarni SV, Jadhav N, Ubale SA, Sharma P, Gavali AB, Kadam YR, Gaidhane A. Strategic integration of artificial intelligence in public health: Policy recommendations for improved healthcare delivery. J Krishna Inst Med Sci Univ. 2024, vol. 13, №1, pp. 4-15.
21. International Telecommunication Union.AI for health: Benchmarking artificial intelligence models for health. ITU-T Focus Group on AI for Health (FG-AI4H). 2023. URL: https://www.itu.int/dms_pub/itu-t/opb/fg/T-FG-AI4H-2023-31-PDF-E.pdf
22. McGregor S.,Hostetler J. Data – Centric Governance. arXiv. 2023, 2302.07872. URL:https://doi.org/10.48550/arXiv.2302.07872
23. One Health. Federal Ministry for Economic Cooperation and Development. URL: https://www.bmz.de/en/issues/one-health
24. Загрязнение атмосферного воздуха (воздуха вне помещений) и здоровье человека. Всемирная организация здравоохранения. URL: https://www.who.int/ru/news-room/fact-sheets/detail/ambient-(outdoor)-air-quality-and-health.
25. Working together for the health of humans, animals, plants and the environment. One Health Joint Plan of Action (2022-2026). FAO, UNEP, WHO, and WOAH. 2022. Rome. URL: https://doi.org/10.4060/cc2289en
26. Edelstein, M., Lee, L. M., Herten-Crabb, A., Heymann, D. L., Harper, D. R. Strengthening Global Public Health Surveillance through Data and Benefit Sharing. Emerging Infectious Diseases. 2018, vol. 24(7), pp. 1324-1330. URL: https://doi.org/10.3201/eid2407.151830.
27. Huston, P., Edge, V. L., & Bernier, E. (2019). Reaping the benefits of Open Data in public health. Canada communicable disease report = Releve des maladies transmissibles au Canada, 2019. Vol.45(11), pp. 252–256. URL: https://doi.org/10.14745/ccdr.v45i10a01
##submission.additionalFiles##
Жарияланды
Дәйексөз келтіру үлгісі
Журналдың саны
Бөлім
Лицензия
Авторлық құқық (c) 2025 Жанат Садуакасова, Маргарита Кадырова, Вайнюс Смальскис, Айнагуль Куатбаева
Берілген жұмыс келесілерге сәйкес лицензияланады Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
