U Rusiji razvijena prva aplikacija za borbu protiv sezonskih alergija

Kompjuterski model za prognozu polena

„Razvoj predstavlja kompjuterski model zasnovan na neuronskoj mreži koja analizira vremenske prognoze u realnom vremenu na osnovu lokalnih meteoroloških podataka i trenutnih koncentracija polena na osnovu aero-polinološkog monitoringa – sistema za praćenje polena biljaka u vazduhu. Na osnovu primljenih informacija, algoritam predviđa vršne koncentracije za svaki alergen, omogućavajući tačna predviđanja učestalosti bolesti i, posljedično, neophodne potrebe za antihistaminicima za stanovnike regiona“, objasnio je profesor PNPU, doktor fizičkih i matematičkih nauka Konstantin Švarc, prenosi agencija TASS.

Fudbal

Preokret oko Vlahovića koji niko nije očekivao

Prelazak sa kalendara na dinamičke prediktivne modele

Prema riječima naučnika, svijet se udaljava od kalendara ka dinamičkim prediktivnim modelima biljnog polena koji mogu da uzmu u obzir trenutne vremenske uslove. Ova rješenja se zasnivaju na globalnim mrežama za praćenje polena koje prikupljaju podatke pomoću posebnih zamki, svakodnevno analizirajući koncentracije alergena u vazduhu u različitim zemljama.

Ruski model zasnovan na lokalnim podacima

Do sada, Rusiji je nedostajala platforma izgrađena na lokalnim podacima. Stvaranje jedne kopiranjem stranog modela je nemoguće, jer Rusija ima drugačiju floru i jedinstvene vremenske uslove.

Strani algoritam, zasnovan, na primjer, na podacima iz Sjeverne Amerike ili Evrope, bio bi beskoristan u ruskim uslovima.

Tako su naučnici razvili prvi ruski kompjuterski model za borbu protiv sezonskih alergija zasnovan na neuronskim mrežama.

BiH

Amidžić: Mehmedović, svjestan političkog kraja, odlučio prijaviti program za isplatu plata

Treniranje modela i identifikacija alergena

Model je treniran koristeći podatke koje su naučnici prikupili tokom 10 godina posmatranja. Identifikovano je devet glavnih biljnih alergena koji utiču na zdravlje ruskih stanovnika: breza, jova, trave, javor, brest, bor, topola, kopriva i ambrozija.

Nakon obuke na ovim dugoročnim podacima, algoritam je prilagođen korišćenjem podataka o isporukama lijekova apotekama.

Kombinovanje podataka za predviđanje potražnje

Kombinovanjem ove dvije vrste podataka, sistem je bio u stanju da identifikuje kvantitativne obrasce: kako specifični vremenski uslovi pokreću skokove polena i kako, sa zakašnjenjem od nekoliko dana, ovaj vrhunac pokreće porast potražnje za određenim lijekovima.

Hronika

Još jedna teška nesreća u BiH: Povrijeđeno više osoba

„Model nam daje ne samo sezonsku prognozu, već i 'raspored' vrhunaca polena nekoliko dana unaprijed. Na primjer, vidimo da se očekuje da će sutrašnji polen breze biti 12 odsto veći od prosječnog vrhunca. To znači da će za 2-3 dana potražnja za antihistaminicima porasti za 1,4 odsto od ove brojke. Ako saberem ove prognoze za sve alergene za cijelu sezonu, možemo izračunati ukupnu potrebnu količinu nabavke. Dakle, umjesto prosječnih 10.800 pakovanja loratadina za cijeli period, potrebno je da se do vrhunca snabdijemo sa približno 11.500 pakovanja“, objasnio je Švarc.

Kvantitativno mjerenje potražnje i predviđanje zaliha

Kako su istraživači istakli, model je prvi koji kvantitativno mjeri kako skok polena povećava potražnju za specifičnim antihistaminicima u roku od nekoliko dana. Na osnovu ove prognoze, sistem izračunava procenat lijekova koji bi trebalo da budu unaprijed uskladišteni tokom sezone polena.

Testiranje je pokazalo da razvijeni model ima stopu tačnosti od 92 odsto.

Savjeti

Ovo cvijeće nikako ne poklanjajte za Dan zaljubljenih

Prednosti sistema za apoteke i zdravstvo

„Razvoj precizno predviđa nivoe polena u vazduhu, omogućavajući apotekama da se pripreme. Glavna prednost je što sistem omogućava unaprijed izračunavanje potrebnih količina nabavke, sezonu unaprijed. Ovo eliminiše nestašicu lijekova tokom epidemijske sezone i dovodi do isplativog upravljanja“, dodao je PNRPU.

Ovaj program razvili su naučnici Permskog nacionalnog istraživačkog politehničkog univerziteta (PNPU), zajedno sa kolegama sa Nacionalnog istraživačkog univerziteta Visoke škole ekonomije (VŠE) i Permske državne farmaceutske akademije (PDFA).