Показати скорочений опис матеріалу
EPIDEMIC FORECASTING AS A DIRECTION OF USING ARTIFICIAL INTELLIGENCE IN PUBLIC HEALTH
ПРОГНОЗУВАННЯ ЕПІДЕМІЙ ЯК НАПРЯМ ВИКОРИСТАННЯ ШТУЧНОГО ІНТЕЛЕКТУ В ГРОМАДСЬКОМУ ЗДОРОВ’Ї
| dc.creator | КИЙ-КОКАРЄВА, В. Г. | |
| dc.date | 2025-10-20 | |
| dc.date.accessioned | 2026-06-05T20:58:05Z | |
| dc.date.available | 2026-06-05T20:58:05Z | |
| dc.identifier | https://ojs.tdmu.edu.ua/index.php/visnyk-gigieny/article/view/15637 | |
| dc.identifier | 10.11603/1681-2786.2025.3.15637 | |
| dc.identifier.uri | https://repository.tdmu.edu.ua//handle/123456789/28927 | |
| dc.description | Purpose: analysis of modern methods of epidemic forecasting using artificial intelligence, assessment of their effectiveness and determination of development prospects. Materials and Methods. the analysis used data from peer-reviewed articles, reports of international organizations and company cases for the period 2020–2025. The results are supplemented by a comparison with traditional methods, an assessment of ethical and technical challenges, as well as a discussion of their significance for public health. Results. It was found that artificial intelligence methods showed high efficiency in short-term forecasts (1–4 weeks), where recurrent neural network models and long short-term memory achieved 85–90% accuracy in predicting morbidity and hospitalizations. Spatio-temporal models based on convolutional neural networks and hybrid architectures allowed to determine the risk areas of the spread of infections with an accuracy of up to 90%. At the same time, the accuracy of long-term forecasts (more than 1 month) was lower – 60–75% due to the influence of unpredictable factors, such as changes in population behavior and mutation of pathogens. Conclusions. The use of artificial intelligence in 2020–2025 significantly increased the effectiveness of epidemiological forecasting, ensuring the accuracy of short-term models at the level of 85–90%, the possibility of early detection of outbreaks and exceeding the results of traditional approaches. The best results were demonstrated by hybrid models that combine artificial intelligence with classical epidemiological methods, ensuring a balance between accuracy and interpretation. The use of the latest models of epidemic processes allows developing effective, scientifically sound and effective strategies for preventing morbidity and controlling the spread of epidemics. | en-US |
| dc.description | Мета: аналіз сучасних методів прогнозування епідемій за допомогою штучного інтелекту, оцінка їх ефективності та визначення перспектив розвитку. Матеріали і методи. Для аналізу використано дані з рецензованих статей, звітів міжнародних організацій і кейсів компаній за період 2020–2025 рр. Результати доповнено порівнянням із традиційними методами, оцінкою етичних і технічних викликів, а також обговоренням їх значення для громадського здоров’я. Результати. Установлено, що методи штучного інтелекту показали високу ефективність у короткострокових прогнозах (1–4 тижні), де моделі рекурентних нейронних мереж та довгої короткочасної пам’яті досягали точності 80–96% за передбачення захворюваності та госпіталізацій. Просторово-часові моделі на основі згорткових нейронних мереж та гібридних архітектур давали змогу з точністю до 90% визначати зони ризику поширення інфекцій. Водночас точність довгострокових прогнозів (понад один місяць) була нижчою – 60–75% через вплив непередбачуваних чинників, таких як зміни у поведінці населення та мутація патогенів. Висновки. Застосування штучного інтелекту у 2020–2025 рр. суттєво підвищило ефективність епідеміологічного прогнозування, забезпечивши точність короткострокових моделей на рівні до 96%, можливість раннього виявлення спалахів та перевищення результатів традиційних підходів. Найкращі результати продемонстрували гібридні моделі, що поєднують штучний інтелект із класичними епідеміологічними методами, забезпечуючи баланс між точністю та інтерпретацією. Використання новітніх моделей епідемічних процесів дає змогу розробляти дієві, науково обґрунтовані та ефективні стратегії профілактики захворюваності й контролю за поширенням епідемій. | uk-UA |
| dc.format | application/pdf | |
| dc.language | ukr | |
| dc.publisher | Ternopil National Medical University | uk-UA |
| dc.relation | https://ojs.tdmu.edu.ua/index.php/visnyk-gigieny/article/view/15637/14364 | |
| dc.rights | https://creativecommons.org/licenses/by/4.0 | uk-UA |
| dc.source | Bulletin of Social Hygiene and Health Care Organization of Ukraine; No. 3 (2025); 40-44 | en-US |
| dc.source | Вісник соціальної гігієни та організації охорони здоров'я України; № 3 (2025); 40-44 | uk-UA |
| dc.source | 2414-9470 | |
| dc.source | 1681-2786 | |
| dc.source | 10.11603/1681-2786.2025.3 | |
| dc.subject | public health; artificial intelligence; epidemic forecasting; model; COVID-19. | en-US |
| dc.subject | громадське здоров’я; штучний інтелект; прогнозування епідемій; модель; COVID-19. | uk-UA |
| dc.title | EPIDEMIC FORECASTING AS A DIRECTION OF USING ARTIFICIAL INTELLIGENCE IN PUBLIC HEALTH | en-US |
| dc.title | ПРОГНОЗУВАННЯ ЕПІДЕМІЙ ЯК НАПРЯМ ВИКОРИСТАННЯ ШТУЧНОГО ІНТЕЛЕКТУ В ГРОМАДСЬКОМУ ЗДОРОВ’Ї | uk-UA |
| dc.type | info:eu-repo/semantics/article | |
| dc.type | info:eu-repo/semantics/publishedVersion |
Долучені файли
| Файл | Розмір | Формат | Переглянути |
|---|---|---|---|
|
Даний матеріал не має долучених файлів. |
|||