В России научились выявлять главные факторы риска для здоровья среди множества других

На здоровье человека одновременно действует целый коктейль факторов: от качества воздуха и питьевой воды до уровня шума и условий труда. По данным ВОЗ, ежегодно загрязнённая вода убивает около миллиона человек, а грязный воздух — почти семь миллионов. В России же более 4,8 миллиона работников (почти 35 процентов) трудятся во вредных условиях, что ведёт к профессиональным тугоухости, бронхитам и другим заболеваниям.

Существующие рейтинги и классификаторы (индекс качества воздуха, классы вредности) умеют подсчитывать вероятность болезней, но не отвечают на главный вопрос: что именно является источником опасности. Без этого невозможно понять, на что воздействовать в первую очередь.

Проблема осложняется тем, что факторы не действуют поодиночке. Заводские выбросы оседают в почве и воде, химикаты накапливаются, усиливая действие друг друга. Человек, дышащий городской пылью и выхлопами и одновременно работающий в условиях вибрации и шума, получает многократно возросший риск астмы, гипертонии и профзаболеваний. Поэтому оценивать каждый показатель отдельно бессмысленно — необходим расчёт их суммарного эффекта.

Учёные Пермского национального исследовательского политехнического университета разработали уникальную математическую модель, которая позволяет это делать. В основе лежит «нечеткая логика» — подход, способный оперировать не только точными цифрами, но и расплывчатыми оценками вроде «шум умеренный» или «давление повышено». Модель сама определяет, попадает ли значение в категории «низкого», «среднего», «повышенного» или «высокого» риска, и выдаёт комплексную оценку.

Как пояснила Анна Савочкина, заместитель декана факультета прикладной математики и механики ПНИПУ, система сначала анализирует все входные данные: замеры загрязнителей в воздухе (пыль, диоксид азота, формальдегид, бензол), показатели воды (железо, хлориды, нитраты, бактерии), физические факторы (шум, вибрацию), а также стаж, возраст и условия труда. Затем, с учётом совместного воздействия, вычисляет итоговый риск и переводит его в понятную шкалу. Проверка на реальных данных показала точность 92–95 процентов, что выше классической статистики (75–89 процентов) и сопоставимо с машинным обучением, но в отличие от «чёрного ящика» нейросетей, модель Пермского Политеха показывает вклад каждого фактора.

Учёные проверили разработку на реальных данных о качестве питьевой воды одного из регионов за несколько лет. Модель рассчитала совокупный риск и показала, что за три года он снизился с «повышенного» до «среднего» — и этот вывод совпал с мнением санитарных врачей. Погрешность составила всего 5–7 процентов.

На основе модели созданы четыре программных комплекса: для оценки эффективности воздухоохранных мероприятий, для анализа качества питьевой воды, для оценки влияния школьной среды на здоровье детей и для прогнозирования профессиональных рисков. Разработка уже официально утверждена Роспотребнадзором и рекомендована к практическому применению. В перспективе система может оценивать шум в жилых районах, качество продуктов и последствия химических аварий — везде, где есть неполные или размытые данные и где критически важно найти главную причину, а не просто констатировать факт.