vitjВрач и информационные технологииMedical Doctor and Information Technologies1811-01932413-5208Pirogov National Medical and Surgical Center10.25881/18110193_2025_4_6vitj-270Research ArticleМНЕНИЕ РЕДАКЦИИEDITORIALПерспективы и ограничения использования технологий искусственного интеллекта в системе поддержки принятия решений службы медицины катастрофProspects and limitations of artificial intelligence technologies in the decision support system of the disaster medicine serviceКарповО. Э.KarpovO. E.

академик РАН, д.м.н., профессор

г. Москва

DSc, Professor, Academician of the RAS

Moscow

info@pirogov-center.ruАндриковД. А.AndrikovD. A.

к.т.н., доцент

г. Москва

PhD, Associate Professor

Moscow

andrikov@bmstu.ruЗамятинМ. Н.ZamyatinM. N.

д.м.н., профессор

г. Москва

DSc, Professor

Moscow

zamyatinmn@pirogov-center.ruОсиповА. В.OsipovA. V.

д.м.н., доцент

г. Москва

DSc, Associate Professor

Moscow

osipovav@pirogov-center.ruКильникА. И.KilnikA. I.

г. Москва

Moscow

kilnikai@pirogov-center.ruБагаевГ. А.BagaevG. A.

г. Москва

Moscow

bagaevga@pirogov-center.ruМаксачукА. П.MaksachukA. P.

г. Москва

Moscow

maksachukap@pirogov-center.ruХрамовА. Е.HramovA. E.

член-корреспондент РАН, д.ф.-м.н., профессор

г. Москва

DSc, Professor, Corresponding Member of the RAS

Moscow

hramovae@gmail.comФГБУ «НМХЦ им. Н.И. Пирогова» Минздрава РоссииРоссияPirogov National Medical and Surgical CenterRussian FederationМГТУ им. Н.Э. БауманаРоссияBauman Moscow State Technical UniversityRussian FederationРЭУ им. Г.В. Плеханова; ФГАУ «Цифровые индустриальные технологии»РоссияPlekhanov Russian University of Economics; Federal State Autonomous Institution «Digital Industrial Technologies»Russian Federation20252312202504615Copyright © Карпов О.Э., Андриков Д.А., Замятин М.Н., Осипов А.В., Кильник А.И., Багаев Г.А., Максачук А.П., Храмов А.Е., 20252025Карпов О.Э., Андриков Д.А., Замятин М.Н., Осипов А.В., Кильник А.И., Багаев Г.А., Максачук А.П., Храмов А.Е.Karpov O.E., Andrikov D.A., Zamyatin M.N., Osipov A.V., Kilnik A.I., Bagaev G.A., Maksachuk A.P., Hramov A.E.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://www.vit-j.ru/jour/article/view/270

Цель исследования – анализ возможностей и ограничений применения технологий искусственного интеллекта (ИИ) в системе поддержки принятия решений (СППР) во Всероссийской службе медицины катастроф (ВСМК). Особое внимание уделено проблеме отсутствия специализированных баз данных для обучения ИИ и перспективам использования типовых алгоритмов реагирования ВСМК на чрезвычайные ситуации (ЧС) в качестве основы для создания доменно-адаптированных больших языковых моделей (Large Language Models, LLM). Проведен анализ возможностей мониторинга средств массовой информации (СМИ) с помощью ИИ для раннего выявления фактов возникновения ЧС и оценки их масштабов.

Материалы и методы исследования: проанализированы нормативные документы, регламентирующие деятельность ВСМК; выполнена оценка существующих информационных систем, в том числе используемых в деятельности ВСМК; проведен сравнительный анализ возможностей современных LLM; систематизированы данные о проблемах оперативного информирования о ходе ликвидации медико-санитарных последствий ЧС.

Результаты исследования и их анализ: выявлены системные ограничения для применения ИИ в обработке медицинских данных пострадавших; предложена архитектура гибридной СППР на основе доменно-адаптированной LLM; рассмотрена эффективность использования ИИ для мониторинга СМИ и анализа открытых источников информации.

The study aims to analyze the opportunities and limitations of applying artificial intelligence (AI) technologies within the decision support system (DSS) of the All-Russian Disaster Medicine Service (ARDMS). Specifically, the authors cover the issue of lacking specialized databases for AI training, as well as the prospects of utilizing standard ARDMS emergency response algorithms as a foundation for developing domain-adapted large language models (LLMs). An analysis was conducted on the capabilities of AI-powered media monitoring for the early detection of emergency incidents and assessment of their scale.Materials and methods: Regulatory documents governing the activities of the ARDMS were analyzed; an assessment of existing information systems, including those used by the ARDMS, was performed; a comparative analysis of the capabilities of modern LLMs was carried out; data on problems related to operational reporting during the mitigation of medical and sanitary consequences of emergencies was systematized.Results and discussion: Systemic limitations for the application of AI in processing medical data of casualties were identified; an architecture for a hybrid DSS based on a domain-adapted LLM was proposed; the effectiveness of using AI for media monitoring and open-source intelligence analysis was considered.

искусственный интеллектмедицина катастрофВсероссийская служба медицины катастрофсистема поддержки принятия решенийбольшие языковые моделимониторинг СМИтиповые алгоритмы реагированияartificial intelligencedisaster medicineAll-Russian Disaster Medicine Servicedecision support systemlarge language modelsmedia monitoringtypical response algorithmsReferencesБаранова Н.Н., Бобий Б.В., Гончаров С.Ф. и др. Информационно-телекоммуникационные технологии в деятельности Службы медицины катастроф Минздрава России // Медицина катастроф. – 2019. – №105(1). – С.5-11.Baranova NN, Bobij BV, Goncharov SF, et al. Informacionno-telekommunikacionnye tekhnologii v deyatel'nosti Sluzhby mediciny katastrof Minzdrava Rossii. Medicina katastrof. 2019; 105(1): 5-11. (In Russ.)Tahernejad A, Sahebi A, Abadi ASS, Safari M. Application of artificial intelligence in triage in emergencies and disasters: a systematic review. BMC Public Health. 2024; 24(1): 3203.Tahernejad A, Sahebi A, Abadi ASS, Safari M. Application of artificial intelligence in triage in emergencies and disasters: a systematic review. BMC Public Health. 2024; 24(1): 3203.Junaid SB, Imam AA, Shuaib et al. Artificial intelligence, sensors and vital health signs: A review. Applied Sciences. 2022; 12(22): 11475.Junaid SB, Imam AA, Shuaib et al. Artificial intelligence, sensors and vital health signs: A review. Applied Sciences. 2022; 12(22): 11475.Карпов О.Э., Храмов А.Е. Информационные технологии, вычислительные системы и искусственный интеллект в медицине. М.: ДПК Пресс, 2022. 480 с.Karpov OE, Hramov AE. Informacionnye tekhnologii, vychislitel'nye sistemy i iskusstvennyj intellekt v medicine. M.: DPK Press, 2022. 480 p. (In Russ.)Tahernejad A, Sahebi A, Abadi ASS, Safari M. Application of artificial intelligence in triage in emergencies and disasters: a systematic review. BMC Public Health. 2024; 24(1): 3203.Tahernejad A, Sahebi A, Abadi ASS, Safari M. Application of artificial intelligence in triage in emergencies and disasters: a systematic review. BMC Public Health. 2024; 24(1): 3203.Liu Y, Li W, Huang X. A Novel News Duplicate Detection Algorithm Based on Content Fingerprinting and Semantic Analysis. IEEE Access. 2022; 10: 45672-45683.Liu Y, Li W, Huang X. A Novel News Duplicate Detection Algorithm Based on Content Fingerprinting and Semantic Analysis. IEEE Access. 2022; 10: 45672-45683.Zhang H, Wang K, Chen L. Multi-modal Fake News Detection with Feature Fusion and Attention Mechanisms. Information Processing & Management. 2023; 60(2): 103215.Zhang H, Wang K, Chen L. Multi-modal Fake News Detection with Feature Fusion and Attention Mechanisms. Information Processing & Management. 2023; 60(2): 103215.Gupta M, Sharma A. Source Identification and Credibility Assessment in Social Media During Disaster Events. International Journal of Disaster Risk Reduction. 2021; 62: 102391.Gupta M, Sharma A. Source Identification and Credibility Assessment in Social Media During Disaster Events. International Journal of Disaster Risk Reduction. 2021; 62: 102391.Li H, Caragea D, Caragea C. Named Entity Recognition in Disaster-Related Tweets: A Comparative Study of Deep Learning Approaches. Natural Language Engineering. 2023; 29(2): 287-312.Li H, Caragea D, Caragea C. Named Entity Recognition in Disaster-Related Tweets: A Comparative Study of Deep Learning Approaches. Natural Language Engineering. 2023; 29(2): 287-312.

The authors declare that there are no conflicts of interest present.