Из опыта использования цифровизации, машинного обучения и искусственного интеллекта при разработке новых методов в современной паразитологии

В статье представлен обзор отечественной и зарубежной литературы, посвященной современным методам в паразитологии. Показаны методики современной цифровизации, машинного обучения и искусственного интеллекта как наиболее перспективных направлений развития научного знания. Определено, что создание новых прорывных технологий – компьютерных, облачных и баз данных существенно упрощает проведение паразитологических исследований и позволяет выйти современному ученому на новый, более качественный уровень современного познания. Интеграция цифровых решений, основанных на информационно-коммуникационных технологиях, в работу специалистов-паразитологов представляет собой важное направление повышения продуктивности современной науки. Такой подход способствует отходу от классических методов паразитологических исследований в сторону инновационных разработок с применением интеллектуальных интерфейсов. Постепенно цифровые инструменты становятся неотъемлемой частью повседневной практики паразитологии, переводя исследования на более высокий технологический уровень. Проведённый анализ специфики внедрения IT-технологий в данную научную сферу позволяет утверждать, что их практическое применение способствует более глубокому пониманию биологических процессов, помогает преодолевать сложности в изучении паразитических систем, а также раскрывает потенциал технологий дополненной реальности для более эффективного восприятия и анализа научной информации в различных исследовательских направлениях.

1. Гаврилюк Е.С., Изотова А.Г. Основные направления и факторы цифровой трансформации сектора науки и образования //Научный журнал НИУ ИТМО. Серия «Экономика и экологический менеджмент». – 2021. – №. 1

2. Мироненко В.М. Информационная система эпизоотологического мониторинга и прогнозирования паразитозов //Аграрная наука-сельскому хозяйству. – 2015. – С. 273-274

3. Elmehankar M.S., Etewa S.E., Metwally A.S. Artificial Intelligence Applications in Medical Parasitology: A Comprehensive Review //Egyptian Academic Journal of Biological Sciences, E. Medical Entomology & Parasitology. – 2023. – Т. 15. – №. 2. – С. 35-43.

4. Gbonhinbor J., Abah A. E., Awi-Waadu G. D. B. Geo-Mapping of Intestinal Parasitic Infection in a Southern Community in Nigeria // Ethiopian Journal of Health Sciences. – 2024. – Т. 34. – №. 3.

5. Carneiro H. A., Mylonakis E. Google trends: a web-based tool for real-time surveillance of disease outbreaks //Clinical infectious diseases. – 2019. – Т. 49. – №. 10. – С. 1557-1564.

6. Poulin R. et al. iParasitology: mining the internet to test parasitological hypotheses //Trends in Parasitology. – 2021. – Т. 37. – №. 4. – С. 267-272.

7. Cringoli G. et al. The Kubic FLOTAC microscope (KFM): a new compact digital microscope for helminth egg counts //Parasitology. – 2021. – Т. 148. – №. 4. – С. 427-434.

8. Galindez J.A.M., Arteaga L.R.V., Cañas R.V. ParasitoBank dataset for diagnosing intestinal parasitism: Helminths and protozoa in coprological samples //Data in Brief. – 2025. – Т. 58. – С. 111279.

9. Мироненко В.М., Корчевская Е.А., Маевская С.С. Разработка искусственного интеллекта для диагностики паразитозов на основе нейронной сети Хэмминга // Ветеринарна біотехнологія. – 2013. – № 22(22). – С. 355-362.

10. Yan R. et al. A preliminary study on the mixed teaching of human parasitology based on MOOC resources and the experimental teaching digital platform //Zhongguo xue xi Chong Bing Fang zhi za zhi= Chinese Journal of Schistosomiasis Control. – 2021. – Т. 33. – №. 1. – С. 74-78

11. López-Arencibia A., Expósito-Izquierdo C. Artificial intelligence as a didactic tool in the teaching of infectious diseases // INTED 2024 Proceedings. – IATED, 2024. – С. 7042-7050.

12. Асланова М.М. и др. Создание виртуального музея паразитарных патогенов для обеспечения высокоэффективной диагностики паразитозов //Здравоохранение Российской Федерации. – 2021. – Т. 65. – №. 1. – С. 74-77