строим модель распространения инфекционных заболеваний
Профессия «специалист по математическому моделированию в медицине»:
Мастер класс
Профессия: специалист по математическому моделированию в медицине
Сферы деятельности
  • анализ медицинских данных
  • прогнозирование заболеваний
  • оценка эффективности медицинских технологий
Используемые технологии
MATLAB, Python, R.
Необходимые навыки
Знание математики и статистики, опыт работы с программным обеспечением для моделирования, аналитическое мышление, работа в команде, умение интерпретировать данные и делать выводы.
Продуктовые результаты
Применение эффективных математических моделей, способствующих улучшению диагностики, лечения и профилактики заболеваний.
Где учиться
ТПУ, ТГУ, СибГМУ
Где работать
Университеты с факультетами математики, статистики или медицины, магистратуры по биостатистике, курсы по математическому моделированию и аналитике данных.
О чём мероприятие?
На мастер-классе участники познакомятся с основами математического моделирования в медицине и современными технологическими процессами в данной области. Будут рассмотрены ключевые аспекты разработки моделей для анализа медицинских данных, использование программного обеспечения и методов статистического анализа. Участники получат практические навыки работы с реальными медицинскими данными в Python и создадут простую математическую модель, визуализирующую распространение инфекционных заболеваний. Мероприятие предоставит возможность для совместного обучения, обмена опытом, а также даст семейным парам возможность реализовать свои идеи в области финансов, создавая проекты в этой важной и актуальной сфере!
Для кого мероприятие?

Для детей и их родителей

Для работы вам понадобится:
Персональный компьютер или ноутбук
Полезные материалы:
Ход работы:
Моделирование биологических явлений позволяет нам лучше понимать и прогнозировать поведение живых систем, начиная от популяционных динамик до молекулярных взаимодействий. Биологические явления нередко слишком сложны, чтобы быть полностью понятыми на интуитивном уровне, и моделирование предоставляет нам мощный инструмент для их анализа. Python обладает богатой экосистемой библиотек и фреймворков, предназначенных для моделирования биологических систем.
1. Первый шаг
Скачайте и установите Visual Studio Code и Python по ссылке
2. Второй шаг
Откройте Visual Studio Code, нажмите «File»-«New File»-«Python file»
3. Третий шаг
Модель SIR является одной из самых простых и широко используемых моделей для анализа распространения инфекционных болезней. Она разделяет население на три категории: восприимчивые (S), инфицированные (I) и выздоровевшие (R). Модель основана на следующих предположениях:
Все особи начинают в категории S.
Инфекция передается только от инфицированных к восприимчивым.
Инфицированные со временем выздоравливают и переходят в категорию R.

Сначала установим необходимые библиотеки, написав в терминале:
pip install scipy
pip install numpy
pip install matplotlib
4. Четвертый шаг
Перепишите код ниже и запустите файл, чтобы убедиться, что все библиотеки установлены.
5. Пятый шаг
Дальше запишем начальные данные для модели. Все, что написано после символа «#», это комментарии их переписывать не нужно. Параметры модели и начальные условия могут меняться от 0 до 1 в зависимости от инфекции и субъектов исследования.
6. Шестой шаг
Теперь запишем саму модель SIR, которая представляет собой систему уравнений.
7. Седьмой шаг
С помощью функции «solve_ivp» решаем эту систему и строим графики.
8. Восьмой шаг
При запуске программы появятся три графика с количествами восприимчивых, инфицированных и выздоровевших субъектов. Попробуйте изменить параметры модели и начальные данные, чтобы посмотреть, как изменится график.
9. Девятый шаг
Модель SEIR расширяет модель SIR, включая категорию экспоненциально инфицированных (E), которые были инфицированы, но еще не стали инфекционными. Эта модель полезна для анализа болезней с инкубационным периодом, когда инфицированные лица не могут передавать инфекцию сразу после заражения.
Добавляем к модели дополнительные параметры.
10. Десятый шаг
Редактируем модель, добавляя туда дополнительное уравнение в систему.
11. Одиннадцатый шаг
Решаем эту систему и строим графики.
12. Двенадцатый шаг
При запуске программы появятся три графика с количествами восприимчивых, инфицированных и выздоровевших субъектов. Попробуйте изменить параметры модели и начальные данные, чтобы посмотреть, как изменится график.
13. Тринадцатый шаг
Дальше, используя открытые данные за 2020 год, применим модель для Короновирусной инфекции.
14. Четырнадцатый шаг
Запустите программу.
При больших объемах данных модель соответствует действительности, но в рамках одного города погрешность может составлять до 40%.
Итоговый продукт
Участники рассмотрели ключевые аспекты разработки моделей для анализа медицинских данных, использование программного обеспечения и методов статистического анализа. Участники получили практические навыки работы с реальными медицинскими данными в Python и создали простую математическую модель, визуализирующую распространение инфекционных заболеваний.
Вопросы для обсуждения
1. Что нового Вы узнали?
2. Чему вы научились из данного проекта?
3. Какие новые навыки Вы сегодня получили?
4. Порекомендовали бы вы этот мастер класс вашим друзьям и знакомым?
5. Какие еще детали можно смоделировать в данной программе?
Разработчики