Разработка веб-приложения для определения биологического возраста по функциональным показателям
Работая с нашим сайтом, вы даете свое согласие на использование файлов cookie. Это необходимо для нормального функционирования сайта, показа целевой рекламы и анализа трафика. Статистика использования сайта отправляется в «Яндекс» и «Google»
Научный журнал Моделирование, оптимизация и информационные технологииThe scientific journal Modeling, Optimization and Information Technology
cетевое издание
issn 2310-6018

Разработка веб-приложения для определения биологического возраста по функциональным показателям

Зотов А.О.   idЛимановская О.В. idГаврилов И.В. idМещанинов В.Н.

УДК 51-76
DOI: 10.26102/2310-6018/2022.37.2.015

  • Аннотация
  • Список литературы
  • Об авторах

Скорость старения является комплексным показателем состояния здоровья человека, зависящим от множества факторов, которые включают в себя внешние и внутренние воздействия на организм (болезнь и процессы ее коррекции), что находит отражение в медико-биологических показателях организма (функциональных, биохимических, гематологических и прочих). Для определения скорости старения широко используется понятие биовозраста, который представляет собой комплексный параметр, основанный на определении степени постарения (износа, повреждения) организма человека на основе его медико-биологических параметров. В статье представлена разработка клиент-серверного веб приложения для определения биовозраста пользователя на основе его функциональных показателей – систолическом артериальном давлении, диастолическом артериальном давлении, времени задержки дыхания на вдохе, времени задержки дыхания на выдохе, величине жизненной емкости легких, остроте слуха, состоянии аккомодации хрусталика глаза, времени статической балансировки, массы тела, роста. Веб-приложение позволяет врачам и администраторам определять биовозраст пациента на основе введенных в приложении функциональных данных пользователя, учитывая влияние геропрофилактической терапии. Веб-приложение отображает данные в виде списка и графика и позволяет отправлять отчеты на электронную почту пациента, а также выгружать их. Серверная часть приложения выполнена на языке программирования C# и фреймворке ASP.NET. Клиентская часть приложения выполнена на языке программирования TypeScript и фреймворке React с применением библиотеки компонентов пользовательского интерфейса Antd. В качестве базы данных используется PostgresSQL. В качестве модуля прогнозирования биологического возраста используется ранее разработанная математическая модель, обученная на выборке данных объемом 650 записей и имеющая точность в 5,87 лет. Возможность прогнозирования биовозраста пациента с учетом длительности и типа геопрофилактического воздействия позволяет использовать разработанное приложение в качестве инструмента для выявления ведущего механизма старения пациента.

1. Абрамович С.Г. Биологический возраст человека. Сибирский медицинский журнал. 1999;4:4-7.

2. Лимановская О.В., Гаврилов И.В., Мещанинов В.Н., Щербаков Д.Л., Колос Е.Н. Моделирование биологического возраста пациентов на основе их функциональных показателей. Моделирование, оптимизация и информационные технологии. 2021;9(2):1–16. DOI: 10.26102/2310-6018/2021.33.2.028.

3. Самородская И.В., Старинская М.А. Биологический возраст и скорость старения как фактор развития неинфекционных заболеваний и смертности. Профилактическая медицина. 2016;19(5):41–46. DOI 10.17116/profmed201619541-46.

4. Wu J.W., Yaqub A., Ma Y. et al. Biological age in healthy elderly predicts aging-related diseases including dementia. Sci Rep. 2021;11:1–10. DOI 10.1038/s41598-021-95425-5.

5. Pyrkov T.V., Sokolov I.S., Fedichev P.O. Deep longitudinal phenotyping of wearable sensor data reveals independent markers of longevity, stress, and resilience. Aging. 2021;13(6):7900–7913. DOI: 10.18632/aging.202816.

6. Humanity. Доступно по: https://www.humanity.health (дата обращения: 13.04.2022).

7. Putin E., Mamoshina P., Aliper A., Korzinkin M., Moskalev A., Kolosov A., Ostrovskiy A., Cantor C., Vijg J., Zhavoronkov A. Deep biomarkers of human aging: Application of deep neural networks to biomarker development. Aging. 2016;8(5):1021–1030. DOI: 10.18632/aging.100968.

8. Танатканова А.К., Жамбаева А.К. Построение клиент-серверных приложений. Наука и образование сегодня. 2019;41:6(2).

9. Khalil M.E., Ghani K., Khalil W. Onion architecture: a new approach for XaaS (every-thing-as-a service) based virtual collaborations. 13th Learning and Technology Conference (L&T). 2016;1:1–7. DOI: 10.1109/LT.2016.7562859.

10. NET documentation. Доступно по: https://docs.microsoft.com/en-us/dotnet (дата обращения: 06.04.2022).

11. Stonebraker M., Rowe L.A., Hirohama M. The Implementation of Postgres. IEEE Transactions on Knowledge and Data Engineering. 1990;2(1):340–355. DOI:10.1109/69.50912.

12. Adya A., Blakeley J.A., Melnik S., Muralidhar S. Anatomy of the ADO.NET entity framework. Proceedings of the 2007 ACM SIGMOD international conference on Management of data. 2007;1:877–888. DOI: 10.1145/1247480.1247580.

13. Open Neural Network Exchange. Доступно по: https://onnx.ai (дата обращения: 06.04.2022).

14. Suresh M., Hoang H. An Architectural Style for Single Page Scalable Modern Web Application. International Journal of Recent Research Aspects. 2018;5(4):6–13.

15. TypeScript is JavaScript with syntax for types. Доступно по: https://www.typescriptlang.org (дата обращения: 06.04.2022).

16. React – A JavaScript library for building user interfaces. Доступно по: https://reactjs.org (дата обращения: 06.04.2022).

17. Azure DevOps. Доступно по: https://azure.microsoft.com/en-us/services/devops (дата обращения: 06.04.2022).

18. Zhang Y., Wang H., Vasilescu B., Filkov V. One Size Does Not Fit All: An Empirical Study of Containerized Continuous Deployment Workflows. Proceedings of the 2018 26th ACM Joint Meeting on European Software Engineering Conference and Symposium on the Foundations of Software Engineering. 2018;1:295–306. DOI: 10.1145/3236024.3236033.

19. Мякотных В.С., Мещанинов В.Н., Боровкова Т.А., Сиденкова А.П. Теория и практика современной геронтологии: монография. Екатеринбург: ООО «ИИЦ «Знак качества»; 2022. 280 с.

Зотов Антон Олегович

кафедра интеллектуальных информационных технологий института фундаментального образования Уральского федерального университета имени первого Президента России Б.Н. Ельцина

Екатеринбург, Российская Федерация

Лимановская Оксана Викторовна
кандидат химических наук
Email: limanovskaya@mail.ru

ORCID |

кафедра интеллектуальных информационных технологий института фундаментального образования Уральского федерального университета имени первого Президента России Б.Н. Ельцина
старший научный сотрудник лаборатории антивозрастных технологий «Институт медицинских клеточных технологий», старший научный сотрудник отдела общей патологии Уральского государственного медицинского университета Минздрава РФ

Екатеринбург, Российская Федерация

Гаврилов Илья Валерьевич
кандидат биологических наук

ORCID |

кафедра биохимии Уральского государственного медицинского университета Минздрава РФ
лаборатория антивозрастных технологий «Институт медицинских клеточных технологий»

Екатеринбург, Российская Федерация

Мещанинов Виктор Николаевич
доктор медицинских наук профессор

ORCID |

кафедра биохимии Уральского государственного медицинского университета Минздрава РФ
лаборатория антивозрастных технологий «Институт медицинских клеточных технологий»

Екатеринбург, Российская Федерация

Ключевые слова: биовозраст, биологический возраст, механизмы старения, веб-приложение для определения биовозраста, машинное обучение в медицине

Для цитирования: Зотов А.О. Лимановская О.В. Гаврилов И.В. Мещанинов В.Н. Разработка веб-приложения для определения биологического возраста по функциональным показателям. Моделирование, оптимизация и информационные технологии. 2022;10(2). Доступно по: https://moitvivt.ru/ru/journal/pdf?id=1177 DOI: 10.26102/2310-6018/2022.37.2.015

300

Полный текст статьи в PDF

Поступила в редакцию 29.04.2022

Поступила после рецензирования 23.05.2022

Принята к публикации 31.05.2022

Опубликована 01.06.2022