在俄罗斯科学基金会支持下，托国立数学与力学系的科学家们正在开发用于分析和应对包括 COVID-19在内的流行病传播的数学方法。研究人员正在为流行病学模型中的统计分析创建新的高效高速数据处理方法。新算法将有可能确保迅速采取必要的管理决策来定位流行病，减少社会风险和经济损失。

托国立数学与力学系副教授及该项目执行者之一叶甫盖尼·普切林采夫解释说：“目前，流行病是根据特定疾病的流行病学阈值的交集来确定而出的。 这种方法的不完善之处在于无法追踪流行病的早期发作。当阈值还未测出时，疫情就已经开始了，导致病例数量呈“指数式”增长，隔离措施等遏制措施不再具有与早期发现流行病相同的效果。例如，在大流行初期，意大利也面临着类似的情况，及时进行防护行动能够减少对社会和经济的损失”。

开发的算法将分析来自医学数据库的信息。 跟踪的主要因素将是正在研究的统计数据的概率性质的变化。这将允许捕捉人们不注意到的时刻，在这些时刻，数据分布、它们的结构等发生了变化。

叶甫盖尼·普切林采夫说到：“概率统计法将评估不同症状的动态，以及这些症状在概率意义上的变化程度。如果一个指标的变化很大，或者人口发生了变化，则相应的算法会发出警报信号，组织决策应遵循该信号。他们将是什么，决定控制组织”。

正如托国立科学家指出的那样，在实际流行病学分析中使用已开发的适应性和稳健方法将有助于将统计结论的可靠性和质量提高一个数量级。根据项目的技术任务，模型的准确率至少应达到95%。

补充道，创建的算法将适用于以前已知的感染和新疾病。除了确定流行病开始的时刻外，托国立创建的数学分析方法将能够评估所用措施的有效性，并对其进行减弱或收紧性的措施。

这些算法将作为一种软件产品实施，可供俄罗斯联邦和其他控制和执行机构使用，以决定保护措施减少流行病期间的社会损失。

在该项目的实施过程中，除了由托国立力学和数学系员工组成的主要团队外，还将涉及其他具有解决此类问题经验的专家，包括拉斐尔塞勒姆数学实验室（LMRS，法国鲁昂大学研究组的代表), 数学和信息学实验室(LMI, INSA Rouen, France)，勒阿弗尔大学生物研究实验室 (SEBIO, Université du Havre, Le Havre, France)和俄罗斯联邦消费者权益及公民平安保护监督局 (Роспотребнадзор)。俄罗斯科学基金会支持的研究是在鲁昂大学教授、托国立力学和数学系谢尔盖·佩尔加缅西科夫科学家的指导下进行的。

该项目的实施将有助于解决科技发展战略的一项优先任务，抵抗人为、生物、社会文化威胁、恐怖主义和意识形态极端主义，以及对社会、经济和国家构成威胁的网络威胁和其他来源。