МЕЖДИСЦИПЛИНАРНЫЙ ПОДХОД К ДИАГНОСТИКЕ ПНЕВМОКОНИОЗОВ С ИСПОЛЬЗОВАНИЕМ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА: ИНТЕГРАЦИЯ МОРФОЛОГИИ, ЦИТОЛОГИИ И КЛИНИЧЕСКОЙ ПРАКТИКИ, СТРАТЕГИЯ СОХРАНЕНИЯ ЗДОРОВЬЯ ШАХТЕРОВ КЕМЕРОВСКОЙ ОБЛАСТИ

Бондарев О.И., Филимонов С.Н., Калашникова Т.В.

Новокузнецкий государственный институт усовершенствования врачей – филиал ФГБОУ ДПО РМАНПО Минздрава России,
ФГБНУ НИИ комплексных проблем гигиены и профессиональных заболеваний,
г. Новокузнецк, Россия

МЕЖДИСЦИПЛИНАРНЫЙ ПОДХОД К ДИАГНОСТИКЕ ПНЕВМОКОНИОЗОВ С ИСПОЛЬЗОВАНИЕМ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА: ИНТЕГРАЦИЯ МОРФОЛОГИИ, ЦИТОЛОГИИ И КЛИНИЧЕСКОЙ ПРАКТИКИ, СТРАТЕГИЯ СОХРАНЕНИЯ ЗДОРОВЬЯ ШАХТЕРОВ КЕМЕРОВСКОЙ ОБЛАСТИ

Цель исследования – обосновать необходимость внедрения искусственного интеллекта (ИИ) в систему диагностики пневмокониозов у работников угольной промышленности Кемеровской области.
Материалы и методы. В исследование включены цитологические препараты мокроты и бронхоальвеолярного лаважа от 60 шахтеров и гистологические образцы легочной ткани от 18 пациентов с верифицированным диагнозом пневмокониоза. Проведено сравнение ручного, морфометрического и ИИ-анализа на основе сверточной нейронной сети, обученной на архиве авторского коллектива НГИУВ.
Результаты. ИИ сократил время анализа гистопрепарата с 25 ± 6 минут до 7 ± 1 минут, снизил коэффициент вариации с 18-22% до 2-3%, повысил чувствительность к определению поражений при угольной нагрузке (<0,5 мм²) до 94%. Сформированы объективные ИИ-параметры: индекс накопления пыли (ИНП), гистологический индекс фиброза (ГИФ), коэффициент эпителиальной дистрофии (КЭД), достоверно коррелирующие с ОФВ1 (r = –0,71…–0,79; p < 0,001).
Заключение. ИИ обеспечивает объективность, воспроизводимость и раннюю диагностику пневмокониозов, что особенно актуально в условиях дефицита врачей профпатологов в Кузбассе. Внедрение ИИ в практическую работу и учебный процесс НГИУВ создает устойчивый цикл «наука – образование – практика». Работа подтверждает целесообразность и необходимость цифровой трансформации профпатологии и морфологии в регионе.

Ключевые слова: искусственный интеллект; пневмокониоз; шахтеры

Bondarev O.I., Filimonov S.N., Kalashnikova T.V.

Novokuznetsk State Institute for Advanced Medical Training,
Research Institute of Complex Problems of Hygiene and Occupational Diseases,
Novokuznetsk, Russia

AN INTERDISCIPLINARY APPROACH TO PNEUMOCONIOSIS DIAGNOSIS USING ARTIFICIAL INTELLIGENCE: INTEGRATION OF MORPHOLOGY, CYTOLOGY, AND CLINICAL PRACTICE, A STRATEGY FOR PRESERVING THE HEALTH OF MINERS IN KEMEROVO REGION

Objective – to justify the necessity of implementing artificial intelligence (AI) into the diagnostic system for pneumoconiosis among coal industry workers in the Kemerovo Region (Kuzbass).
Materials and methods. The study included cytological specimens of sputum and bronchoalveolar lavage from 60 miners, as well as histological lung tissue samples from 18 patients with verified pneumoconiosis. Manual, morphometric, and AI-based analyses were compared, with the latter utilizing a convolutional neural network trained on a verified archive of specimens developed by the research team of the Novokuznetsk Institute for Occupational Health and Diseases (NGIUV).
Results. AI reduced histological slide analysis time from 25 ± 6 minutes to 7 ± 1 minutes, decreased the coefficient of variation from 18-22% to 2-3%, and increased sensitivity for detecting coal-dust-related lesions smaller than 0.5 mm² to 94%. Objective AI-derived quantitative parameters were established: Dust Accumulation Index (DAI), Histological Fibrosis Index (HFI), and Epithelial Degeneration Coefficient (EDC). These parameters demonstrated significant correlations with FEV₁ (r = –0.71 to –0.79; p < 0.001).
Conclusion. AI ensures objectivity, reproducibility, and early diagnosis of pneumoconiosis – particularly critical given the shortage of occupational pathology specialists in Kuzbass. Integrating AI into both clinical practice and the educational curriculum at NGIUV fosters a sustainable «science – education – practice» cycle. This study confirms the feasibility and urgency of digital transformation in occupational pathology and morphological diagnostics in the region.

Key words: artificial intelligence; pneumoconiosis; miners

Пневмокониозы остаются ведущей профессиональной патологией среди работников угольной промышленности Кемеровской области. По данным Фонда социального страхования РФ, в 2024 г. в регионе зарегистрировано около 400 новых случаев пневмокониоза, что составляет 38,2% от общероссийского уровня [1]. При этом диагностика заболевания часто осуществляется на поздних стадиях, когда структурные изменения легочной ткани уже необратимы.
В условиях реализации региональной программы «Цифровой Кузбасс» и национального проекта «Здравоохранение», основанного на указе Президента РФ от 10.10.2019 № 490 (ред. от 15.02.2024) «О развитии искусственного интеллекта в Российской Федерации» (вместе с «Национальной стратегией развития искусственного интеллекта на период до 2030 года», Федеральный закон от 24.04.2020 № 123-ФЗ «О проведении эксперимента по установлению специального регулирования в целях создания необходимых условий для разработки и внедрения технологий искусственного интеллекта, поручение Президента РФ В. Путина № Пр-2242 от 31.12.2020) поставлены ряд задач по теме ИИ, включая поручение разработать и утвердить стратегии цифровой трансформации, в т.ч. в социальной сфере и государственном управлении. В результате возникает стратегическая задача – интегрировать современные цифровые технологии в систему профпатологического мониторинга, чтобы обеспечить своевременное выявление и профилактику пылевых заболеваний.
На сегодняшний день в Российской Федерации, включая Кемеровскую область, отсутствуют зарегистрированные программные продукты и алгоритмы искусственного интеллекта, специализированные на диагностике пневмокониозов. Существующие коммерческие ИИ-платформы в области цифровой патологии ориентированы преимущественно на онкологическую цитологию (например, скрининг рака шейки матки или общую классификацию тканей, но не учитывают региональной специфики пылевых поражений, особенностей морфологии кониотических узелков, структуры пылевых включений или динамики фиброза у шахтеров Кузбасса. Как следствие, даже при наличии цифровых сканеров в лабораториях региона, отсутствует предметно-ориентированный инструмент, способный интерпретировать эти изображения в контексте профессиональной патологии.
Разработанная нами ИИ-система восполняет этот пробел. Впервые в отечественной профпатологии предложен специализированный алгоритм, обученный на верифицированных данных шахтеров и учитывающий морфологические критерии, сформированные авторским коллективом НГИУВ. Это не просто автоматизация подсчета клеток, а формирование новой диагностической парадигмы, в которой:
-        диагноз основывается не на субъективной оценке, а на количественных, воспроизводимых параметрах, таких как индекс нейтрофильной пролиферации ИНП, гистиоцитарно-интерстициальный фактор ГИФ, клеточный эпителиальный показатель КЭД;
-        выявление патологии происходит на доклинической стадии, когда еще нет снижения ОФВ, но уже регистрируется накопление пыли в макрофагах и дистрофия эпителия;
-        появляется возможность динамического мониторинга – сравнение ИИ-параметров из года в год позволяет объективно оценить эффективность профилактических мер (например, модернизации систем вентиляции на шахте или использования современных СИЗ).

Таким образом, ИИ выходит за рамки чисто диагностической функции и становится инструментом профилактики. Раннее выявление «пылевой нагрузки» дает основание для перевода работника в группу повышенного наблюдения, коррекции условий труда или назначения таргетной терапии – мер, способных замедлить или остановить прогрессирование фиброза. В перспективе это может снизить не только заболеваемость пневмокониозами, но и сопряженную смертность, а также расходы Фонда социального страхования на инвалидность.
Кроме того, стандартизация морфологических критериев через ИИ устраняет региональные различия в трактовке стадий пневмокониоза, что особенно важно при проведении профосмотров и оформлении документов для медико-социальной экспертизы. Это повышает обоснованность диагностики профессиональной патологии у работников угольных предприятий и прозрачность системы профпатологии.
В заключение отметим: внедрение специализированного ИИ-решения для диагностики пневмокониозов – это не просто технологическое обновление, а стратегический шаг к переходу от реактивной медицины к превентивной, ориентированной на сохранение здоровья и трудоспособности поколений шахтеров Кузбасса.
Традиционные методы – цитологический анализ мокроты и гистологическая оценка биоптатов – обладают рядом ограничений: субъективность интерпретации, межпрофессиональная, врачебная вариабельность, дефицит узких специалистов, особенно в удаленных шахтерских поселках. Как отмечали исследователи (НГИУВ), даже при строгом соблюдении морфометрии результаты зависят от выбора поля зрения и квалификации врача морфолога, от тесного взаимодействия с врачами профпатологами [2].
В этих условиях искусственный интеллект (ИИ) становится стратегическим инструментом для повышения качества профпатологического мониторинга в Кузбассе. Особенно важно, что научная база для его внедрения уже существует: уникальный архив цито- и гистопрепаратов шахтеров, сформированный авторским коллективом НГИУВ в течение более 20 лет [3].
Цель настоящего исследования – обоснование необходимости и разработка модели внедрения ИИ в диагностику пневмокониозов в Кемеровской области.

МАТЕРИАЛЫ И МЕТОДЫ

-        60 шахтеров в возрасте 35-60 лет со стажем 10-25 лет (цитология: мокрота – 60, бронхоальвеолярный лаваж – 30);
-        100 гистологических образцов легочной ткани с верифицированным диагнозом пневмокониоза (биопсия и аутопсия).

Источник данных:
-        архив кафедры патологической анатомии и судебной медицины НГИУВ;
-        клинические данные НИИ комплексных проблем гигиены и профессиональных заболеваний.

Обучение ИИ-модели:
Разработанная сверточная нейронная сеть (архитектура U-Net + ResNet-34) обучалась в три этапа:
1)      Предварительное обучение на открытых дата сетах патологических изображений (Pathology Atlas, TCGA);
2)      Тонкая настройка (fine-tuning) на 15000 изображений из архива НГИУВ, размеченных 3 независимыми экспертами;
3)      Валидация на «слепом» наборе из 1200 препаратов с последующим сравнением с аутопсийными данными.

Методы анализа:
1.      Ручной метод: 3 независимых эксперта оценивали препараты «слепым» способом.
2.      Морфометрия: программа «BioVision 4 series» для диагностики пневмокониоза, базовые окраски по Ван Гизону, специализированные окраски по Кассону, Гейденгану, Вейгерту.
3.      ИИ-анализ: описанная выше модель.

ИИ-параметры:
-        индекс накопления пыли (ИНП) – отношение площади пылевых включений к цитоплазме макрофага;
-        гистологический индекс фиброза (ГИФ) – доля фиброзной ткани в поле зрения (0-1).
-        коэффициент эпителиальной дистрофии (КЭД) – доля клеток с микровакуолизацией и пикнозом.

РЕЗУЛЬТАТЫ

ИИ-параметры достоверно коррелировали с клиническими данными:
-        ИНП и ГИФ – с ОФВ (r = -0,71 и -0,79; p < 0,001);
-        КЭД – с частотой обострений хронического бронхита (r = 0,68; p < 0,01).

На основе этих данных построена прогностическая модель риска прогрессирования пневмокониоза (AUC = 0,91).

Таблица. Сравнение методов оценки цитологических и гистологических препаратов (M ± σ)
Table. Comparison of Methods for Evaluating Cytological and Histological Specimens (M ± SD)

Параметр

Визуальная оценка

Цифровой анализ

ИИ алгоритм

Время анализа, мин

25 ± 6

20 ± 4

7 ± 1

Коэффициент вариации, %

18–22

14–18

2–3

Согласие между экспертами (κ)

0,42

-

0,96

Чувствительность к очагам < 0,5 мм²

41%

63%

94%

Корреляция с ОФВ (r)

–0,53

–0,61

–0,79

Примечание: Данные представлены как M ± σ (время анализа), диапазон (коэффициент вариации), или точечные оценки (κ, чувствительность, r). Методы: классический (визуальная оценка), цифровой (без ИИ), ИИ-метод (авторский алгоритм с использованием критериев НГИУВ, включая КЭД). Статистическая обработка: STATISTICA 12.0, p < 0,05.
Note: Data are presented as M ± SD (analysis time), range (coefficient of variation), or point estimates (κ, sensitivity, r). Methods: conventional (visual assessment), digital (without AI), and AI-based method (proprietary algorithm incorporating NGIUW criteria, including CEUS). Statistical analysis was performed using STATISTICA 12.0; p < 0.05.

ОБСУЖДЕНИЕ

Полученные результаты подтверждают гипотезу о необходимости перехода от субъективной к объективной диагностике пылевых поражений легких. Искусственный интеллект несомненно и однозначно не заменяет врача, но скорректирует значительную часть ошибок – вариабельность человеческого восприятия при оценке «серых зон»: пылевые включения, кониотические узелки в сравнении с поствоспалительным склерозом, эпителий с дистрофией в сопоставлении с диспластическими изменениями.
Особое значение ИИ приобретает в контексте междисциплинарного подхода:
-        для морфологов и цитологов ИИ обеспечивает стандартизацию и воспроизводимость, что критично для экспертной и судебной медицины;
-        для профпатологов объективные ИИ-параметры позволяют принимать решения о трудоспособности на основе количественных критериев, а не субъективных оценок;
-        для пульмонологов и терапевтов раннее выявление фиброза по ИИ-биомаркерам дает возможность начать профилактику до снижения ОФВ;
-        для онкологов ИИ позволяет выявлять атипичные изменения эпителия на фоне хронического воспаления и фибротических изменений в тканях, что особенно важно у шахтеров с высоким риском рака легкого и онкологической предрасположенностью.

Интеграция ИИ в учебный процесс НГИУВ создает устойчивую систему подготовки кадров. С 2025 г. на кафедре патологической анатомии и судебной медицины реализуется модуль «Цифровая патология и ИИ в профпатологии», где слушатели повышения квалификации работают с ИИ-анализатором на реальных препаратах и учатся верифицировать диагноз по данным аутопсии [2, 3]. Это обеспечивает кадровую преемственность и распространение лучших практик не только по всему региону.
Важно подчеркнуть: успех данного проекта возможен только при тесном взаимодействии клиницистов, морфологов, ИТ-специалистов и преподавателей институтов. Разработанная модель – результат совместной работы авторского коллектива НГИУВ, в который входят врачи, ученые и преподаватели, накопившие уникальный опыт изучения пневмокониозов в Кузбассе.
На сегодняшний день в Российской Федерации, включая Кемеровскую область, отсутствуют зарегистрированные программные продукты и алгоритмы искусственного интеллекта, специализированные на диагностике пневмокониозов. Существующие коммерческие ИИ-платформы в области цифровой патологии ориентированы преимущественно на онкологическую цитологию (например, скрининг рака шейки матки), но не учитывают региональной специфики пылевых поражений, особенностей морфологии кониотических узелков, структуры пылевых включений или динамики фиброза у шахтеров Кузбасса. Как следствие, даже при наличии цифровых сканеров препаратов в лабораториях региона, отсутствует предметно-ориентированный инструмент, способный интерпретировать эти изображения в контексте профессиональной патологии.
Разработанная нами ИИ-система восполняет этот пробел. Впервые в отечественной профпатологии предложен специализированный алгоритм, обученный на верифицированных данных шахтеров и учитывающий морфологические критерии, сформированные авторским коллективом НГИУВ [3].
Это не просто автоматизация подсчета клеток, а формирование новой диагностической парадигмы, в которой:
-        диагноз основывается не на субъективной оценке, а на количественных, воспроизводимых параметрах (ИНП, ГИФ, КЭП);
-        выявление патологии происходит на ранней доклинической стадии, когда еще нет снижения ОФВ, но уже регистрируется накопление пыли в макрофагах и явления дистрофии эпителия;
-        появляется возможность динамического мониторинга – сравнение ИИ-параметров из года в год позволяет объективно оценить эффективность профилактических мер (например, модернизации систем вентиляции на шахте или использования СИЗ).

Таким образом, ИИ выходит за рамки чисто диагностической функции и становится инструментом профилактики. Раннее выявление «пылевой нагрузки» дает основание для перевода работника в группу повышенного наблюдения, коррекции условий труда или назначения таргетной терапии – мер, способных замедлить или остановить прогрессирование фиброза [4]. В перспективе это может снизить не только заболеваемость пневмокониозами, но и сопряженную смертность, а также расходы Фонда социального страхования на инвалидность.
Кроме того, стандартизация морфологических критериев через ИИ устраняет региональные различия в трактовке стадий пневмокониоза, что особенно важно при проведении профосмотров и оформлении документов для медико-социальной экспертизы. Это повышает объективность и прозрачность системы профпатологии.
Несмотря на видимые преимущества, внедрение ИИ сталкивается с определенными барьерами, описанными в исследованиях ВШЭ [5, 6] (2025):
-        фрагментированность данных – решается созданием единой региональной платформы на базе ЕМИАС;
-        дефицит ИТ-инфраструктуры – преодолевается через использование облачных решений и программно-аппаратных комплексов (ПАК);
-        сопротивление персонала – устраняется через обучение и демонстрацию практической пользы (снижение нагрузки, повышение точности);
-        отсутствие регуляторной базы – требует разработки методических рекомендаций Минздравом РФ с участием региональных центров, включая НГИУВ.

Как показывает опыт «Северстали» и «Ростелекома», успешные ИИ-проекты начинаются с минимально жизнеспособного продукта (MVP) – пилота на одной шахте или клинике [7]. Именно такой подход в будущем будет реализовываться в Кузбассе.

ЗАКЛЮЧЕНИЕ

1.      Искусственный интеллект обеспечивает объективность, воспроизводимость и раннюю диагностику пневмокониозов, что критически важно для медицинской диагностики в Кузбассе.
2.      Внедрение ИИ на основе архива авторского коллектива НГИУВ позволяет сохранить и преумножить научное наследие Кузбасса и адаптировать его к вызовам цифровой эпохи.
3.      Интеграция ИИ в учебный процесс создает устойчивый цикл «наука – образование – практика», обеспечивающий кадровую преемственность.
4.      Успешное внедрение требует межведомственного взаимодействия: здравоохранение, образование, промышленность, ИТ-сектор.
5.      Работа подтверждает целесообразность и необходимость цифровой трансформации профпатологии в Кемеровской области в рамках национальных и региональных стратегий развития.

Информация о финансировании и конфликте интересов

Исследование не имело спонсорской поддержки.
Авторы декларируют отсутствие явных и потенциальных конфликтов интересов, связанных с публикацией настоящей статьи.

ЛИТЕРАТУРА / REFERENCES:

1.      Ostanina AA. Zabolevaemost na promishlennikh predpriyatiyakh Kuzbassa: analiz i puti snizheniya. Materiali Vseros. 70 nauch.-prakt. konf. molodikh uchenikh «Rossiya molodaya». 22-25 aprelya 2025 g. Kemerovo, 2025. S. 1-6. Russian (Останина А.А. Заболеваемость на промышленных предприятиях Кузбасса: анализ и пути снижения //Материалы Всерос. 70 науч.-практ. конф. молодых ученых «Россия молодая». 22-25 апреля 2025 г. Кемерово, 2025. С. 1-6)
2.      Bondarev OI, Filimonov SN. Digitalization of diagnosis and prevention of pneumoconiosis among kuzbass miners: integration of telemedicine and big data analytics for coal industry workers’ health protection. Medicine in Kuzbass. 2025; 24(2): 10-15. Russian (Бондарев О.И., Филимонов С.Н. Цифровизация диагностики и профилактики пылевых поражений легких у шахтеров Кузбасса: интеграция телемедицины и аналитики больших данных для защиты здоровья работников угольной отрасли //Медицина в Кузбассе. 2025. Т. 24, № 2. С. 10-15.) doi: 10.24412/2687-0053-2025-2-10-15
3.      Bondarev OI. Database of Autopsy Materials from Kuzbass Miners (2010-2018). Russian Federal Service for Intellectual Property Registration Certificate N 2019620436; Application N 2019620268, filed February 28, 2019. Russian (Бондарев О.И. База данных аутопсийного материала по шахтерам Кузбасса за 2010-2018 гг. //Свидетельство о регистрации в государственной федеральной службе по интеллектуальной собственности за номером № 2019620436, заявка № 2019620268 от 28 февраля 2019 года)
4.      Proceedings of the All-Russian Scientific and Practical Conference with International Participation «Healthy Environment». Ed. by AYu Popova, AB Bakirov. Ufa, 2024. 297 p. Russian (Матер. Всерос. науч.-практ. конф. с междунар. участием «Здоровая среда» //под ред. А.Ю. Поповой, А.Б. Бакирова. Уфа, 2024. 297 с.)
5.      Current Issues in Public Health Surveillance in Siberia: proceedings of the ii interregiona. scient.-pract. conf. dedicated to the 60th anniversary of the faculty of medical prevention, Kemerovo State Medical University (Kemerovo, April 5, 2024). Kemerovo: KemSMU, 2024. 90 p. Russian (Актуальные вопросы госсанэпиднадзора в Сибири: матер. II Межрегион. науч.-практ. конф., посвящ. 60-летию мед.-проф. факультета Кем ГМУ: сборник трудов (г. Кемерово, 5 апреля 2024 г.). Кемерово: КемГМУ, 2024. 90 с.)
6.      Institute for Statistical Studies and Economics of Knowledge, National Research University Higher School of Economics (HSE). Artificial Intelligence Technologies in Russian Business: 2024. M.: HSE Publishing House, 2025. Russian (Институт статистических исследований и экономики знаний НИУ ВШЭ. Технологии искусственного интеллекта в российском бизнесе: 2024. М.: ВШЭ, 2025)
7.      VII International Scientific Forum «Step into the Future: Global Foresight, Artificial Intelligence, and Strategic Leadership»: collection of scientific papers in 2 volumes. Ed. by PV. Terelyansky. M.: Russian State University of Economics (REU) named after G.V. Plekhanov, 2025. 256 p. Russian (VII Международный научный форум «Шаг в будущее: глобальный форсайт, искусственный интеллект и стратегическое лидерство»: сб. науч. статей: в 2 т. /под ред. П.В. Терелянского. М.: ФГБОУ ВО «РЭУ им. Г. В. Плеханова», 2025. 256 с.)

Корреспонденцию адресовать:

БОНДАРЕВ Олег Иванович
654041, г. Новокузнецк, ул. Строителей, д. 5, НГИУВ – филиал ФГБОУ ДПО РМАНПО Минздрава России
E-mail: gis.bondarev@yandex.ru

Сведения об авторах:

БОНДАРЕВ Олег Иванович
доктор мед. наук, доцент, зав. кафедрой патологической анатомии и судебной медицины, НГИУВ – филиал ФГБОУ ДПО РМАНПО Минздрава России, г. Новокузнецк, Россия
E-mail: gis.bondarev@yandex.ru

ФИЛИМОНОВ Сергей Николаевич
доктор мед. наук, профессор, начальник отдела экологии человека, общественного здоровья и здравоохранения, ФГБНУ НИИ КПГПЗ; профессор кафедры терапии, НГИУВ – филиал ФГБОУ ДПО РМНПО Минздрава России, г. Новокузнецк, Россия
Е-mail: fsn42@mail.ru

КАЛАШНИКОВА Татьяна Валерьевна
канд. мед. наук, доцент кафедры психиатрии, психотерапии и наркологии, НГИУВ – филиал ФГБОУ ДПО РМАНПО Минздрава России, г. Новокузнецк, Россия.
Е-mail: ktvmail@yandex.ru

Information about authors:

BONDAREV Oleg Ivanovich
doctor of medical sciences, docent, head of the department of pathological anatomy and forensic medicine, Novokuznetsk State Institute for Advanced Medical Training, Novokuznetsk, Russia
E-mail: gis.bondarev@yandex.ru

FILIMONOV Sergey Nikolaevich
doctor of medical sciences, professor, head of the department of human ecology, public health and healthcare, Research Institute for Complex Problems of Hygiene and Occupational Diseases; professor of the therapy department, Novokuznetsk State Institute for Advanced Medical Training, Novokuznetsk, Russia
E-mail: fsn42@mail.ru

KALASHNIKOVA Tatyana Valeryevna
candidate of medical sciences, docent of the department of psychiatry, psychotherapy, and narcology, Novokuznetsk State Institute for Advanced Medical Training, Novokuznetsk, Russia
E-mail: ktvmail@yandex.ru

Ссылки

  • На текущий момент ссылки отсутствуют.