Sun’iy Intellekt va Raqamli Iqtisodiyot

1400 1200 1400 1400 1000 800 600 400 200 0 XABAR YORLIQLARI ham sapm 2-rasm. Namuna olishdan oldin Xususiyatlarni ajratib olish muhim bo‘lgani uchun, algoritmlar vektorlarni kutadi. Xususiyatlarni ajratib olish uchun TensorFlow Keras kutubxonasining Count Vectorizer va Tokenizer API’lari ishlatiladi. Tokenizer API butun sonli kodlashni amalga oshiradi va iboralarni so‘zlarga ajratadi. 4-rasm. Model oqim diagrammasi Har bir jumla ketma-ketlik yordamida raqamli ketma-ketlik bilan ifodalanadi. Bir xil uzunlikdagi ketma-ketliklarni yaratish uchun pad ketmaketliklar funksiyasi qo‘llaniladi. Bundan tashqari, ma’lumotlar o‘quv va sinov to‘plamlariga ajratiladi. Algoritm ishlashini nazorat qilish maqsadida yigirma foiz 899

sinov namunalari, qolgan sakson foiz esa o‘quv namunalari sifatida olinadi. Hozirda modelni o‘qitish uchun mashina o‘rganish algoritmlari qo‘llanilmoqda. Sodda Bayes: Bayes klassifikatori matnlarni tasniflash uchun keng qo‘llaniladigan ehtimollik usulidir. Bayes tasniflagichining asosiy vazifasi elektron xabarda qaysi so‘zlar mavjudligi va qaysilari yo‘qligini aniqlash orqali uning spam ekanligini yoki emasligini baholashdir. Adabiyotlarga ko‘ra, Bayes usulida yangi elektron xabarga eng ehtimoliy maqsad belgisi beriladi. Naive Bayes tarmog‘i Bayes tarmog‘ining eng oddiy turi bo‘lib, unda barcha atributlar sinf o‘zgaruvchisi qiymatidan mustaqildir. Tasniflash muammosini hal qilishning bir usuli quyidagi tenglamada eng katta qiymatni topishdir. 5-rasm. Faoliyat diagrammasi Tayanch vektor mashinasi "Tayanch vektor mashinasi (SVM) mashhur nazorat ostidagi o‘rganish algoritmi hisoblanadi. Tayanch vektor modeli mashinali o‘rganish texnikasidagi tasniflash masalalarini hal qilishda qo‘llaniladi. Tayanch vektor mashinalari to‘liq qaror qabul qilish nuqtalari g‘oyasiga asoslangan. Tayanch vektor mashinasi algoritmining asosiy vazifasi chiziq yoki qaror chegarasini yaratishdir. Bu algoritm yangi namunalarni tasniflovchi gipertekislikni natija sifatida beradi. Ikki o‘lchovli fazoda gipertekislik tekislikni har bir sinfi bir tomonda joylashgan ikki qismga ajratuvchi chiziqdir." 6-rasm. Tayanch vektor mashinasi Xulosa. Spam elektron xabarlarni aniqlash zamonaviy raqamli aloqa 900

xavfsizligining muhim tarkibiy qismidir. Kalit so‘zlarni filtrlash, qora ro‘yxatga kiritish, mashinali o‘rganish algoritmlari va tabiiy tilni qayta ishlash (NLP) kabi turli usullarni qo‘llash orqali tizimlar qonuniy va spam xabarlarni samarali farqlay oladi. Vaqt o‘tishi bilan spam filtrlari qoidalarga asoslangan usullardan yangi spam taktikalariga moslasha oladigan sun’iy intellektga asoslangan ilg‘or modellarga aylandi. Spamni aniqlash tizimining joriy etilishi foydalanuvchi tajribasini yaxshilaydi, maxfiy ma’lumotlarni himoya qiladi va chalg‘ituvchi omillarni hamda fishing yoki zararli dasturlar kabi ehtimoliy tahdidlarni kamaytirish orqali samaradorlikni oshiradi. Biroq, spamni to‘g‘ri filtrlash va soxta ijobiy xabarlardan qochish (haqiqiy xatlarni spam sifatida belgilash) o‘rtasidagi muvozanatni saqlash muammosi hamon mavjud.Xulosa qilib aytganda, hech qanday spamni aniqlash tizimi mukammal bo‘lmasa-da, sun’iy intellekt va ma’lumotlar tahlili sohasidagi uzluksiz rivojlanishlar spamni filtrlash texnologiyalarining aniqligi, moslashuvchanligi va samaradorligini sezilarli darajada oshirishda davom etmoqda. Kelajakdagi istiqbollar Sun’iy intellekt va mashinali o‘rganish sohasidagi yutuqlar Sun’iy intellekt (AI) va mashinali o‘rganish (ML) algoritmlaridagi davomli taraqqiyot aniq va moslashuvchan spamni aniqlash tizimlarining rivojlanishiga olib kelishi kutilmoqda. Bu tizimlar katta hajmdagi ma’lumotlardan o‘rganib, vaqt o‘tishi bilan aniqlash aniqligini oshiradi va yangi paydo bo‘layotgan spam namunalariga tezkor moslashadi.Xulq-atvor tahlilini integratsiyalash Kelajakdagi spam filtrlari xulq-atvor tahlilini o‘z ichiga olishi mumkin. Bu tizimlarga foydalanuvchining elektron pochtadan foydalanish xususiyatlari, afzalliklari va o‘zaro ta’sirini o‘rganish imkonini beradi. Odatiy foydalanuvchi xatti-harakatlarini tushunish orqali spam aniqlovchi tizimlar qonuniy va zararli xabarlarni yanada samarali farqlay oladi.Real vaqt rejimida tahdidlarni aniqlash Real vaqt rejimidagi tahdidlar haqidagi ma’lumotlar oqimini integratsiyalash spamni aniqlash tizimlariga eng so‘nggi spam usullari va yangi aniqlangan tahdidlardan xabardor bo‘lish imkonini beradi. Bunday proaktiv yondashuv tizimning nol kunlik hujumlar va boshqa murakkab spam taktikalarini aniqlash qobiliyatini yaxshilaydi Foydalanuvchiga yo‘naltirilgan moslashtirish Shaxsiylashtirilgan spam filtrlari foydalanuvchi darajasidagi moslashtirishni taqdim etishi mumkin, bu esa shaxslarga spam aniqlash sezgirligini o‘z ehtiyojlariga ko‘ra sozlash imkonini beradi. Bunday moslashuvchanlik foydalanuvchilarga o‘z kiruvchi xabarlar qutisini yaxshiroq nazorat qilish, noto‘g‘ri aniqlanishlarni kamaytirish va foydalanuvchi mamnuniyatini oshirishga yordam beradi. Foydalanilgan adabiyotlar: 1. M. Labonne va S. Moran, "Spam-T5: Kam misollar asosida elektron pochta spamini aniqlash uchun katta til modellarini baholash," jild 2304.01238, 2023-yil aprel. Manba: https://arxiv.org/abs/2304.01238 2. G. Shirvani va S. Ghasemshirazi, "Elektron pochta spamini aniqlashni takomillashtirish: noldan o‘rganish va katta til modellaridan foydalanish," jild 2505.02362, 901

2025-yil may. Manba: https://arxiv.org/abs/2505.02362 3. S. Jamal va H. Vimmer, "Fishing, spam va oddiy xabarlarni aniqlash uchun takomillashtirilgan transformatorga asoslangan model," jild 4. 2311.04913, 2023-yil noyabr. Manba: https://arxiv.org/abs/2311.04913 5. M. H. Alsuwit, M. A. Haq va M. A. Aleisa, "Mashina o‘rganish va chuqur o‘rganish usullaridan foydalanib elektron pochta spam tasnifini takomillashtirish," Muhandislik, texnologiya va amaliy fan tadqiqotlari, 14-jild, 4-son, 14994-15001-betlar, 2024-yil avgust. Manba: https://etasr.com/index.php/ETASR/article/view/7631 6. K. Thakur, M.L. Ali, M.A. Obaidat va A. Kamruzzaman, "Chuqur o‘rganishga asoslangan fishing elektron xabarlarini aniqlash bo‘yicha tizimli sharh," Elektronika, 12-jild, 21-son, 4545-bet, 2023-yil oktyabr. Manba: https://www.mdpi.com/2079-9292/12/21/4545 7. S. Das, S. Mandal va R. Basak, "Yangi ko‘p qatlamli tasnifga asoslangan qaror qabul qilish texnikasi yordamida spam elektron xabarlarni aniqlash," Kompyuterlar va ilovalar xalqaro jurnali, 45-jild, 9-son, 587–599-betlar, 2023-yil sentyabr. Quyidagi manzilda mavjud: https://www.tandfonline.com/doi/full/10.1080/1206212X.2023.2258328 8. K. Taghandiki, "spaCy yordamida samarali elektron pochta spamini tasniflash modelini yaratish," 2303.08792-jild, 2023-yil mart. 2303.08792, mart. 9. Quyidagi manzilda mavjud: https://arxiv.org/abs/2303.08792 10. N. Al-shanableh, M. S. Alzyoud va A. M. Alzyoud, "Mashinali o‘rganish orqali elektron pochta spamini aniqlashni takomillashtirish," Kaliforniya davlat universiteti, SanBernardino, 22-jild, 1-son, 2-maqola, 2023-yil. Quyidagi manzilda mavjud: https://scholarworks.lib.csusb.edu/ciima/vol22/iss1/2/ 11. K. S. Reddy, V. Harshini, K. Maneesha va T. Gyaneshwari, "Chuqur o‘rganish yordamida ijtimoiy tarmoqlarda spammerlarni aniqlash," IET konferentsiyasi to‘plami, 2023jild, 5-son, 2023-yil iyul. Quyidagi manzilda mavjud: https://digitallibrary.theiet.org/doi/abs/10.1049/icp.2023.1481 12. G. Borotić, "Mashinali o‘rganish yordamida samarali spam aniqlash," Xorvatiya mintaqaviy rivojlanish jurnali, 13. 4-jild, 2-son, 43–64-betlar, 2023-yil dekabr. Quyidagi manzilda mavjud: https://sciendo.com/article/10.2478/crdj-2023-0007 JAMOAT XAVFSIZLIGINI TA’MINLASH FAOLIYATIDA PROFAYLING TEXNOLOGIYASINI QO‘LLASHNING ADABIYOTLAR TAHLILI Bobojonov Oybek Masharipovich, Jamoat xavfsizligi universiteti, katta ilmiy xodim Annotatsiya. Mazkur maqolada jamoat xavfsizligini ta’minlash faoliyatida profayling texnologiyasidan foydalanish masalalarining ilmiy adabiyotlarda o‘rganilganlik darajasi tahlil qilinadi. Tadqiqot davomida kriminologiya, kriminalistika, psixologiya hamda axborot texnologiyalari sohalarida olib borilgan ilmiy izlanishlar asosida profaylingning nazariy asoslari, metodologik yondashuvlari va amaliy qo‘llanilish yo‘nalishlari ko‘rib chiqilgan. Shuningdek, Tadqiqot natijalari jamoat xavfsizligini ta’minlash tizimida profayling texnologiyasini yanada takomillashtirish va uni amaliyotga samarali joriy etish bo‘yicha ilmiy xulosalar hamda takliflarni shakllantirishga xizmat qiladi. Kalit so‘zlar: profayling, jamoat xavfsizligi, kriminologik tahlil, xulq-atvor profaylingi, kriminal profil, jinoyatlarning oldini olish, xavf omillarini aniqlash, psixologik tahlil, sun’iy intellekt, katta ma’lumotlar (Big Data), kriminologiya, kriminalistika. Аннотация. В данной статье анализируется уровень исследований в научной литературе по применению технологии профилирования в деятельности органов общественной безопасности. В ходе исследования рассматривались теоретические основы, методологические подходы и области практического применения 902

профилирования на основе научных исследований, проведенных в областях криминологии, криминалистики, психологии и информационных технологий. Кроме того, результаты исследования служат для формулирования научных выводов и предложений по дальнейшему совершенствованию технологии профилирования в системе общественной безопасности и ее эффективному внедрению на практике. Ключевые слова: профилирование, общественная безопасность, криминологический анализ, поведенческое профилирование, криминальный профиль, профилактика преступности, выявление факторов риска, психологический анализ, искусственный интеллект, большие данные (Big Data), криминология, криминалистика. Abstract. This article analyzes the current state of scientific literature on the application of profiling technology in public security agencies. The study examined the theoretical foundations, methodological approaches, and practical applications of profiling based on research conducted in criminology, forensic science, psychology, and information technology. Furthermore, the study's results serve to formulate scientific conclusions and proposals for further improvement of profiling technology in public security systems and its effective implementation. Keywords: profiling, public security, criminological analysis, behavioral profiling, criminal profile, crime prevention, risk factor identification, psychological analysis, artificial intelligence, big data, criminology, forensic science. Kirish. O‘zbekiston Respublikasida profaylingni o‘rganish va uni huquqni muhofaza qiluvchi organlar tomonidan qo‘llanilishi 2019 yildan boshlanadi, biroq yagona elektron bazalar va kutubxonalarning sust rivojlanishi tufayli mualliflarning aksariyati o‘quv yurtlari jurnallaridan foydalanadilar. O‘z asarlarini xulq-atvor va kriminalistik profaylingni o‘rganishga bag‘ishlagan sanoqli mualliflardan M.S.Qodirov, E.N.Sattorov, B.Sirliyev, D.A.O‘rmonov, D.M.Mirazov, A.A.Ikanov, R.Tazetdinovlar bo‘lib, o‘z navbatida bu yo‘nalishning psixologik jihatlari Sh.S. Abdusamatovaning asarlarida o‘rganilgan. Bundan tashqari, yurisprudensiya va psixologiya bo‘yicha turli asarlarda profayling mavzusi M.X.Rustambayev va boshqalar tomonidan ko‘tarilgan. Shu bilan birga, O‘zR Bosh prokuraturasi Akademiyasi, IIV Akademiyasi, Bojxona instituti va Jamoat xavfsizligi universitetida bu yo‘nalishda ba'zi ichki o‘quv tadqiqotlari olib borilayotgani qayd etilgan. O‘zbekistonda profayling sohasidagi ilmiy tadqiqotlarning katta tarqoqligiga qaramasdan, bu yerda bitta o‘ziga xoslik seziladi, ushbu sohaga eng ko‘p qiziqish u yoki bu tarzda huquqni muhofaza qiluvchi organlar faoliyati bilan bog‘liq bo‘lgan mualliflar tomonidan bildirilmoqda. Shu nuqtai nazardan, ularning ushbu texnologiyani qanday talqin qilishlari va xavfsizlikni ta'minlash jarayonida undan foydalanish zarurati haqida ko‘rib chiqish qiziqarli. Masalan, M.S. Qodirov profayling sohasidagi o‘z tadqiqotlarida bu sohadagi g‘arb tadqiqotchilaridan tashqari “7 radikal” nazariyasining yaratuvchisi V.V. Ponomarenkodan faol iqtibos keltiradi, bu esa o‘z navbatida huquqni muhofaza qiluvchi organlar faoliyatida zarur bo‘lgan ushbu sohadagi tadqiqotlarning o‘zaro bog‘liqligini ko‘rsatadi. O‘z navbatida, D.A. O‘rmonov o‘z ishlarida profayling o‘z ichiga tezkor psixodiagnostika, hissiyotlar tahlili, manipulyativ texnikalar, gipnotexnologiya, leksika, grafologiya, yuz ifodalarini tahlil qilish, mushaklar faolligini tahlil qilish va ijtimoiy psixologiyani qamrab olishini ta'kidlab, profaylingning fanlararo 903

yo‘naltirilganligini hamda jamoat xavfsizligini ta'minlash jarayonida ushbu texnologiyalarni yanada o‘rganish va qo‘llash zarurligini ta'kidlagan. Profayling tizimining elementlarini R.Tazetdinov o‘z ishlarida tegib o‘tgan bo‘lib, u buni xizmat vazifalarini bajarish vaqtida huquqbuzarliklar yoki jinoyatlarga moyil bo‘lgan maxsus bo‘linmalar xodimlari va harbiy xizmatchilarni dastlabki aniqlash uchun ishlatishni taklif qilgan. Bundan tashqari, uning maxsus bo‘linmalar xodimlarini muayyan vazifalarni bajarishga tayyorlash bo‘yicha qisqa muddatli tezkor-psixologik mualliflik kursida garovga olingan shaxsni jinoyatchidan ajratish bo‘yicha shaxs profaylingi elementlaridan foydalanilgan. Shuningdek, R. Tazetdinov o‘zining “Maxsus bo‘linmalarni harbiypsixologik tayyorlashni takomillashtirish” monografiyasida odamlar gavjum joylarda huquqbuzarlik sodir etishga moyil bo‘lgan shaxslarni aniqlash uchun sun’iy intellektdan foydalangan holda profayling dasturini ishlab chiqish zarurligini ta'kidlagan. Xuddi shunday muammolarni A. Ikanov o‘zining suiqasdchi terrorizmga bag‘ishlangan dissertatsiya ishida ham ko‘tarib chiqqan, unda olomon ichida xudkush terrorchini erta aniqlash elementlari ko‘rib chiqilgan. Sh. Abdusamatovaning fikriga ko‘ra profayling, bu insonning noverbal xulqatvori va xususiyatlarini baholash orqali uning xatti-harakatlarini faktik baholashdir. Vaholanki profillash yoki profil tuzish usuli – bu shaxsning profilini yaratish usuli bo‘lib, u psixologik baholash, kuzatish, tashqi ifodasi va xulq-atvori asosida ularning xatti-harakatlaridagi o‘zgarishlarni tahlil qilish kabi bir necha psixologik usullar yordamida odamlarning xulq-atvoridagi o‘zgarishlarni oldindan bashorat qilishga imkon beradi. Ushbu tadqiqotning maqsadi Potensial jinoyatchilar yoki huquqbuzarlar (bundan buyon matnda – PJ) bo‘yicha mavjud bo‘lgan barcha nashrlarni, shu jumladan taqriz qilinadigan jurnallardagi maqolalar, kitoblar, kitob bo‘limlari, jurnallardagi maqolalar, tadqiqot hisobotlari va tarmoq jurnallaridagi maqolalarni aniqlash va to‘plashdir. Shu maqsadda ushbu tadqiqotga kiritish uchun mos nashrlarni aniqlash maqsadida psixologik, kriminologik va tibbiyot jurnallarining elektron ma'lumotlar bazalarida, shu jumladan Mendeley, Cyberleninka, ELibrary va slib.uz (ushbu yo‘nalishdagi maqolalar yo‘qligi sababli milliy bazalar Inscience.uz va boshq.) da elektron qidiruv ishlari olib borildi. Akademik jurnallar ma'lumotlar bazalariga kiritilmagan kitoblar, kitob bo‘limlari, tarmoq jurnallari va boshqa turdagi nashrlarni aniqlashga yordam berish uchun Google Scholar va yetakchi muallif universitetining xalqaro kutubxonasi kataloglarida qo‘shimcha qidiruv o‘tkazildi. PJ ga oid nashrlarni o‘rganishda mualliflarning ushbu mavzuni o‘rganishga bo‘lgan turli yondashuvlariga e'tibor qaratildi va ularga turli nomlar berildi. PJ bo‘yicha nashrlarni tahlil qilish va izlash o‘z ichiga quyidagi tadqiqotlarni qamrab olgan nashrlarni o‘z ichiga oldi: kriminal profayling, psixologik profayling, xulqatvor profaylingi, shaxsiy profayling, jinoyatchi profaylingi (ingliz tilida offender profiling, psychological profiling, behavioral profiling, criminal profiling). Qidiruv davomida 1976 yil 1 yanvardan 2023 yil 31 dekabrgacha bo‘lgan davrda 904

ushbu kalit so‘zlar bilan bog‘liq bo‘lgan barcha nashrlar hisobga olindi, topilgan nashrlar bilan birgalikda tahlilga kiritish va ushbu mavzu bo‘yicha tegishli ishlarni qidirish uchun mualliflar tomonidan ishlatilgan havolalar hamda ushbu yo‘nalish bo‘yicha tadqiqotchilarning foydalanilgan adabiyotlarida mavjud bo‘lgan, ammo ochiq kirishda topilmagan materiallar ham o‘rganildi. Jami bo‘lib ingliz tilidagi ilmiy nashrlar bazasida 1800 ta nashr aniqlandi (ingliz tilida offender profiling - 396, psychological profiling - 369, behavioral profiling - 319, criminal profiling - 843), rus tilidagi bazada esa 1192 ta. 1976-yildan 2023-yilgacha PJ da eng mashhur mualliflar va iqtibos qilinadigan nashrlar Jadvalda 1976- yildan 2023- yilgacha PJ bo‘yicha asarlarini nashr etgan 13 ta eng mashhur inglizzabon mualliflar (semanticscholar bazasi bo‘yicha) keltirilgan. Ushbu tahlil kim umuman eng sermahsul muallif, eng sermahsul yetakchi muallif va faqat taqriz qilinadigan jurnal nashrlarida eng sermahsul yetakchi muallif ekanligini ko‘rsatadi. Sermahsullik albatta nashrlarning sifati bilan bog‘liq bo‘lmasa-da, sermahsul mualliflar sohaga ko‘proq ta'sir ko‘rsatishi mumkin, chunki ularning g‘oyalari va xulosalari boshqalarga qaraganda tezroq tarqaladi (va agar ular taqriz qilinadigan bo‘lsa, bu sohadagi hamkasblar tomonidan qo‘llab-quvvatlanishidan dalolat beradi). 1976- yildan beri huquqbuzarlarni profillash sohasidagi eng mashhur ingliz tilli mualliflar № 1. 2. 3. 4. 5. 6. 7. 8. 9. 10. 11. 12. 13. Har qanday mualliflik D. Canter E. Beauregard A. Burgess C. Bennell L. Alison R. Kocsis С. C. Salfati R. Hazelwood D. Farrington A. Goodwill R. Santilla R. Ressler J. Douglas Nashrlar soni 327 255 219 160 102 63 59 55 25 14 13 13 13 Iqtiboslar soni 9 262 4 935 7 570 2 261 1 935 1 489 1 359 1 911 578 63 7 mingdan ortiq 7тысяч mingdan ortiq 7тысяч mingdan ortiq тысяч Har bir tahlilda Buyuk Britaniyalik psixolog, Liverpul universitetining faxriy professori, «Journal of Environmental Psychology» jurnali asoschisi Devid Kanter 1976- yildan buyon barcha toifalar bo‘yicha PJ nashrlari soni bo‘yicha etakchi deb topildi. U odamlar va binolar o‘rtasidagi o‘zaro munosabatlarni, shuningdek odamlar shahar muhitini qanday idrok etishlarini o‘rganishdan boshlab, o‘zining "Tergov psixologiyasi: jinoyatchilarni profillash va jinoiy harakatlarni tahlil qilish" 905

kitobida batafsil tasvirlangan tergov psixologiyasini ishlab chiqdi. Eng yaxshi uch muallif qatoriga shuningdek Saymon Freyzer universitetining Kriminologiya maktabi professori, tadqiqotlar bo‘yicha direktor yordamchisi Erik Boregard va Kanadadagi Karlton universiteti qoshidagi Politsiya tadqiqotlari laboratoriyasi direktori, psixolog Kreyg Bennell ham kirdi. FQBning dastlabki profaylerlar jamoasining barcha uch a'zosi (Duglas, Ressler va Xeyzelvud) yetakchi mualliflik va har qanday mualliflik nuqtai nazaridan eng sermahsul mualliflar qatoriga kirdi, biroq taqriz qilinadigan jurnal maqolalariga nisbatan emas. Tahlillardan kelib chiqib aytish mumkinki, rus tilli mualliflar segmentida ushbu yo‘nalishdagi tadqiqotlarga eng ko‘p qiziqishni xavfsizlikni ta'minlash sohasidagi olimlar bildirmoqda, bu esa huquqni muhofaza qiluvchi organlarning profayling yo‘nalishiga bo‘lgan yuqori qiziqishining ko‘rsatkichidir. Shu bilan birga nashrlarni, ularning sifatini va umuman fanga ta'sirini tahlil qilish davomida shuni aniqlandiki, asosan rus tilli tadqiqotchilar yuqoridagi ma'lumotlarda ko‘rsatilgan ushbu yo‘nalishdagi fundamental inglizzabon tadqiqotchilarga tayanishadi, shu bilan birga rus tilli mualliflar tadqiqotlarining iqtibos keltirilishi juda past. Mualliflar iqtiboslarining eng katta miqdori 400-500 iqtibosga to‘g‘ri keladi va eng mashhur mualliflarda ham bu chegaradan oshmaydi. Ushbu fakt profayling yo‘nalishidagi tadqiqotlar tendensiyasi unchalik yuqori emasligidan yoki ularning keng ommaga yopiqligidan dalolat berishi mumkin. Ilmiy bazalar va taqriz qilinadigan jurnallarning ochiq kirish mumkin bo‘lgan o‘zbek tilidagi segmentida Qodirov M.S.ning atigi 4 ta maqolasi va Abdusamatova Sh.S.ning 1 ta maqolasi taqdim etilgan bo‘lib, ushbu sohada ilmiy nashrlar qamrovining pastligi birinchi navbatda xavfsizlikni ta'minlash sohasida mutaxassislar tayyorlashga jalb qilingan akademik muassasalar nashrlariga kirishning qiyinligi hamda huquqni muhofaza qiluvchi organlarning profayling usullariga va jamoat xavfsizligini ta'minlash jarayonida undan foydalanishga yaqindangina qiziqish bildira boshlaganligi bilan bog‘liq. O‘zbekistonda profayling rivojlanishini batafsilroq o‘rganish maqsadida qo‘shimcha ravishda onlayn elektron bazalarga kiritilmagan jurnallar va ilmiy nashrlar o‘rganildi. Bu yo‘nalishda yetakchi o‘quv yurtlari sifatida O‘zR IIV Akademiyasi (muallif Sirliyev B.N.), Bojxona instituti (muallif Qodirov M.S.) va Jamoat xavfsizligi universiteti (mualliflar Rustambayev M.X., O‘rmonov D.A., Ikanov A.A., Mirazov D.M.), O‘zR Strategik tahlil va istiqbolni belgilash oliy maktabi (Tazetdinov R.R., Abdukarimov G.O.) bo‘ldi. Yuqoridagilarni hisobga olgan holda, shuni xulosa qilish mumkinki, deyarli besh o‘n yillik davomida PJ usul sifatida va ko‘plab ilmiy ishlar, hisobotlar va jurnal maqolalari mavzusi sifatida ulkan mashhurlikka erishdi, shuningdek jamoat xavfsizligini ta'minlash sohasida amaliyotda keng qo‘llanila boshladi. Shu bilan birga, odatda "ilm-fan holati" va amaliyotning umumiy muvaffaqiyatini aniqlash uchun qat'iy baholash va sharhlarga ega bo‘lgan muhim tadqiqotlar va amaliy ishlar olib boriladigan ko‘plab boshqa sohalardan farqli o‘laroq, PJ sohasi, ayniqsa MDH hududida nisbatan kam o‘rganilganligicha qolmoqda. Bundan tashqari, profayling fanlar chorrahasida joylashganini va asosan 906

rivojlangan xorijiy mamlakatlarda amaliyotda qo‘llanilishini hisobga olgan holda, ushbu o‘rganish sohasi O‘zbekistonda aniq tizimlashtirilmagan. Shunday qilib, ushbu sharh va tahlil natijalari ilg‘or statistikalardan foydalanadigan PJ nashrlarining soni va sifati o‘sib borayotganini, shuningdek ushbu yo‘nalishning amaliy jihatlari bo‘yicha o‘tkazilgan baholashlar soni ortganini ko‘rsatmoqda. Bu fakt jamoat xavfsizligini ta'minlashda va jinoyatchilik o‘sishini pasaytirishda profayling rolini oshib borayotganidan dalolat berishi mumkin. Shu bilan birga tadqiqotlarning ushbu sohasida muammolar hamda terminologiyaning chuqur tizimlashtirilishi va unifikatsiyasi yo‘qligi kuzatilmoqda. Shuningdek profaylingni qo‘llash metodologiyasi qo‘llanilish joyi doirasiga qarab o‘ziga xos xususiyatlarga ega. Xususan, ushbu soha ilmiy ishonchlilik darajasiga mos kelmasligi haqidagi xavotirlarni bartaraf etish uchun ba'zi ekspertlarning ta'kidlashicha, barcha kelajakdagi profillar katta ma'lumotlar to‘plamlarining ilg‘or statistik tahliliga asoslangan (muallifning intuitsiyasi yoki tajribasiga yoki bir hovuch holatlarning tavsiflovchi statistikasiga emas) ishonchli empirik yondashuv yordamida ishlab chiqilishi kerak va nashr etilishidan oldin ekspert bahosidan o‘tishi kerak. Bundan tashqari, shunchaki profaylingning yangi usullarini ishlab chiqish va ularning ta'siri ijobiy yoki hatto samarali bo‘lishiga umid qilish yetarli emas. Usullar huquqni muhofaza qiluvchi organlar faoliyatiga joriy etilishi kerak va keyin eksperimental sxema yordamida ochilmagan ishlar bo‘yicha hibsga olishlar soniga ta'siri bo‘yicha baholanishi kerak (masalan, Fox & Farrington, 2015 ga qarang). Bu ishonchlilik/xatolikning ma'lum koeffitsientini belgilash va qaysi usullar amaliyotda qo‘llanilganda eng samarali bo‘lishini baholash imkonini beradi. Foydalanilgan adabiyotlar: 1. Fox, B., & Farrington, D.P. (2018). What have we learned from offender profiling? A systematic review and meta-analysis of 40 years of research. Psychological Bulletin, 144(12), 1247-1274. 2. Douglas, J.E., & Burgess, A.E. (1986). Criminal profiling: A viable investigative tool against violent crime. FBI Law Enforcement Bulletin, 55, 9–13. 3. Fox, B.H., & Farrington, D.P. (2015). An experimental evaluation of the utility of burglary profiles applied in active police investigations. Criminal Justice and Behavior, 42, 156–175. 4. Ormerod, D.C. (1996). Psychological profiling. The Journal of Forensic Psychiatry, 7, 341–352. 5. Campbell, C. (1976). Portrait of a mass killer. Psychology Today, 9, 110–119. 6. Dowden, C., Bennell, C., & Bloomfield, S. (2007). Advances in offender profiling: A systematic review of the profiling literature published over the past three decades. Journal of Police and Criminal Psychology, 22, 44–56. 7. Bosco, D., Zappala`, A., & Santtila, P. (2010). The admissibility of offender profiling in courtroom: A review of legal issues and court opinions. International Journal of Law and Psychiatry, 33, 184–191. 8. Ebisike, N. (2008). Offender profiling in the courtroom: The use and abuse of expert witness testimony. London, UK: Praeger. 907

9. Fox, B. H., & Farrington, D. P. (2015). An experimental evaluation of the utility of burglary profiles applied in active police investigations. Criminal Justice and Behavior, 42, 156–175. 10. Wilson, P., Lincoln, R., & Kocsis, R. N. (1997). Validity, utility and ethics of profiling for serial violent and sexual offenders. Psychiatry, Psychology and Law, 4, 1–12. 11. Holmes, R. M., & Holmes, S. T. (1996). Profiling violent crimes: An investigative tool. Thousand Oaks, CA: SAGE. SUN’IY INTELLEKT ASOSIDA VIRUSLI PNEVMONIYANI TASHXISLASH TIZIMIDA AXBOROT ALMASHUV TUZILMASI Naim Nodira Abdujalolovna, TATU tayanch doktoranti, naimnodira02@gmail.com Mansurova Maxina Yashnarovna, UMFT dotsenti, m.ya.mansurova@gmail.com Annotatsiya. Mazkur ishda virusli pnevmoniyani erta aniqlash jarayonida qo‘llaniladigan axborot almashinuvi tuzilmasi tahlil qilinadi. PACS–AI–HIS integratsiyasiga asoslangan model tibbiy tasvirlarni avtomatlashtirilgan tahlil qilish, diagnostika aniqligini oshirish va klinik qaror qabul qilish samaradorligini ta’minlaydi. Kalit so‘zlar: Virusli pnevmoniya, sun’iy intellekt, tibbiy tasvirlar, PACS, axborot almashinuvi. Аннотация. В данной работе анализируется структура информационного обмена, применяемая в процессе ранней диагностики вирусной пневмонии. Модель, основанная на интеграции PACS–AI–HIS, обеспечивает автоматизированный анализ медицинских изображений, повышение точности диагностики и эффективности принятия клинических решений. Ключевые слова: Bирусная пневмония, искусственный интеллект, медицинские изображения, PACS, информационная система. Abstract. This paper analyzes the information exchange structure used in the early diagnosis of viral pneumonia. The model based on PACS–AI–HIS integration provides automated medical image analysis, improves diagnostic accuracy, and enhances the efficiency of clinical decision-making. Key words: Viral pneumonia, artificial intelligence, medical imaging, PACS, information system. Kirish. Bugungi kunda sog‘liqni saqlash tizimida raqamli texnologiyalar va sun’iy intellekt yechimlarini joriy etish kasalliklarni erta aniqlash va samarali davolash imkoniyatlarini kengaytirmoqda. Xususan, virusli pnevmoniya kabi nafas yo‘llari kasalliklarini an’anaviy diagnostika usullari asosida aniqlash ko‘p vaqt talab etishi va inson omiliga bog‘liqligi bilan ajralib turadi. Shu sababli tibbiy tasvirlar va klinik ma’lumotlarni avtomatlashtirilgan holda qayta ishlashga asoslangan axborot tizimlarini ishlab chiqish dolzarb ilmiy-amaliy vazifa hisoblanadi. Mazkur ishning maqsadi virusli pnevmoniyani tashxislash tizimida axborot almashinuvi tuzilmasini tahlil qilish va sun’iy intellekt asosidagi integratsiyalashgan arxitekturaning samaradorligini asoslab berishdan iborat [1]. Asosiy qism. Virusli pnevmoniyani tashxislash tizimidagi axborot almashinuvi diagnostika jarayonining barcha bosqichlarida ma’lumotlarni yig‘ish, uzatish va tahlil qilishni ta’minlovchi integratsiyalashgan arxitekturaga asoslanadi. Ushbu tizimda rentgen tasvirlari, bemorning klinik va laborator ko‘rsatkichlari, 908

shuningdek, sun’iy intellekt modeli tomonidan olingan tahliliy natijalar yagona axborot muhitida boshqariladi. Tizimning markaziy komponentlari PACS (Picture Archiving and Communication System), HIS/EMR (Hospital Information System / Electronic Medical Record) hamda AI tahlil modullaridan iborat. Rentgen apparatlaridan olingan tasvirlar DICOM formatida PACS tizimiga uzatiladi va standartlashtirilgan holda saqlanadi. Keyinchalik ushbu tasvirlar sun’iy intellekt modullariga yo‘naltirilib, oldindan qayta ishlash, o‘pka sohasini segmentatsiya qilish va tasniflash bosqichlaridan o‘tkaziladi[2]. Chuqur o‘rganishga asoslangan AI modellari pnevmoniyaning mavjudligi va ehtimollik darajasini aniqlaydi. Olingan natijalar HIS/EMR tizimlariga uzatiladi va shifokorlar uchun qulay vizual ko‘rinishda taqdim etiladi. Bu klinik qaror qabul qilish jarayonini tezlashtiradi hamda diagnostika xatoliklarini kamaytiradi. Axborot almashinuvi "Client–Server" tamoyiliga asoslanadi. Radiolog, shifokor, laboratoriya xodimi va administrator mijoz sifatida tizimga ulanadi, server esa tasvirlarni saqlaydi, AI modullari yordamida ularni qayta ishlaydi va natijalarni foydalanuvchilarga yetkazadi. Tizimda autentifikatsiya, avtorizatsiya, shifrlash, audit mexanizmlari kabi axborot xavfsizligi choralarining qo‘llanishi tibbiy ma’lumotlarning maxfiyligini ta’minlaydi. Axborot almashinuvi bosqichlari quyidagicha amalga oshiriladi: 1. Tasvirlarni yig‘ish – rentgen apparati orqali olinadi va PACS tizimiga yuboriladi. 2. Axborotni PACS–AI–HIS zanjiri orqali uzatish – tasvirlar AI moduliga o‘tadi. 3. AI tomonidan qayta ishlash – segmentatsiya va klassifikatsiya natijalari shakllanadi. 4. Natijalarni tibbiy mutaxassislarga uzatish – HIS orqali shifokorga yetkaziladi. 5. Monitoring va tahlil – radiolog, shifokor yoki epidemiolog tomonidan baholanadi. 1-rasm. Sun’iy intellekt asosida pnevmoniyani aniqlash va klinik qaror qabul qilish jarayonining funksional arxitekturasi 909

Ushbu axborot almashinuvi tuzilmasi virusli pnevmoniyani aniqlashda zamonaviy axborot texnologiyalarining to‘liq integratsiyalashgan modelini yaratadi. Bu tizim diagnostika jarayonini avtomatlashtiradi, AI yordamida tahlil aniqligini oshiradi va epidemiyaga qarshi kurashish strategiyalarini shakllantirishda muhim analitik ko‘rsatkichlarni taqdim etadi. Virusli pnevmoniya tashxislash tizimida axborot almashinuvi nafaqat tasvirlar bilan cheklanmaydi, balki bemorning klinik ma’lumotlari, laborator tahlillari, anamnez va epidemiologik ko‘rsatkichlar ham integratsiya qilinadi. Tizimning yuqori samaradorligi uchun PACS–AI–HIS uchlik arxitektura real vaqt rejimida ishlashi, ma’lumotlarni qayta ishlashning kechikishlari minimal bo‘lishi va axborot xavfsizligi xalqaro standartlar asosida ta’minlanishi zarur[3]. 2-rasmda rentgen tasvirlarini olish, ularni PACS tizimida saqlash, HL7/FHIR protokollari orqali axborot almashinuvi, AI asosidagi oldindan qayta ishlash, segmentatsiya va tasniflash bosqichlari, shuningdek, tashxis natijalarining EMR/HIS tizimlariga uzatilishi va shifokor tomonidan klinik qaror qabul qilinishi jarayonlari aks ettirilgan. 2-rasm. Sun’iy intellekt asosida tibbiy tasvirlarni qayta ishlash va pnevmoniyani diagnostika qilish axborot tizimining funksional modeli Mazkur rasmda sun’iy intellekt asosida ishlovchi pnevmoniyani diagnostika qilish axborot tizimining umumiy arxitekturasini ifodalaydi. Tizimda rentgen tasvirlari PACS ma’lumotlar omborida saqlanadi va HL7/FHIR protokollari orqali axborot almashinuvi ta’minlanadi. Olingan tasvirlar AI tahlil modulida oldindan qayta ishlanib, U-Net, CNN, ResNet va EfficientNet modellaridan foydalangan holda segmentatsiya va xususiyatlarni ajratish jarayonlaridan o‘tkaziladi. Natijada pnevmoniyaning mavjudligi va og‘irlik darajasi ehtimollik asosida baholanadi[4,5]. 910

Xulosa va amaliy tavsiyalar. Xulosa qilib aytganda, virusli pnevmoniyani tashxislash tizimida samarali axborot almashinuvi tuzilmasini shakllantirish diagnostika jarayonini avtomatlashtirish va tibbiy xizmatlar sifatini oshirishda muhim ahamiyatga ega. PACS–AI–HIS integratsiyasiga asoslangan model tashxis aniqligini oshiradi, klinik qaror qabul qilish vaqtini qisqartiradi va inson omiliga bog‘liq xatoliklarni kamaytiradi. Foydalanilgan adabiyotlar ro‘yxati 1. Naim N., Mansurova M., Kuvnakov A. (2025). Analysis and Selection of an Appropriate Model for Analyzing the Current State and Spread of COVID-19 in Uzbekistan Based on SIR and SIER Models. International IOT, Electronics and Mechatronics Conference, 295-303. 2. Naim, N.A. “Virusli pnevmoniya kasalligini tashxislash malumotlariga raqamli ishlov berish algoritmlari va axborot tizimi”. O‘zbekistonda fanlararo innovatsiyalar va ilmiy tadqiqotlar jurnali 4.40 (2025): 207-209. 3. Naim, Nodira. "SIR va SIER modellari asosida virusli pnevmoniya bilan og‘rigan bemorlarni tashxislash. “Digital transformation and artificial intelligence” 3.2 (2025): 86-90. 4. Muxamediyeva, D., & Naim, N. Pneumonia Detection From Chest X-ray Images Based on EfficientNetB0 Architecture. Scientific Collection «InterConf+», (58), 284-289. 5. Naim, N.A. (2024). Data analysis and processing. SUN’IY INTELLEKT TEXNOLOGIYALARI ASOSIDA VIRUSLI PNEVMONIYANI TASHXISLASHNI QO‘LLAB-QUVVATLOVCHI AXBOROT TIZIMLARI Naim Nodira Abdujalolovna, TATU tayanch doktoranti, naimnodira02@gmail.com Annotatsiya. Ushbu tezisda virusli pnevmoniyani aniqlash jarayonida sun’iy intellektga asoslangan axborot tizimlaridan foydalanish imkoniyatlari yoritilgan. Tibbiy tasvirlarni avtomatik tahlil qilish orqali tashxis aniqligini oshirish va qaror qabul qilish jarayonini optimallashtirish masalalari ko‘rib chiqilgan. Kalit so‘zlar: sun’iy intellekt, virusli pnevmoniya, tibbiy tasvirlar, CAD tizimlari, tashxislash. Аннотация. В тезисе рассматриваются возможности применения информационных систем на основе искусственного интеллекта для диагностики вирусной пневмонии. Особое внимание уделено автоматическому анализу медицинских изображений и повышению эффективности клинических решений. Ключевые слова: искусственный интеллект, вирусная пневмония, медицинские изображения, CAD-системы, диагностика Abstract. This thesis explores the use of artificial intelligence–based information systems in the diagnosis of viral pneumonia. The focus is on automated medical image analysis to improve diagnostic accuracy and support clinical decision-making. Key words: artificial intelligence, viral pneumonia, medical imaging, CAD systems, diagnosis. Kirish. Bugungi kunda sog‘liqni saqlash sohasida raqamli texnologiyalarning jadal rivojlanishi kasalliklarni erta aniqlash va samarali davolash imkoniyatlarini kengaytirmoqda. Xususan, virusli pnevmoniya kabi nafas yo‘llari kasalliklarini tashxislashda an’anaviy usullar ko‘p vaqt talab qilishi va inson omiliga bog‘liqligi bilan ajralib turadi. Shu sababli sun’iy intellekt 911

texnologiyalariga asoslangan axborot tizimlarini joriy etish dolzarb ilmiy-amaliy vazifa hisoblanadi. Ushbu tezisning maqsadi – pnevmoniyani tashxislashda qo‘llanilayotgan zamonaviy AI-yechimlarning funksional imkoniyatlarini tahlil qilishdir[1]. Asosiy qism. So‘nggi yillarda tibbiy tasvirlar asosida kasalliklarni aniqlashda sun’iy intellekt texnologiyalaridan foydalanish kengayib bormoqda. Xususan, virusli pnevmoniyani tashxislash jarayonida CAD (Computer-Aided Diagnosis), PACS (Picture Archiving and Communication System) hamda AI-DSS (Artificial Intelligence Decision Support System) kabi axborot tizimlari muhim o‘rin egallamoqda. Ushbu tizimlar ko‘krak qafasi rentgeni (CXR) va kompyuter tomografiyasi (KT) tasvirlarini avtomatlashtirilgan tarzda qayta ishlash orqali patologik belgilarni aniqlash imkonini beradi. Bu tizimlar ichida eng keng qo‘llaniladigani CAD, PACS va AI-DSS hisoblanadi. Ular tibbiy muassasalarda shifokorlarning qaror qabul qilish jarayonini yengillashtiradi, tashxisning aniqligi va tezkorligini oshiradi. Pnevmoniya tashxislashda qo‘llaniladigan axborot tizimlari bir nechta asosiy funksiyalarni amalga oshiradi: 1. Rentgen (CXR) tasvirlarini qayta ishlash, 2. Kompyuter tomografiyasi (KT) ma’lumotlarini tahlil qilish, 3. Ground-glass opacity va consolidatsiya kabi patologiyalarni aniqlash, 4. Kasallik og‘irligini baholash, 5. Tibbiy hisobotlarni shakllantirish, 6. Klinik, laborator va tasviriy ma’lumotlarni birlashtirish. Ushbu jarayonlarni avtomatlashtirish orqali vaqt tejaladi, inson xatosi kamayadi va diagnostik aniqlik oshadi. Shuningdek, zamonaviy sun’iy intellektga asoslangan axborot tizimlari chuqur o‘rganish algoritmlari yordamida tibbiy tasvirlarda uchraydigan murakkab vizual belgilarni yuqori aniqlikda aniqlash imkonini beradi. Bunday tizimlar radiologlar va klinik mutaxassislar uchun qaror qabul qilish jarayonini qo‘llabquvvatlovchi samarali vosita sifatida xizmat qiladi. Klinik va tasviriy ma’lumotlarning kompleks tahlili kasallikning og‘irlik darajasini aniqroq baholashga hamda individual davolash strategiyasini tanlashga imkon yaratadi. Ayniqsa, pandemiya sharoitida bemorlar sonining keskin ortishi sharoitida bunday avtomatlashtirilgan tizimlarning ahamiyati yanada oshmoqda. Natijada tashxis qo‘yish jarayoni tezlashadi va tibbiy xizmatlar sifati yaxshilanadi. Shu bois, sun’iy intellekt asosidagi diagnostik axborot tizimlarini amaliy tibbiyotga joriy etish dolzarb ilmiy-amaliy masala sifatida qaralmoqda[2]. 912

1-rasm. Pnevmoniyani tashxislashda foydalaniladigan axborot tizimlari klassifikatsiyasi 1-rasmda pnevmoniyani tashxislashda foydalaniladigan axborot tizimlarining asosiy turlari va ularning funksional yo‘nalishlari aks ettirilgan. Klassifikatsiya ko‘krak qafasi rentgeni (CXR) va kompyuter tomografiyasi (KT) tasvirlarini qayta ishlash, patologik belgilarni aniqlash, kasallik og‘irlik darajasini baholash hamda klinik qarorlarni qo‘llab-quvvatlash funksiyalariga asoslangan. Ushbu yondashuv tibbiy tasviriy, klinik va laborator ma’lumotlarni integratsiyalash orqali tashxis qo‘yish jarayonining aniqligi va ishonchliligini oshirishga xizmat qiladi. Chuqur o‘rganishga asoslangan konvolyutsion neyron tarmoqlar (CNN) yordamida tasvirlarda uchraydigan infiltratsiya, konsolidatsiya hamda “groundglass opacity” kabi pnevmoniyaga xos belgilar yuqori aniqlikda ajratib olinadi. Natijada tashxis qo‘yish jarayoni tezlashadi va inson omiliga bog‘liq subyektiv xatolar sezilarli darajada kamayadi. Bunday yondashuv, ayniqsa, radiologlar yuklamasi yuqori bo‘lgan tibbiyot muassasalarida diagnostika samaradorligini oshirishga xizmat qiladi[3]. Shuningdek, zamonaviy sun’iy intellekt tizimlar faqat tasviriy ma’lumotlar bilan cheklanib qolmasdan, klinik va laborator ko‘rsatkichlarni ham kompleks tahlil qilish imkoniyatiga ega. Bu esa kasallik og‘irlik darajasini baholash, davolash taktikasini tanlash va bemor holatini monitoring qilishda qo‘shimcha imkoniyatlar yaratadi. Axborot tizimlarining bunday integratsiyalashgan ishlash mexanizmi shifokorlar uchun qaror qabul qilish jarayonini qo‘llab-quvvatlovchi samarali vosita sifatida xizmat qiladi. Mazkur jarayonlarni avtomatlashtirish orqali tashxis qo‘yish vaqti qisqaradi, inson omiliga bog‘liq xatolar kamayadi va radiologlar yuklamasi sezilarli darajada yengillashtiriladi. Ayniqsa, pandemiya sharoitida tezkor va aniq tashxis qo‘yish zarurati bunday axborot tizimlarining ahamiyatini yanada oshirdi. Dunyo miqyosida virusli pnevmoniyani (COVID-19, SARS, MERS, influenza va boshqa respirator viruslar) aniqlashda sun’iy intellekt texnologiyalariga asoslangan diagnostika tizimlari keng joriy etilmoqda. Xalqaro tibbiyot IT manbalari tahliliga ko‘ra, CXR tasvirlari asosida ishlovchi 913

avtomatlashtirilgan tashxis tizimlari orasida Qure.ai platformasi yetakchi o‘rinlardan birini egallaydi. KT tasvirlarini tahlil qilishda esa Siemens Healthineers Rad Companion tizimi keng qo‘llanilayotgan yechimlardan biri hisoblanadi[4]. Bundan tashqari, Lunit, Philips Healthcare, Arterys va Google Health kabi kompaniyalar tomonidan ishlab chiqilgan AI-platformalar AQSh, Yevropa Ittifoqi, Yaponiya va Janubiy Koreyaning yetakchi klinikalarida muvaffaqiyatli qo‘llanilmoqda. Ushbu tizimlar tibbiy tasvirlarni chuqur o‘rganishga asoslangan algoritmlar yordamida tahlil qilish orqali diagnostika sifatini sezilarli darajada oshirish imkonini bermoqda[5]. Natijalarga ko‘ra, sun’iy intellekt asosida ishlovchi diagnostik tizimlardan foydalanish virusli pnevmoniyani erta aniqlash ehtimolini oshiradi, tashxis qo‘yish vaqtini qisqartiradi va sog‘liqni saqlash xizmatlari sifatini yaxshilaydi. Shu bois, ushbu texnologiyalarni amaliy tibbiyotga joriy etish ilmiy-amaliy jihatdan dolzarb hisoblanadi. Xulosa va amaliy tavsiyalar. Sun’iy intellekt asosida ishlab chiqilgan diagnostik axborot tizimlari virusli pnevmoniyani erta aniqlashda muhim ahamiyatga ega. Bunday tizimlarni tibbiyot muassasalarida keng joriy etish tashxis aniqligini oshirish, vaqt sarfini kamaytirish va sog‘liqni saqlash xizmatlari samaradorligini yaxshilashga xizmat qiladi. Kelgusida ushbu tizimlarni milliy sog‘liqni saqlash axborot platformalari bilan integratsiyalash tavsiya etiladi. Foydalanilgan adabiyotlar ro‘yxati 1. Naim N., Mansurova M., Kuvnakov A. (2025). Analysis and Selection of an Appropriate Model for Analyzing the Current State and Spread of COVID-19 in Uzbekistan Based on SIR and SIER Models. International IOT, Electronics and Mechatronics Conference, 295-303. 2. Naim, N.A. “Virusli pnevmoniya kasalligini tashxislash malumotlariga raqamli ishlov berish algoritmlari va axborot tizimi”. O‘zbekistonda fanlararo innovatsiyalar va ilmiy tadqiqotlar jurnali 4.40 (2025): 207-209. 3. Naim, Nodira. "SIR va SIER modellari asosida virusli pnevmoniya bilan og‘rigan bemorlarni tashxislash. “Digital transformation and artificial intelligence” 3.2 (2025): 86-90. 4. Muxamediyeva, D., & Naim, N. Pneumonia Detection From Chest X-ray Images Based on EfficientNetB0 Architecture. Scientific Collection «InterConf+», (58), 284-289. 5. Naim, N. A. (2024). Data analysis and processing. 914

“Sun’iy Intellekt va Raqamli Iqtisodiyot (SIRI-2026)” маvzusida Respublika ilmiy-amaliy anjumani ILMIY MAQOLA VA TEZISLAR TO‘PLAMI I qism Sun’iy intellekt va raqamli texnologiyalarning matematik modellashtirish muammolari va yechimlari Muharrir: D.M. Mirxidoyatova Dizayner: D.A. Abduraximov Manzil: Toshkеnt shahri, Yakkasaroy tumani, Dilbuloq MFY, Shota Rustaveli ko'chasi, 2 tor ko'chasi, 2-uy Tel.: (55) 506 88 88 E-mail: info@umft-official.uz © UMFT, 2026

Toshkent - 2026