По итогам анализа патентного массива 2019 года и 1 полугодия 2020 года Роспатент по традиции выделил «100 лучших изобретений» (список опубликован на сайте ведомства).
Среди последних достижений российских изобретателей по направлению «Искусственный интеллект, цифровые решения, информационно-телекоммуникационные технологии», в частности, есть способ определения психоэмоционального состояния по голосу. Ученые Новосибирского государственного университета с помощью искусственного интеллекта создали технологию оценки психоэмоционального состояния человека по анализу голосового сигнала (патент № 2718868). Изменения голоса пациента, являющиеся признаками психологического расстройства или критического состояния, ранее выявлялись специалистом исключительно «на слух». Запатентованный способ помогает выявить такие долговременные и часто маскируемые пациентом психоэмоциональные расстройства, как тревога, депрессия, агрессия и аутоагрессия. Кроме медицины, данная технология может найти свое применение в системах безопасности и идентификации, а также использоваться в педагогике и социальной работе.
В свою очередь разработка компании «Интеллоджик» (участник Ассоциации «НБМЗ») относится к области искусственного интеллекта, а именно к способу формирования математических моделей пациентов. Технический результат заключается в повышении точности диагностирования, анализа и прогноза развития заболеваний. В предложенном способе варианты развития заболевания у пациентов формулируются с помощью обучающей выборки, сбора данных из историй болезни других пациентов. На основе «идеальной истории болезни» создается «опорная» математическая модель возможного развития заболевания, которая сравнивается с историей болезни пациента. Полученные в результате сравнения данные преобразуются в последовательность медицинских фактов, на основе чего формируется векторное представление возможного развития заболевания. Преимущества предложенного отечественными разработчиками способа, в отличие от уже широко используемых нейросетевых моделей, состоит в возможности обучения нейронной сети на конкретных, специализированных данных, что обеспечивает возможность описания болезней в векторном виде. Как следствие, обученная предлагаемым способом нейросеть, позволяет спрогнозировать возможные варианты течения болезни и подобрать оптимальную стратегию лечения.