O sistema usa dados coletados na admissão do paciente e exames clínicos para detectar se a pessoa está contaminada com o novo coronavírus, sendo uma alternativa aos exames específicos à doença, que por um lado estão em falta, e por outro algumas vezes não são eficientes.
O algoritmo foi treinado para identificar os grupos musculares faciais que eram ativados em decorrência de estímulos físicos característicos de emoções como prazer, desgosto ou medo. Assim, foi possível identificar que as reações faciais dos ratos de laboratório são excelentes indicativos do estado emocional dos animais, o que permite usá-los como modelos para o estudo do processamento das emoções em pessoas.
A ferramenta reconhece nas imagens de raio X as regiões com probabilidade de desenvolver pneumonia, permitindo que os pacientes que desenvolverão quadros mais graves da COVID-19 recebam o tratamento adequado.
O modelo foi treinado usando imagens de tomografia computadorizada de pacientes que receberam uma de três opções terapêuticas, sendo capaz de prever, a partir de um número reduzido de features radiológicos, quais pacientes se beneficiariam mais de qual terapia.
O algoritmo do sistema foi treinado para identificar cabeças humanas, e emite um alerta caso um corpo submergido esteja imóvel por mais que 15 segundos, adicionando uma camada extra de segurança para as medidas de prevenção já colocadas em prática.
A ferramenta da empresa Ageas permite que o cliente envie fotos do dano, e o algoritmo determina a sua gravidade, os reparos necessários, as horas de trabalho e a estimativa de custos. Ao contrário dos dias necessários para a tratativa tradicional, a resposta é recebida imediatamente.
A empresa UVeye desenvolve sistemas de inspeção de segurança veicular usando inteligência artificial dotada de visão computacional, e agora adaptou sua tecnologia para ser capaz de reconhecer pessoas com febre através do para-brisa usando sensores térmicos por infravermelho. Ela espera equipar hospitais e instalações de saúde para identificar possíveis vítimas do vírus e evitar o contágio, diminuindo a dispersão e ao mesmo tempo mantendo íntegro seu quadro operacional.
O trabalho envolveu extrair traços de personalidade dos autores a partir dos seus textos, e usar esses traços para prever o grau de confiança atribuído aos autores. Os resultados mostraram que a inclusão desses fatores na análise alcançou resultados melhores de predição que aqueles baseados somente em variáveis numéricas obtidas das plataformas onde ocorreram as postagens, indicando a importância desse paradigma afetivo na atribuição de confiança por métodos de inteligência artificial.
O modelo foi treinado com dados clínicos, demográficos e radiológicos de pacientes infectados com o novo coronavírus para predizer quais deles apresentariam agravamento dos sintomas, o que possibilitou ainda descobrir novos marcadores associados à evolução da doença.
Os participantes do estudo, que tinham implantes cerebrais para tratar epilepsia, leram algumas frases selecionadas em voz alta. Os sinais cerebrais captados pelos implantes foram convertidos em features convolucionais, que depois foram usados numa estrutura encoder-decoder para serem convertidos no texto original.
