Учёные научно-образовательного центра «Искусственный интеллект» ВВГУ приняли участие в X Международной научной конференции «Интеллектуальные информационные технологии для индустрии» (IITI’26). Мероприятие состоялось с 14 по 18 октября 2026 года в городе Чанша (Китай) на базе Международного института математических наук «Кайюань».
Организаторами конференции выступили РГУПС, АО «НИИАС» и институт KIMSI при поддержке Российской ассоциации искусственного интеллекта. Научная программа охватила широкий круг вопросов, связанных с развитием и внедрением интеллектуальных технологий: от применения искусственного интеллекта в промышленности и на транспорте до генеративных моделей и интеллектуальных медицинских систем.
- Профессор научно-образовательного центра «Искусственный интеллект» ВВГУ, доктор технических наук, член-корреспондент РАН Валерия Викторовна Грибова, являющаяся вице-президентом Российской ассоциации искусственного интеллекта и заместителем директора по научной работе Института автоматики и процессов управления ДВО РАН, представила доклад «An Approach to Automated Analysis and Aggregation of Knowledge in Laser Additive Manufacturing Metals» («Подход к автоматизированному анализу и агрегации знаний в лазерном аддитивном производстве металлов»). Выступление состоялось в рамках секции «Искусственный интеллект в промышленности» и было посвящено подходам к автоматизированному анализу и агрегации знаний в области лазерного аддитивного производства металлов.
- В секции «Интеллектуальные медицинские системы» младший научный сотрудник лаборатории цифрового моделирования и анализа данных физики и биомедицины Никита Сергеевич Куксин представил доклад на тему - «Phenotyping of Risk Factors for In-Hospital Mortality in Patients with STSegment Elevation Myocardial Infarction» («Фенотипирование факторов риска внутригоспитальной летальности у больных инфарктом миокарда с подъёмом сегмента ST»). Дoклад посвящён разработке метода объяснимого искусственного интеллекта, позволяющего объединять факторы риска, оказывающие синергичное влияние на клинический исход, в отдельные фенотипы. Полученные фенотипы используются в качестве предикторов прогностических моделей. Апробация метода проводилась на задаче прогнозирования внутригоспитальной летальности пациентов с инфарктом миокарда с подъёмом сегмента ST после чрескожного коронарного вмешательства. В основу исследования легли данные электронных историй болезни. Предложенный подход объединяет методы машинного обучения, включая построение леса факторов риска, случайный лес и многофакторную логистическую регрессию. Его применение позволило получить высокое качество прогноза и обеспечить интерпретируемость результатов за счёт формирования прозрачных правил, описывающих сочетания факторов риска. Фенотипирование позволяет перейти от анализа отдельных медицинских показателей к выявлению закономерностей и взаимосвязей между факторами риска, облегчая клиническую интерпретацию результатов прогнозирования. Результаты исследования могут быть использованы при разработке интерпретируемых моделей машинного обучения для поддержки принятия клинических решений. Работа выполнена при поддержке Российского научного фонда (грант № 25-21-00165).
- В рамках конференции также выступил ассистент научно-образовательного центра «Искусственный интеллект» и аспирант ВВГУ по направлению «Системный анализ, управление и обработка информации, статистика» Андрей Александрович Вишневский. Тема выступления - «Effectiveness of Machine Learning Methods and Survival Analysis in Assessing Mortality Risk in Patients with Acute Coronary Syndrome at Various Observation Horizons» («Эффективность методов машинного обучения и анализа выживаемости в оценке риска смертности у пациентов с острым коронарным синдромом на различных горизонтах наблюдения»). В исследовании проведено сравнение моделей машинного обучения и методов анализа выживаемости для оценки риска смертности пациентов с острым коронарным синдромом без подъёма сегмента ST. Анализ охватывал три временных интервала: до 30 дней, от одного месяца до одного года и от одного года до трёх лет. Результаты показали, что гибридный подход, основанный на объединении прогнозов отдельных моделей для каждого временного интервала в единую функцию выживаемости, демонстрирует точность, сопоставимую с лучшими из исследованных моделей анализа выживаемости. При этом предложенный метод позволяет более гибко оценивать индивидуальный риск с учётом изменения значимости прогностических факторов на разных этапах наблюдения.
Помимо секционных заседаний, программа IITI’26 включала лекции, посвящённые перспективам развития искусственного интеллекта и его практическому применению. Участие в IITI’26 позволило учёным ВВГУ представить результаты своих исследований международному научному сообществу, обменяться опытом с коллегами и обсудить перспективы дальнейшего развития интеллектуальных технологий. В представленных докладах показаны возможности применения методов искусственного интеллекта для решения актуальных прикладных задач в промышленности и здравоохранении.