Вовлечение современных технологий таких, как нейросети, облачные вычисления и искусственный интеллект, в нахождение патогенетических особенностей развития заболевания является неоспоримым преимуществом нашей разработки. Кроме огромной скорости обработки массива данных, система способна к самообучению и самоусовершенствованию диагностических алгоритмов, направленных исключительно на увеличение числа диагностируемых заболевания и, что наиболее важно, точности их диагностики.

Значительная часть клинической манифестации заболеваний респираторной системы, например бронхит, бронхопневмония, абсцесс, пневмоторакс, новообразования и т. д.) имеют крайне схожую аускультативную картину, которая может существенно затруднять проведение первичной диагностики и дальнейшей дифференциальной диагностики. Соответственно, практикующему специалисту требуется проведение комплексной лабораторно-визуализационнойдиагностики, что может отдалить назначение эффективного лечения, поскольку существенно занимает время и требует значительных финансовых трат как со стороны пациента, так и со стороны системы здравоохранение.

Клинические испытания будут проходить в несколько этапов: 1 этап — небольшая (300-400) человек выборка для создания алгоритма диагностики. 2 этап — (тысячи) «апробация» и усовершенствование разработанного алгоритма и прототипа, нахождение программных и аппаратных ошибок; 3 этап — (сколько будет, чем больше, тем лучше) пострегистрационное исследование — уже на этапе нахождения изделия на рынке проводятся исследования на любой выборке для дальнейшей оптимизации и исправления ошибок, так же для проверки диагностической ценности, безопасности и эффективности.