di Maximilian Gerstl e Zeljko Loncaric* | In termini di innovazione ed evoluzione tecnologica, i produttori di dispositivi medicali sono sempre stati all’avanguardia e molti di essi, in qualità di precursori, hanno adottato e utilizzato i sistemi di Intelligenza Artificiale per decenni, ben prima della loro diffusione su larga scala.
La disponibilità di componenti hardware sempre più potenti e lo sviluppo di algoritmi avanzati hanno consentito ai produttori di dispositivi l’impiego di metodologie basate sull’AI per migliorare sensibilmente l’imaging (ovvero la formazione delle immagini) per scopi medici e l’analisi dei dati già nel corso degli anni Novanta.
Negli anni 2000, la progressiva affermazione dell’apprendimento automatico per l’addestramento degli algoritmi di Intelligenza Artificiale ha permesso da un lato di eseguire analisi delle immagini sempre più sofisticate e dall’altro di sviluppare sistemi di elaborazione ad alte prestazioni da impiegare in settori quali la radiologia. Dal 2010 in poi, i produttori di dispositivi hanno fatto ulteriori passi in avanti nell’elaborazione delle immagini e nell’analisi dei big data.
Dispositivi medicali: i vantaggi della modularità
Per progettare l’elettronica di dispositivi medicali che possono trarre vantaggi dall’integrazione dell’Intelligenza Artificiale ci si può rivolgere a congatec, il cui approccio modulare è particolarmente adatto in questo ambito.
Parliamo, ad esempio, di apparecchiature per imaging ad alte prestazioni, come scanner CT (Computer Tomography) e Mri (Magnetic resonance imaging), dispositivi a ultrasuoni e a raggi X, apparecchi per endoscopia e dispositivi per lo screening mammografico.
I Computer-on-Module di congatec, che supportano l’Intelligenza Artificiale, svolgono un ruolo di primo piano anche nei sistemi di monitoraggio dei pazienti, nei robot chirurgici, in apparecchiature quali analizzatori di sangue e sequenziatori di genomi, in apparecchiature terapeutiche come i ventilatori. In questi ultimi, algoritmi intelligenti determinano automaticamente le impostazioni di ventilazione ottimali per i pazienti, analizzano continuamente i dati critici e regolano parametri come la frequenza respiratoria e l’apporto di ossigeno.
L’AI nella diagnosi
Un innovativo algoritmo di AI per la risonanza magnetica consente di completare le scansioni in meno di un minuto, richiedendo un numero inferiore di immagini rispetto ai metodi tradizionali, perché l’AI interpola un numero ridotto di singole immagini in un’immagine complessiva ad alta risoluzione e rende più nitide le aree sfuocate.
Altro caso interessante è quello dell’AI integrata nei dispositivi per endoscopia, ad esempio per avvisare i medici della presenza di lesioni che potrebbero non essere state rilevate durante l’esame. Storicamente, i dispositivi medicali richiedevano acceleratori dedicati per l’elaborazione Gpgpu (General Purpose Graphics Processing Unit), caratterizzati da dimensioni abbastanza grandi, consumi elevati e solitamente integrati attraverso il classico slot PCIe, oppure schede acceleratrici per AI, di dimensioni più contenute, che utilizzavano lo slot M.2.
Attualmente, un numero sempre maggiore di produttori di processori sta adeguando la propria offerta di chip per soddisfare le richieste legate all’uso dell’AI e, grazie all’integrazione diretta di funzionalità AI nei prodotti, molte applicazioni medicali possono realizzate in modo più semplice e rapido senza bisogno delle schede acceleratrici.
La prima generazione di processori Core Ultra di Intel è un esempio di implementazione pratica di questa tendenza. Questi processori abbinano una Cpu, una Gpu ad alte prestazioni e, per la prima volta, una Npu (Neural Processing Unit) su un unico chip.
Con vantaggi anche dal punto di vista dei consumi.La nuova Npu integrata nei processori Meteor Lake, ad esempio, esegue gli algoritmi di apprendimento automatico e le inferenze generate dall’AI con un’efficienza energetica circa 20 volte superiore rispetto a quella del set di istruzioni dell’architettura x86 standard. Queste nuove funzionalità di Intelligenza Artificiale possono essere facilmente implementate utilizzando moduli CoM standard, in particolare quelli in formato CoM Express, senza richiedere agli sviluppatori la modifica dei progetti esistenti.
Congatec, la flessibilità che serve ai progettisti
Le soluzioni basate sui moduli CoM (e le relative schede carrier) assicurano quindi la flessibilità richiesta dagli sviluppatori per adattare i loro prodotti ai nuovi requisiti di elaborazione con oneri minimi in termini sia di integrazione sia di modifiche a livello software. L’operazione è decisamente semplice: è sufficiente scollegare il vecchio modulo e inserire quello nuovo.
Il modello conga-TC700 è un esempio di modulo Com adatto per elaborare carichi di lavoro dell’AI alla periferia della rete (Edge AI) particolarmente complessi. Equipaggiato con i processori della linea Core Ultra di Intel, questo modulo in formato Com Express Compact integra funzionalità AI ed è una soluzione ideale per i mercati medicali verticali (e le relative applicazioni) grazie alla disponibilità sul lungo periodo e alla semplicità di aggiornamento basate sullo standard aperto Com Express.
Sono svariate le applicazioni medicali nelle quali può essere impiegato, dai robot chirurgici alle workstation diagnostiche ad alta risoluzione per radiologia. Intel propone anche il framework software Geti, una piattaforma completa che semplifica la creazione di modelli di visione artificiale particolarmente efficaci. Gli sviluppatori, quindi, possono trarre vantaggio dalla disponibilità di un ecosistema unificato che spazia dall’apprendimento automatico nel cloud ai dispositivi periferici accelerati dall’Intelligenza Artificiale.
Infine, l’ecosistema per moduli CoM di congatec è arricchito dalla presenza di OpenVino, un toolkit software open-source di Intel, che consente l’ottimizzazione e il trasferimento di modelli di AI pre-sviluppati, spesso specifici per un particolare hardware, alla piattaforma del cliente, indipendentemente da dove sono stati creati. OpenVino può anche gestire la distribuzione del carico di lavoro, decidendo in modo intelligente quali compiti devono essere gestiti dalla Cpu, dalla Gpu o dalla Npu al fine di ottimizzare l’efficienza.
* Maximilian Gerstl, Product Line Manager & AI expert e Zeljko Loncaric, Market Segment Manager Medical and Infrastructure di congatec
