Il mercato dell’applicazione dell’intelligenza artificiale (IA) in campo medico sta crescendo rapidamente. Con una crescita annua composta del 40%, si prevede che raggiungerà i 6,6 miliardi di dollari entro il 2021 e i 13 miliardi di dollari entro il 2025. Poiché l’adozione dell’IA si sta diffondendo in tutto il settore sanitario, le organizzazioni devono essere pronte ad affrontare una crescita esponenziale dei dati.
Sia che si utilizzi l’IA per l’imaging medico o il sequenziamento genomico, il successo dell’IA dipende interamente dall’accesso alle grandi quantità di dati che possono essere utilizzate per identificare modelli, sviluppare intuizioni predittive e abilitare sistemi autonomi sempre più accurati. Tuttavia, questi dati possono essere ovunque, sono intrinsecamente dinamici e spesso si presentano in forme multiple. Di conseguenza, i leader del settore IT affermano che i silos di dati e la complessità della tecnologia sono le due maggiori sfide per il trasferimento dei progetti di IA alla fase di produzione, in modo che i progetti possono essere sviluppati più rapidamente e senza essere limitati da dove i si trovano i dati. In sintesi, c’è bisogno di costruire un vero data fabric.
BacillAi™, che utilizza il deep learning e hardware a basso costo per il trattamento della tubercolosi (TB), è l’ultimo risultato della struttura di ricerca di Cambridge Consultants, dotata dell’architettura collaudata NetApp® ONTAP® AI, basata sui sistemi NVIDIA DGX e sullo storage NetApp connesso al cloud.
La tubercolosi è la seconda causa di morte per malattie infettive nei paesi in via di sviluppo e il suo elevato tasso di mortalità è dovuto in gran parte alla mancanza di diagnosi economicamente accessibili e ai risultati incoerenti ottenuti nel follow-up dei pazienti. La tubercolosi viene controllata prelevando un campione di espettorato e contando manualmente le cellule al microscopio. Nei paesi con scarse risorse è molto difficile, in particolare dove c’è poco personale qualificato che si trova a lavorare in condizioni difficili. I medici possono avere bisogno di riguardare dieci pazienti al giorno, mentre per ogni paziente possono avere bisogno di contare centinaia di cellule attraverso un microscopio. Questo comporta un affaticamento degli occhi per i medici, oltre che risultati che arrivano con ritardo e che sono di scarsa qualità per la diagnosi dei pazienti.
BacilAi è un sistema end-to-end che utilizza uno smartphone per catturare immagini da un normale microscopio da laboratorio. Il sistema analizza le immagini del campione di espettorato utilizzando un algoritmo di deep learning per identificare, contare e classificare le cellule della tubercolosi, al fine di determinare lo stato di malattia del paziente. I risultati del test vengono restituiti al medico attraverso un’applicazione dedicata. Avere un sistema automatizzato alimentato dall’IA per contare le cellule e classificare la progressione del trattamento offre vari vantaggi, tra cui una maggiore precisione, una maggiore produttività e la digitalizzazione automatica dei risultati.
Facebook Comments