6,6 miliardi di dollari entro il 2021 e i 13 miliardi di dollari entro il 2025: sono questi i numeri che molto probabilmente raggiungerà il mercato dell’applicazione dell’intelligenza artificiale in campo medico che progredisce con una crescita annua composta del 40%. Sia che venga impiegata per l’imaging medico o il sequenziamento genomico, il successo dell’AI dipende dall’accesso alle grandi quantità di dati utilizzate per identificare modelli, sviluppare intuizioni predittive e abilitare sistemi autonomi sempre più accurati. Tuttavia, secondo i leader del settore IT, i silos di dati e la complessità della tecnologia costituiscono le principali sfide per il trasferimento dei progetti di questo tipo alla fase di produzione.
Una delle più recenti applicazioni dell’AI nell’imaging medico è BacillAi, un sistema che utilizza il deep learning e hardware a basso costo per il trattamento della tubercolosi (TB), la seconda causa di morte per malattie infettive nei paesi in via di sviluppo. Attraverso uno smartphone vengono catturare immagini da un 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. Si tratta dell’ultimo risultato della struttura di ricerca di Cambridge Consultants, dotata dell’architettura collaudata NetApp ONTAP AI, supportata dai supercomputer NVIDIA DGX e dallo storage all-flash NetApp connesso al cloud, che consente di attingere con sicurezza a fonti di dati sempre più consistenti, con scalabilità e ottime prestazioni senza interruzioni.
Imaging medico e AI nel trattamento della tubercolosi
L’elevato tasso di mortalità della tubercolosi 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. Questo comporta un affaticamento per i medici, oltre che risultati che arrivano con ritardo e di scarsa qualità per la diagnosi dei pazienti.
BacilAi è un sistema end-to-end che utilizza uno smartphone per catturare immagini da un microscopio da laboratorio e analizza le immagini del campione di espettorato utilizzando un algoritmo di deep learning per identificare, contare e classificare le cellule della tubercolosi, riuscendo così a 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’AI 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.
I partner NetApp e il loro impegno nell’AI
Cambridge Consultants è una società globale di consulenza nello sviluppo di prodotti e tecnologia che fornisce servizi di ricerca e sviluppo in outsourcing. All’avanguardia nel campo dell’AI, applica il deep learning a una vasta gamma di applicazioni in vari campi come il rilevamento di anomalie nelle reti di telecomunicazione, la guida autonoma, le interfacce utente, la diagnosi e il monitoraggio medico.
Le soluzioni NetApp consentono di integrare il data fabric e di ottimizzare il flusso di dati attraverso tutte le fasi: dalla raccolta all’edge; alla preparazione, l’apprendimento e le deduzioni al core; fino all’analisi e tiering utilizzando il cloud più grande al mondo. NetApp offre una potente piattaforma dati unificata per alimentare, addestrare e gestire applicazioni di AI, machine learning e deep learning.
