L‘intelligenza artificiale avanza rapidamente in campo medic, con un tasso di crescita del 40% anno su anno. Il giro di affari previsto è peraltro davvero rilevante: l’ordine di grandezza è di ben 13 miliardi di dollari entro il 2025.
Sia che si utilizzi l’IA per l’imaging medico o il sequenziamento genomico, il successo dell’IA dipende essenzialmente dall’accesso alle grandi quantità di dati. Questi possono essere utilizzati 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. Ne consegue 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, il deeplearning contro la tubercolosi
Un esempio di applicazione pratica è 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.
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 dalla intelligenza artificiale per contare le cellule e classificare la progressione del trattamento offre vari vantaggi in campo medico. Ad esempio, una maggiore precisione, una maggiore produttività e la digitalizzazione automatica dei risultati.