04-03-2020 4:53 am Published by Nederland.ai Leave your thoughts

A inteligência artificial (IA) promete trazer uma revolução na área da saúde. A combinação subjacente de Machine Learning e análise pode processar conjuntos de dados médicos tão grandes e imagens médicas que são tão numerosas que ficam fora da escala de pesquisadores, médicos e funcionários. Portanto, este duo de IA promete ajudar a identificar pacientes de risco e impedir o desenvolvimento de doenças e condições médicas. Para os pacientes existentes, a esperança é que a IA possa identificar doenças ocultas, localizar problemas médicos e no desenvolvimento e aplicação de tratamentos que promovam a recuperação do paciente.

No entanto, a adoção foi adiada pelos custos e pela complexidade de criar e possuir os tipos de sistemas de alta qualidade necessários. No entanto, isso está mudando porque os processadores são otimizados para treinamento e inferência de IA e porque são combinados com o software mais poderoso.

Um exemplo disso são os processadores escaláveis Intel® Xeon® de segunda geração. Eles oferecem até 30 vezes mais desempenho para inferência de IA em comparação com a geração anterior Xeon®. O Intel® Deep Learning Boost agora inclui extensões x86 específicas que ajudam a acelerar algoritmos convolucionais e baseados em redes neurais. O desempenho foi aprimorado ainda mais para inferência em lote e em tempo real usando a função de instrução de rede neural vetorial (VNNI) que reduz o número e a complexidade das operações de convolução necessárias para a inferência de IA. O VNNI também reduz o volume de energia necessária para computação e acesso à memória, reduzindo ainda mais a latência e aumentando o desempenho dos aplicativos de IA.

A execução de IA semelhante à produção em escala vai além do hardware – requer também um software poderoso. Aqui, o setor parece estar se fundindo no TensorFlow for Machine Learning de código aberto do Google – uma estrutura para criar e treinar o tipo de cálculos numéricos em larga escala que a IA exige. O TensorFlow usa o Python para fornecer uma API de front-end para a criação de aplicativos, mas a executa em C ++. É muito adequado para treinar e executar redes neurais para a carga de trabalho de reconhecimento de imagem necessária em ambientes médicos comuns, como radiologia e tomografia computadorizada.

A Intel® trabalhou em estreita colaboração com o Google para otimizar as gerações sucessivas do Intel® Xeon® usando a Intel® Math Kernel Library (MKL). Também foi um passo além com o Intel® Xeon® de segunda geração, adicionando suporte à inferência de precisão de 8 bits nos modelos usados para classificação de imagens, detecção de objetos e sistemas de recomendação. Esses sistemas já usavam ponto flutuante de 32 bits para aumentar a velocidade das operações aritméticas realizadas por segundo e reduzir a memória do sistema em cerca de 75%, portanto o MKL é um verdadeiro avanço.

AI, não raios-X

A plataforma Intel® Xeon® já está sendo usada para análises intensivas na área da saúde.

Um dos adotantes é a LineSafe National Imaging Academy of Wales, que usa IA para garantir a colocação adequada de tubos nasogástricos (NG) em pacientes, para transportar alimentos e medicamentos pela cavidade nasal até o estômago. É uma prática estabelecida para médicos e enfermeiros usarem processos manuais de raios-X para avaliar se eles inseriram corretamente o tubo no esôfago e não na traquéia. Pode ser difícil para o pessoal radiologicamente inexperiente separar esses órgãos observando os raios-x devido à sua proximidade, e pode ser fatal fazer isso errado.

O LineSafe agora treina um modelo de aprendizado mecânico para uma colocação perfeita do tubo. O modelo é alimentado com milhares de radiografias do tórax, armazenadas na National Imaging Academy Wales, para que o sistema possa ver com precisão se os tubos NG estão posicionados corretamente.

A equipe de Intel® UK Health and Life Sciences (HLS) trabalha com a LineSafe no projeto desde o início de 2019. Sua função é ajudar a identificar a melhor configuração de hardware e software otimizado para IA para treinamento e produção do aplicativo. A modelagem de IA envolvida usa sistemas com os processadores escaláveis Intel® Xeon® de segunda geração para acelerar o desempenho dos algoritmos que analisam imagens de alta resolução. O Intel® Xeon® possibilita, portanto, fazer comparações com mais rapidez e precisão do que antes.

Detecção de câmera

O CorporateHealth International (CHI) é outra organização de saúde que adota a IA com a Intel®. A empresa, sediada na Dinamarca, oferece um serviço de endoscopia gerenciada com cápsulas intestinais, com base em uma pequena câmera de vídeo que não é maior que uma pílula de vitamina e é engolida pelo paciente. A câmera grava até 400.000 imagens enquanto viaja pelo sistema digestivo em sua missão para ajudar a detectar sintomas de doenças gástricas e intestinais. As imagens são analisadas por uma equipe de enfermeiras.

Diretor Hagen Wenzek: “A IA pode ser uma ferramenta muito valiosa. Treinamos uma rede neural com dados de procedimentos anteriores que nossa equipe já possui, para que a rede neural seja usada para ajudar os enfermeiros a iluminar todas as imagens suspeitas”. A CHI colaborou com os Intel® AI Builders – uma rede de produtores de software, integradores e fabricantes de equipamentos – para selecionar a melhor combinação de hardware e software para o aplicativo. A AI Builders também ajudou na implementação e integração nos sistemas de negócios da CHI para processar com segurança os dados do paciente.

A CHI usa dois servidores com o Intel® Xeon®, um para processamento de dados e outro para desenvolvimento de IA. O servidor de processamento de dados processa e analisa os arquivos de vídeo RAW originais, que são muito mais rápidos com a nova arquitetura Intel® Xeon® e mais baratos que a infraestrutura de leasing, com recursos semelhantes, dos provedores de serviços em nuvem.

“Se você alugar isso pela nuvem, na verdade fica caro muito rapidamente”, observa Wenzek. A contratação de especialistas em IA também teria sido cara para a CHI. A CHI usou as competências e os recursos do programa Intel® AI Builders.

Planejando a radioterapia

A Intel também está trabalhando com o NHS Trust da Velindre University e a Escola de Engenharia da Universidade de Cardiff no projeto ASPIRE. O objetivo do projeto é desenvolver sistemas de aprendizado profundo capazes de automatizar o planejamento do tratamento do câncer de esôfago com radioterapia.

Esse cronograma geralmente depende de um oncologista treinado que realiza uma tomografia computadorizada de diagnóstico (tomografia computadorizada) para determinar a posição de um tumor – um processo que pode levar vários dias. A ASPIRE se esforça para reduzir esse prognóstico com um modelo de máquina treinado para determinar com precisão a localização de um tumor. O modelo é ensinado usando mais de mil digitalizações 3D com estruturas rotuladas.

Também aqui, a Intel® ajudou a equipe da ASPIRE na escolha da configuração de hardware e software, incluindo oficinas para a equipe envolvida no treinamento e na otimização do desempenho e precisão do modelo da máquina. À medida que a precisão do ASPIRE é aprimorada, supõe-se que a atribuição possa ser estendida ao planejamento da radioterapia contra tumores em outros locais do corpo humano.

Reconhecimento de imagem

O reconhecimento de imagens é uma parte promissora da medicina e aqui a Intel® desenvolveu a Inferência Visual Aberta e a Otimização de Rede Neural, ou OpenVINO, que podem ajudar. É um kit de ferramentas para ajudar os desenvolvedores a criar e implementar rapidamente a visão computacional das câmeras em dispositivos baseados em IP. O OpenVINO trabalha com estruturas populares de código-fonte aberto, como TensorFlow e Caffe e com processadores Intel®.

A distribuição Intel® do OpenVINO ™ é otimizada para Intel® Xeon®. Uma das vantagens é que a carga de trabalho da IA pode ser acelerada sem a necessidade de GPUs caras em periféricos que, de outra forma, seriam relativamente baratos na compra e na execução. Ajuda empresas como a MaxQ AI, especialista em diagnóstico médico, que usou a distribuição Intel® para triplicar o poder de computação de sua plataforma de detecção de AVC e hemorragia intracraniana (ICH) Accipio. O Accipio usa algoritmos de visão que foram treinados usando o Machine Learning e redes neurais.

Outra empresa que usa a plataforma Intel® em medicina é a JLK Inspection, fornecedora de plataformas de IA. A empresa criou 37 algoritmos para uso em inspeções médicas de diferentes partes do corpo. Muitos desses algoritmos são usados em pequenos mini PCs Intel® NUC de baixo custo com Intel® Distribution ou OpenVINO ™ para reconhecimento de imagem. O Intel® Distribution ou o OpenVINO ™ oferece aos desenvolvedores de software de IA, como o JLK Inspection, um conjunto pronto de ferramentas de aprendizado profundo baseadas em redes neurais convolucionais (CNN) para tarefas de inferências visuais, como classificação de imagens e detecção de objetos.

O ponto comum aqui é – claramente – que a análise orientada por IA está começando a penetrar em algumas áreas estressantes da medicina. Ajuda a resolver vários problemas complicados, graças ao poder da IA de quebrar volumes desafiadores de dados estruturados e não estruturados, em apoio a profissionais médicos. Por trás desses desenvolvimentos, há uma pilha acelerada de hardware e software da Intel® que fornece a eficiência computacional necessária para análises rápidas e precisas por um preço crucial para a IA.

Tags: , , , , , , , , , , ,

Deixe uma resposta

O seu endereço de email não será publicado. Campos obrigatórios marcados com *

14 + twelve =

The maximum upload file size: 256 MB. You can upload: image, audio, video, document, spreadsheet, interactive, text, archive, code, other. Links to YouTube, Facebook, Twitter and other services inserted in the comment text will be automatically embedded. Drop file here