EO_472

XVII MEDICAL 18 - SETTEMBRE 2018 ARTIFICIAL INTELLIGENCE in termini di elaborazione, pari a 3,6 TFLOP, ottenute gra- zie alla presenza di CPU multi-purpose e GPU presenti sul medesimo chip, sono le stesse che fino a non molti anni fa erano conseguibili con sistemi caratterizzati da consumi di parecchie centinaia di watt. Questa potenza di calcolo è ora disponibile a fronte di consumi a partire da 15W. Ciò permette l’integrazione di queste risorse di elaborazione in dispositivi medicali robusti che operano in assenza di ven- tole, sigillati e sicuri dal punto di vista igienico utilizzati per servizi mobili di assistenza e orientati ai pazienti. Deep learning e intelligenza artificiale: oltre la magia Questi nuovi processori embedded di AMD possono fare affidamento su un supporto software completo che com- prende tool e framework come TensorFlow, Caffe e Keras, necessari per poter introdurre in tempi brevi e su larga sca- la l’intelligenza artificiale e gli algoritmi di deep learning. All’indirizzo https://gpuopen.com/professional-compute/ gli sviluppatori possono trovare un’ampia gamma di tool sof- tware e ambienti di programmazione per applicazioni di intelligenza artificiale e deep learning come la diffusa piat- taforma ROCm per applicazioni GPGPU. L’open source è un concetto chiave per assicurare l’indipendenza degli OEM da soluzioni di natura proprietaria. Tra i vari tool disponibili si può segnalare HIPfy, che consente la con- versione delle applicazioni proprietarie basate su CUDA in applicazioni HIP C++ portatili, rendendole in tal modo indipendenti dall’hardware. Grazie alla possibilità di acce- dere a questo ecosistema, l’implementazione di applicazio- ni d’intelligenza artificiale e di deep learning risulta rela- tivamente semplice e non più appannaggio solamente di colossi del settore IT come Google, Apple, Microsoft e Fa- cebook. Anche gli sviluppatori di app per dispositivi mobili hanno iniziato a implementare algoritmi di deep learning e d’inferenza locale per applicazioni reali: un esempio è rappresentato da Not Hotdog, una app in grado di ricono- scere differenti hot dog a partire dalle foto memorizzate nei telefoni mobili. Un chiaro esempio che testimonia l’in- gresso dell’intelligenza artificiale nel settore privato. Moduli COM per accelerare l’integrazione A questo punto non resta che domandarsi come i produt- tori di dispositivi medicali possano integrare queste risorse di intelligenza artificiale nei loro dispositivi di visualizzazio- ne nel modo più rapido ed efficiente possibile. Una delle metodologie più efficienti è rappresentato dall’utilizzo di moduli COM (Computer-on-Module) standard. Un ap- proccio di questo tipo, di natura modulare, permette di svincolare un dispositivomedicale da una particolare archi- tettura di processore, consentendo in tal modo ai costrutto- ri di mettere a punto una roadmap stabile che assicuri sia la disponibilità sul lungo periodo sia un efficiente riutilizzo di tutto ciò che è già stato sviluppato. Mediante una semplice sostituzione dei moduli, è possibile aumentare le prestazio- ni dei progetti esistenti, consentendo agli OEMdi ampliare le funzionalità dei loro design mediante l’integrazione di queste caratteristiche innovative. COM Express, senza dub- bio il più diffuso fattore di forma per moduli di questo tipo, è già ampiamente utilizzato in un gran numero di dispositi- vi medicali. Gli OEM possono quindi utilizzare un approc- cio di tipo “plug-and-play”, che prevede quindi un semplice scambio di moduli, per rendere i loro prodotti hardware per applicazioni medicali compatibili con le applicazioni basate sull’intelligenza artificiale. congatec ha già ampia- mente sperimentato la semplicità e la rapidità con cui è possibile implementare questo approccio in parecchi pro- getti utilizzando il nuovo modulo conga-TR4 che ospita i processori Ryzen Embedded V1000 di AMD. Per effettuare la migrazione del modulo su un sistema esistente, gli svilup- patori di una società partner di congatec hanno impiegato lo stesso tempo richiesto per equipaggiare lo stesso sistema con una soluzione hardware che aveva già superato il pro- cesso di valutazione. Per il setup del software erano richie- ste le normali routine di installazione. Grazie all’API stan- dardizzata, identica per tutti i moduli prodotti da congatec, non è stato richiesto nessun onere di programmazione ag- giuntivo. Da ciò ne consegue, ad esempio, che il controllo dei GPIO è il medesimo per ciascun modulo. I progettisti di sistemi richiedono una funzionalità di questo tipo per misurare, ad esempio, i livelli di luminosità ambiente al fine di regolare automaticamente la luminosità del display. Con i moduli congatec la migrazione verso i processori AMD non rappresenta un problema, bensì un’opportunità per lo sviluppo di sistemi che in futuro vorranno sfruttare le potenzialità offerte dall’intelligenza artificiale. Bibliografia/Note 1 – https://www.sciencedaily.com/relea- ses/2016/08/160829122106.htm 2 – https://news.stanford.edu/2017/01/25/artificial-intelli- gence-used-identify-skin-cancer/ 3 – https://www.mountsinai.org/about/newsroom/2017/uni- versity-herald-deep-learning-the-most-advanced-artificial- intelligence-chris-brandt 4 – https://www.pwc.de/de/gesundheitswesen-und-phar- ma/studie-sherlock-in-health.pdf Modulo standard su una scheda standard: la scheda madre conga-IT6 in formato mini-ITX di congatec può essere equipaggiata con un nuovo modulo e quindi inserita in un dispositivo medicale conforme allo standard ATX

RkJQdWJsaXNoZXIy MTg0NzE=