L’AI nell’innovazione degli ausili sanitari

In India, la fondazione Usa Sankara Eye e la singaporiana Leben Care stanno implementando una soluzione basata su cloud Netra.AI e su tecnologia Intel per identificare le condizioni di salute della retina. Per migliorare gli apparecchi acustici, invece, i ricercatori dell'Università di Berna e dell'Inselspital hanno ideato un nuovo approccio basato su microfoni ausiliari virtuali i cui segnali sono calcolati (e guidati) dall'AI [...]
Luigi Mischitelli

Privacy & Data Protection Specialist at IRCCS Casa Sollievo della Sofferenza

ausili sanitari
  1. Home
  2. Intelligenza Artificiale
  3. L’AI nell’innovazione degli ausili sanitari

È ormai acclarato che l’intelligenza artificiale riguarda e riguarderà sempre più il settore sanitario. In questo caso parliamo delle principali innovazioni nel campo visivo e uditivo, ovvero di come l’AI possa essere impiegata per innovare gli ausili sanitari.

AI e ausili sanitari: lo screening retinico in India

La fondazione statunitense Sankara Eye e l’azienda singaporiana Leben Care stanno implementando una soluzione di intelligenza artificiale – basata su cloud Netra.AI (by Leben Care) e sulla tecnologia “made in Usa” di Intel – per identificare le condizioni di salute della retina, in un breve lasso di tempo e con un livello di precisione proprio dei medici “in carne e ossa”. In un paese come l’India, dove opera la Sankara Eye Foundation, che ha un basso rapporto medico-paziente, l’intelligenza artificiale può consentire un maggiore accesso alle cure degli esperti da qualsiasi luogo del mondo, grazie anche alla telemedicina e alla robotica applicate in diversi ambienti di degenza e in diversi ambienti ambulatoriali. È certo che l’intelligenza artificiale rafforzerà il ruolo dell’assistenza sanitaria fornendo un forte ausilio nello screening, nella diagnosi e nel trattamento delle malattie, migliorando così la qualità della vita e riducendo l’onere dei costi per i pazienti.

In questa partita indiana, il colosso statunitense Intel ha concentrato i suoi sforzi per accelerare l’innovazione nel campo dell’intelligenza artificiale, fornendo soluzioni sanitarie ad hoc e “democratizzare” l’accesso e la fornitura di assistenza sanitaria in India, ancora oggi preclusa ad alcune fasce della popolazione. La soluzione di intelligenza artificiale in esame, basata sul cloud Netra.AI, è l’ultimo esempio dell’impatto dell’innovazione per gli ausili sanitari che può essere resa possibile dall’impiego della tecnologia.

Come funziona la “soluzione indiana”

La “soluzione indiana” utilizza il Deep learning (apprendimento profondo) per identificare le condizioni della retina in un breve lasso di tempo e con un livello di precisione unico. Netra.AI può identificare con precisione la retinopatia diabetica (complicazione del diabete che colpisce gli occhi), riducendo notevolmente il ricorso allo screening da parte dei medici. Riferendoci all’India, la mancanza di specialisti della retina, soprattutto nelle regioni remote e rurali del subcontinente, è sempre difficile sottoporsi a screening efficaci, soprattutto nelle fasi iniziali della malattia. Questo si traduce in pazienti che si presentano in ospedale in ritardo, con una retinopatia diabetica già in fase avanzata. Come accennato, per affrontare questa sfida la statunitense Sankara Eye Foundation – che ha il compito di combattere la cecità curabile in India – ha collaborato con Leben Care, con sede a Singapore, per sviluppare e implementare la piattaforma “software-as-a-service” Netra.AI per la valutazione dei rischi correlati alla retina.

La soluzione mista Usa-Singapore analizza le immagini provenienti da dispositivi portatili muniti di telecamera (e gestiti da tecnici) e rilascia risultati immediati di classificazione della retinopatia diabetica, il tutto tramite l’ausilio di un portale web basato su cloud. Il sistema utilizza algoritmi di intelligenza artificiale all’avanguardia, sviluppati in collaborazione con i principali esperti di retina al mondo. Questa rete neurale aiuta a rilevare lo stadio di retinopatia diabetica e permette di annotare le lesioni in base alla densità dei pixel nelle immagini.

La soluzione può essere estesa ad altre condizioni retiniche, ovvero al glaucoma, aiutando a ridurre l’onere dello screening sugli specialisti sanitari e a concentrare le risorse a disposizione sui pazienti che hanno bisogno di cure e di interventi immediati. La ricetta di Netra.AI si basa su rilevamenti rapidi di retinopatie su grandi popolazioni a fronte dell’impiego di risorse sanitarie limitate. L’architettura Intel utilizzata offre una forte protezione dei dati, l’elaborazione veloce di grandi volumi di dati e una grande flessibilità del servizio. La soluzione, ovviamente, non sostituisce il lavoro degli oftalmologi o dei chirurghi della retina. Tuttavia, attraverso la più facile accessibilità dei software e la sua integrazione con dispositivi di telecamere portatili per l’esame del fondo oculare, e con un sistema che vuole l’impiego di un solo tecnico esperto, questa tecnologia permette l’accesso anche a professionisti della salute non addestrati per lo screening della retinopatia diabetica. Una soluzione, questa in esame, che potrebbe essere presto esportata in altri paesi dell’Asia nonché nel continente africano.[1]

AI e ausili sanitari: novità per gli apparecchi acustici

Per le persone che portano apparecchi acustici è alquanto difficile comprendere una conversazione con una o più persone in ambienti rumorosi, perché gli attuali dispositivi audio hanno ancora difficoltà a “concentrarsi” in maniera precisa su specifiche fonti sonore. In un recente studio, i ricercatori dell’Hearing Research Laboratory dell’Università di Berna e dell’ospedale universitario elvetico Inselspital hanno affermato che l’intelligenza artificiale potrebbe risolvere questo problema. Come accennato, gli apparecchi acustici non eccellono, attualmente, nel filtrare selettivamente il discorso specifico da molte fonti sonore; capacità, questa, propria del nostro cervello, il quale funziona in maniera eccellente per le persone con udito normale (cosiddetto “effetto cocktail party”).

Come funziona la soluzione dei ricercatori svizzeri

I ricercatori dell’Università di Berna e dell’Inselspital hanno ideato un approccio “insolito” per migliorare gli apparecchi acustici: microfoni ausiliari virtuali i cui segnali sono calcolati (e guidati) dall’intelligenza artificiale. Con più microfoni ben distribuiti a disposizione per singolo dispositivo audio, un apparecchio acustico può “concentrarsi” sul suono proveniente da una particolare direzione. La maggior parte degli apparecchi acustici dispone di due microfoni vicini tra loro, a causa della mancanza di spazio. Nella prima parte dello studio, l’Hearing Research Laboratory di Berna ha determinato che la posizione ottimale del microfono, per una migliore focalizzazione, sarebbe al centro della fronte (anche se questa è una posizione poco praticabile, per ovvi motivi…). Data tale impossibilità “logistica”, si è puntato all’aiuto dell’intelligenza artificiale. Per l’impostazione dello studio, gli ingegneri elvetici hanno utilizzato il “Bern Cocktail Party Dataset“, una raccolta di una varietà di scenari di rumore, con fonti sonore multiple, provenienti da registrazioni di diverse persone portatrici di ausili sanitari come gli apparecchi acustici e gli impianti cocleari.

WHITEPAPER
Cloud, omnicanalità e intelligenza artificiale: porta il tuo Contact Center nel futuro
Digital Transformation
Intelligenza Artificiale

ausili sanitari

 

Dispositivo di ausilio per persone con deficit uditivi – Università di Berna

Utilizzando sessantacinque ore di registrazioni audio e quasi ottantamila file audio, i ricercatori di Berna hanno addestrato una rete neurale per perfezionare un algoritmo di direzionalità già usato in altri campi (beamforming). Per migliorare la comprensione della conversazione, il Deep Learning ha calcolato ulteriori segnali microfonici virtuali dall’insieme dei dati audio utilizzati. Venti soggetti, tra quelli partecipanti allo studio, hanno dichiarato di aver raggiunto un udito potenziato grazie all’intelligenza artificiale, il tutto seguito da misurazioni oggettive “a corredo” della ricerca. In particolare, in ambienti da “cocktail party”, i segnali microfonici campionati virtualmente hanno migliorato significativamente la qualità del discorso. I risultati dei test, pubblicati sulla rivista Science Direct “Hearing Research”, hanno appurato che le persone portatrici di apparecchi acustici e di impianti cocleari potrebbero presto beneficiare di tali dispositivi integrati con intelligenza artificiale, soprattutto in ambienti rumorosi. È evidente che si stanno gettando importanti conclusioni basate sui dati per un ulteriore sviluppo che dovrebbe avvicinare l’esperienza uditiva “artificiale” a quella naturale. Così come è evidente che questi nuovi approcci andranno direttamente a beneficio dei pazienti nell’ambito degli studi traslazionali.

ausili sanitari

Bern Cocktail Party Dataset – Università di Berna

Apparecchi acustici, non tutti i problemi sono risolti

Infine, anche se in questo studio i microfoni aggiunti virtualmente hanno migliorato significativamente la qualità della comprensione del parlato con gli apparecchi acustici, ulteriori studi devono ancora superare alcuni ostacoli tecnici prima che la metodologia possa essere utilizzata negli apparecchi acustici o in altri ausili sanitari, come i processori audio per impianti cocleari. Questo include, per esempio, un funzionamento stabile della comprensione direzionale anche in ambienti in cui è presente molto riverbero del suono.[2]

 

Note

  1. Artificial Intelligence in Healthcare: Intel’s AI tool screens patients for vision loss. Financial Express. https://www.financialexpress.com/industry/technology/artificial-intelligence-in-healthcare-intels-ai-tool-screens-patients-for-vision-loss/2283014/
  2. AI improves speech understanding of hearing aid users. University of Bern – Universität Bern. https://www.unibe.ch/news/media_news/media_relations_e/media_releases/2021/media_releases_2021/ai_improves_speech_understanding_of_hearing_aid_users/index_eng.html

 

FacebookTwitterLinkedIn