Home / Archive by category "medicina"

medicina

Il robot contro il coronavirus che mantiene pulite le strutture durante Covid-19

Il robot che mantiene pulite le strutture durante Covid-19 Il ritorno al lavoro dopo le misure di blocco è una faccenda estremamente complessa, con i datori di lavoro che devono affrontare varie normative insieme alle preoccupazioni di dipendenti, fornitori e clienti. Date le circostanze insolite poste su di loro, forse non sorprende che la tecnologia stia giocando un ruolo importante nella riapertura. Un buon esempio viene dal Laboratorio di informatica e intelligenza artificiale (CSAIL) del MIT, che ha sviluppato un robot per cercare di garantire che gli spazi siano mantenuti il ​​più puliti possibile. I ricercatori affermano che in questo periodo estremamente pericoloso, è fondamentale mantenere pulite le superfici per impedire la trasmissione di eventuali goccioline che potrebbero contenere il virus. Sostengono che mentre i prodotti chimici per la pulizia sono efficaci nella pulizia di tali superfici, è un compito altamente laborioso garantire che vengano puliti ripetutamente, specialmente in strutture più grandi. Il processo di pulizia stesso mette i lavoratori a rischio di contrarre il virus. Mantenerlo pulito Il team del MIT, in collaborazione con la Greater Boston Food Bank e Ava Robotics, ha sviluppato un sistema robotico per disinfettare le superfici utilizzando una luce UVC integrata nella base di un robot mobile. Nei test iniziali, il team ritiene che i risultati siano stati sufficientemente impressionanti da suggerire che potrebbe essere una soluzione utile per una vasta gamma di ambienti di lavoro, che vanno dalle fabbriche ai supermercati. Il sistema, che può funzionare senza supervisione, utilizza la luce ultravioletta a breve lunghezza d'onda per uccidere i microrganismi attraverso un processo noto come "irradiazione germicida ultravioletta". Il robot inizia mappando lo spazio in cui lavorerà, quindi naviga tra i diversi waypoint. Durante i test, il team ha misurato la quantità di luce UVC emessa con un dosimetro UVC per garant...
Continua a Leggere

Il coronavirus COVID-19 visibile con i raggi x sul torace con l’intelligenza artificiale dall’ IIT-Gandhinagar

I ricercatori di IIT-Gandhinagar sviluppano uno strumento basato sull'intelligenza artificiale per rilevare COVID-19 con raggi X sul torace Per aiutare a facilitare un rilevamento più rapido di COVID-19, i ricercatori dell'IIT-Gandhinagar hanno sviluppato uno strumento di apprendimento profondo basato sull'intelligenza artificiale per il rilevamento del famigerato virus dalle immagini a raggi X. Questo strumento online sviluppato indica la probabilità che una persona sia infettata da COVID-19. Può essenzialmente essere usato come una rapida diagnosi preliminare prima del test medico ed è attualmente in fase di test presso l'Istituto indiano di sanità pubblica (IIPH). I ricercatori, che hanno sviluppato il test, ritengono che con le limitate strutture di test per COVID-19, molti paesi si stanno affrettando a sviluppare strumenti di intelligenza artificiale per analisi rapide utilizzando i raggi X. “Lo sviluppo di uno strumento affidabile richiede una combinazione di algoritmi e dati corretti. È qui che il nostro strumento si rivelerebbe utile in quanto può essere addestrato per scopi diagnostici e può essere reso disponibile per un uso più ampio, ”ha affermato Kushpal Singh Yadav, uno studente MTech presso il Dipartimento di Ingegneria Informatica dell'IIT. Il test è stato sviluppato riunendo i dati delle immagini radiografiche dei pazienti con infezione da COVID-19 insieme a quelli di persone sane di varie fonti disponibili su Internet. Con queste immagini, formano un'architettura di machine learning utilizzando algoritmi di deep learning. I ricercatori hanno condiviso che il modello aveva 12 strati di una rete neurale. Hanno inoltre spiegato che il metodo di apprendimento profondo apprende le funzionalità di diagnosi della malattia dalle immagini a raggi X in modo automatico. Yadav ha inoltre aggiunto che lo strumento utilizza anche immagini di altre infezioni polmonari come la tubercolosi e la polmonite per garantire la specificità del rilevament...
Continua a Leggere

Ai metodo diagnostico clinico avanzato che quando trova una anomalia non su ferma ma va avanti nella scansione

Nuovi progressi nell'intelligenza artificiale per uso clinico I ricercatori di Radboudumc hanno aiutato a far avanzare l'intelligenza artificiale (AI) in ambito clinico dopo aver dimostrato come l'IA può diagnosticare problemi simili a quelli di un medico, mostrando anche come raggiungere la diagnosi . L'intelligenza artificiale ha già un ruolo in questo ambiente, essendo utilizzata per rilevare rapidamente anomalie che potrebbero essere etichettate come una malattia dagli esperti. AI in ambito clinico L'intelligenza artificiale è stata sempre più utilizzata nella diagnosi di imaging medico. Ciò che è stato tradizionalmente fatto da un medico che studiava una radiografia o una biopsia per identificare anomalie può ora essere fatto con l'IA. Attraverso l'uso del deep learning , questi sistemi possono diagnosticare da soli, spesso essendo altrettanto accurati o persino migliori dei medici umani. I sistemi non sono perfetti, tuttavia. Uno dei problemi è che l'IA non dimostra come sta analizzando le immagini e raggiungendo una diagnosi. Un altro problema è che non fanno nulla in più, nel senso che si fermano una volta raggiunta una diagnosi specifica. Ciò potrebbe comportare la mancanza di alcune anomalie nel sistema anche in presenza di una diagnosi corretta. In questo scenario, il medico umano è più bravo a osservare il paziente, i raggi X o altre immagini in generale. Progressi nell'intelligenza artificiale Questi problemi per l'IA in ambito clinico vengono ora affrontati dai ricercatori. Christina González Gonzalo è Ph.D. candidato al gruppo A-eye Research and Diagnostic Image Analysis di Radboudumc. González Gonzalo ha sviluppato un nuovo metodo per l'IA diagnostica utilizzando scansioni oculari che hanno riscontrato anomalie della retina. Le anomalie specifiche possono essere facilmente trovate dai medici umani e dall'intelligenza artificiale e spesso si trovano in gruppi. Nel caso del sistema di intelligenza artificiale, diagnosticherebbe ...
Continua a Leggere

Amazon DISTANCE ASSISTANT e l’intelligenza artificiale che aiuta i dipendenti a mantenere le distanze anti coonavirus

Amazon impiega gli "assistenti a distanza" AI per avvisare gli addetti al magazzino se si avvicinano troppo Gli schermi TV forniscono ai lavoratori un feedback in tempo reale sul distanziamento sociale Amazon, che è attualmente citato in giudizio per presunta mancata protezione dei lavoratori da COVID-19, ha svelato un nuovo strumento di intelligenza artificiale che sostiene aiuterà i dipendenti a seguire le regole di social distanza. L ' Assistente di distanza dell'azienda combina uno schermo TV, sensori di profondità e una fotocamera abilitata all'intelligenza artificiale per tenere traccia dei movimenti dei dipendenti e fornire loro feedback in tempo reale. Quando i lavoratori si avvicinano di meno di un metro l'uno all'altro, i cerchi attorno ai loro piedi lampeggiano in rosso sulla TV, indicando ai dipendenti che dovrebbero spostarsi a una distanza di sicurezza. I dispositivi sono indipendenti, il che significa che possono essere implementati rapidamente dove necessario e spostati. Amazon confronta il sistema con i controlli di velocità radar che forniscono ai conducenti un feedback immediato sulla loro guida. Gli assistenti sono stati testati in una "manciata" di edifici dell'azienda, ha dichiarato Brad Porter, vicepresidente di Amazon Robotics, in un post sul blog e la società prevede di implementare "centinaia" in più in nuove sedi nelle prossime settimane. È importante sottolineare che Amazon afferma anche che la tecnologia sarà open source, consentendo ad altre aziende di replicare e implementare rapidamente questi dispositivi in ​​una vasta gamma di posizioni. Amazon non è l'unica azienda che utilizza l'apprendimento automatico in questo modo. Un gran numero di aziende che offrono analisi video AI e sorveglianza hanno creato simili strumenti di distanziamento sociale dall'inizio dell'epidemia di coronavirus. Alcune startup si sono anche rivolte a soluzioni fisiche, come bracciali e pendenti che utilizzano i segnali Bluetooth per percepi...
Continua a Leggere

Un Modello epidemiologico in Machine Learning per prevedere la progressione del Coronavirus Covid 19 con la quantificazione degli interventi

MODELLO EPIDEMIOLOGICO GUIDATO DA ML PER PREVEDERE LA PROGRESSIONE DI COVID-19 MEDIANTE LA QUANTIFICAZIONE DEGLI INTERVENTI L'Organizzazione Mondiale della Sanità ha dichiarato COVID-19 come una pandemia l'11 marzo ° , 2020. L'esplosione dei casi segnalati a livello mondiale da allora è fortemente cresciuta, impattando la vita giorno per giorno di entrambe le organizzazioni e individui in tutto il mondo. È ora indispensabile capire quanto potrebbe durare la pandemia e trovare modi efficaci per appiattire la progressione dei casi COVID-19. La letteratura di ricerca copre vari modelli statistici (come la distribuzione gamma , distribuzioni binomiali negative ) e modelli epidemiologici (come SIR, SEIR) che vengono utilizzati per fare previsioni sul numero di persone infette da malattie contagiose come Ebola, SARS, MERS. Tuttavia, la ricerca sulla velocità di trasmissione, il periodo di incubazione e altri parametri che vanno alla modellizzazione matematica della diffusione di COVID-19 è ancora in una fase nascente con la maggior parte di essa ancora da rivedere. Pertanto, i modelli epidemiologici autonomi potrebbero non essere sufficienti per prevedere la diffusione di Covid-19. Inoltre, questi parametri possono variare in base alla regione e alle misure di intervento intraprese da vari governi come l'allontanamento sociale, la chiusura delle scuole, i blocchi completi e così via. In questo articolo, presentiamo una soluzione predittiva di ensemble che combina un modello epidemiologico e varie tecniche di Machine Learning (ML) per prevedere l'impatto del COVID-19. La soluzione incorpora anche le misure di intervento adottate da vari governi per frenare l'impatto. introduzione I metodi usati frequentemente per prevedere la crescita di qualsiasi malattia infettiva includono l'uso di modelli epidemiologici . Mostriamo due di questi modelli epidemiologici comunemente usati nella figura seguente: Modello SIR - Come mostrato in Fig. 1, 'S' indica la...
Continua a Leggere

Google e l’apprendimento automatico per la scoperta di farmaci

LA NUOVA INIZIATIVA DI GOOGLE BASATA SULL'APPRENDIMENTO AUTOMATICO PER LA SCOPERTA DI DROGHE ACCELERATE Secondo un rapporto pubblicato lo scorso anno, il costo per trovare un nuovo farmaco è di $ 2,5 miliardi, che è salito da $ 1,8 miliardi nel 2010 . Una metodologia popolare di scoperta di farmaci consiste nell'utilizzare lo screening virtuale in cui vengono utilizzati programmi per computer per trovare un composto adatto che reagisce nel modo desiderato poiché le sostanze chimiche hanno proprietà terapeutiche. Combattere attraverso un ampio database di sostanze chimiche è un compito scoraggiante. Esiste una sfida di enorme dimensionalità quando si tratta di analizzare le strutture nella progettazione di farmaci, ed è qui che si manifesta l'apprendimento automatico . L'apprendimento automatico per la scoperta di farmaci in genere comporta un set di addestramento con composti inattivi noti e attivi e quindi trovare la probabilità che un composto sia attivo e quindi classificare ciascun composto in base alla sua probabilità di essere attivo. Al fine di esplorare come l'apprendimento automatico può aiutare ad accelerare il processo di scoperta dei farmaci, Google ha collaborato con partner farmaceutici e ha dimostrato un nuovo metodo di screening virtuale che utilizza Graph Convolutional Networks (GCNN). L'innovazione dei metodi di "screening virtuale" esistenti per trovare potenziali molecole a livello computazionale piuttosto che in laboratorio è un'area attiva di ricerca. Tuttavia, la sfida qui è quella di costruire un metodo che funzioni abbastanza bene in una vasta gamma di spazio chimico per essere utile per trovare piccole molecole con interazione utile verificata fisicamente con una proteina di interesse, cioè "colpi". Panoramica del modello In un lavoro recentemente pubblicato, intitolato " Apprendimento automatico su librerie con codifica DNA: un nuovo paradigma per la ricerca di risultati ", il team di Google Accelerated Science ha collab...
Continua a Leggere

Un algoritmo di intelligenza artificiale riduce l’errore diagnostico per gli esami oculistici di circa il 74%

Modello AI Riduce drasticamente gli errori degli esami oculistici I ricercatori hanno recentemente progettato un algoritmo di intelligenza artificiale che sembra diagnosticare in modo più accurato i problemi di visione rispetto ai classici test di visione attualmente utilizzati dai medici. Secondo Science , il nuovo test potrebbe ridurre l'errore diagnostico per gli esami oculistici di circa il 74%. Gli oculisti usano da decenni lo stesso test visivo, il classico esame oculistico basato su grafici con lettere e simboli di dimensioni diverse. I risultati del test spettano all'oculista per interpretare e, naturalmente, possono esserci errori nell'interpretazione dei risultati e nella diagnosi. I ricercatori dell'Università di Stanford miravano a migliorare questi test con un algoritmo AI. Secondo uno scienziato informatico di Stanford, Chris Piech, parte del problema con i test tradizionali è che quando le lettere diventano troppo sfocate per essere viste dal soggetto in esame, il soggetto inizia a indovinare le lettere. Questa ipotesi significa che i risultati del test possono variare se una persona esegue il test più volte. Al fine di sviluppare un test con maggiore precisione e replicabilità, Piech e colleghi hanno creato un test online, con i risultati del test utilizzati per addestrare un modello di intelligenza artificiale. Il test online guida prima l'utente attraverso il processo di calibrazione del proprio schermo. Dopo aver calibrato lo schermo, l'utente immette la propria distanza dallo schermo e quindi il programma visualizza una lettera "E", che appare in vari orientamenti. Al termine, il modello assegna all'utente un punteggio di visione, basato su un modello statistico. Il team di ricerca ha eseguito il proprio modello attraverso 1000 simulazioni al computer che hanno emulato gli input di pazienti genuini. La simulazione al computer funziona innescando un punteggio di acuità della visione noto e quindi facendo i tipi di errori che una persona...
Continua a Leggere

L’intelligenza artificiale potrebbe essere usata per affrontare il coronavirus Covid-19, ma la sfida principale e poco menzionata in questo sforzo globale è la mancanza di dati

Il dilemma nascosto nel sfruttare l'intelligenza artificiale per combattere L'intelligenza artificiale potrebbe essere sfruttata per affrontare Covid-19, ma la sfida principale e poco menzionata in questo sforzo globale è la mancanza di dati etichettati. L'apprendimento automatico, un potente tipo di IA, può essere addestrato per riconoscere modelli spesso più veloci e più accurati degli umani. Ha la promessa di prevedere quali pazienti con coronavirus avranno bisogno di cure intensive e quali possono tranquillamente rimanere a casa, consentendo agli ospedali di gestire meglio risorse limitate. Tuttavia, per insegnare a quegli algoritmi cosa cercare, devono prima essere alimentati con enormi quantità di immagini polmonari di Covid-19. Dopo aver visto abbastanza scansioni, gli algoritmi potrebbero diventare esperti nella previsione dei risultati e aiutare i medici a pianificare le cure. Raccogliere scansioni polmonari di pazienti Covid-19 è abbastanza problematico, dati i protocolli di privacy che proteggono i dati dei pazienti. Ma etichettare quelle immagini per insegnare agli algoritmi di apprendimento automatico cosa cercare è un altro ostacolo. Più popolari in: AI "Oltre a ottenere l'accesso ai dati e selezionare le immagini giuste, si tratta in realtà di annotarli correttamente e, per questo, hai bisogno di radiologi qualificati", ha dichiarato Hamid R. Tizhoosh , professore all'Università canadese di Waterloo dove dirige il laboratorio per Inferenza della conoscenza nell'analisi delle immagini mediche. "Non possiamo escludere i radiologi e raschiare immagini da Internet", ha detto. Sono in corso numerosi progetti per applicare l'IA alle scansioni a raggi X e tomografia computerizzata di pazienti Covid-19. Ma finora, queste iniziative hanno generato solo modelli basati su piccoli set di dati, il che significa che hanno meno probabilità di ottenere buoni risultati in un'ampia varietà di popolazioni di pazienti. L'accesso a grandi set di dati...
Continua a Leggere

Intervista Stefano Pacifico e David Heeger, co-fondatori di Epistemic AI

L'intelligenza artificiale epistemica impiega algoritmi di elaborazione del linguaggio naturale (NLP) all'avanguardia , machine learning e algoritmi di apprendimento profondo per mappare le relazioni tra un corpo crescente di conoscenze biomediche, provenienti da più fonti pubbliche e private, inclusi documenti di testo e database. Attraverso un processo di Knowledge Mapping, gli utenti lavorano in modo interattivo con la piattaforma per mappare e comprendere sottoinsiemi di conoscenze biomediche, che rivelano concetti e relazioni e che altrimenti andrebbero persi con la ricerca tradizionale. Abbiamo intervistato entrambi i cofondatori dell'IA epistemica per discutere di questi ultimi progressi. Stefano Pacifico proviene da oltre 10 anni nello sviluppo di AI e NLP applicati. Precedentemente a Bloomberg, dove ha trascorso 7 anni, ed era alla Elemental Cognition prima di iniziare Epistemic. David Heeger è un professore d'argento di data science e neuroscienze alla New York University e ha trascorso la sua carriera a fare da ponte tra informatica, intelligenza artificiale e bioscienza. È membro della National Academy of Sciences. Come fondatori riuniscono le competenze nella costruzione di sistemi di IA e PNL su larga scala applicati per comprendere grandi raccolte di conoscenze, con esperienza in biologia computazionale e scienze biomediche da anni di ricerca nell'area. Cos'è che ti ha introdotto e attratto dall'intelligenza artificiale e dall'elaborazione del linguaggio naturale (PNL)? Stefano Pacifico: Quando ero al college a Roma, e l'IA non era affatto popolare (in effetti era molto marginale), ho chiesto al mio allora consulente quale specializzazione avrei dovuto prendere tra quelle disponibili. Ha detto: "Se vuoi fare soldi, ingegneria del software e database, ma se vuoi essere strano ma molto avanzato, scegli Intelligenza artificiale". Sono stato venduto a "strano". Ho quindi iniziato a lavorare sulla rappresentazione della conoscenza e sul ra...
Continua a Leggere

Exscientia raccoglie 60 milioni di dollari per sviluppare farmacia con l’intelligenza artificiale

La società di sviluppo di farmaci britannica AI Exscientia ha raccolto 60 milioni di dollari in un round di finanziamento di serie C . È stato guidato dalla danese Novo Holdings, che è un nuovo investitore, insieme agli investitori esistenti Evotec, Bristol Myers Squibb e GT Healthcare Capital. Il round di finanziamento arriva in quanto vi è un crescente interesse per la scoperta di farmaci basati sull'intelligenza artificiale e aiuterà l'azienda a espandersi a livello internazionale, con particolare attenzione alla presenza negli Stati Uniti. Il prof. Andrew Hopkins è CEO e fondatore di Exscientia. "Questo investimento evidenzia il crescente impegno nei confronti del potenziale dell'intelligenza artificiale per trasformare la scoperta di droghe e l'eccitazione che abbiamo raccolto attorno al lavoro innovativo che stiamo svolgendo in Exscientia", ha affermato Hopkins. "Ora abbiamo dimostrato più volte che la nostra piattaforma può accelerare il tempo che intercorre tra l'inizio di un'idea e un nuovo candidato candidato ai farmaci per i pazienti che necessitano di trattamenti, monitorando rapidamente l'intero processo di ricerca e sviluppo." Robert Ghenchev è Senior Partner e Head of Novo Growth, che è il braccio azionario di crescita di Novo Holdings. "Fino ad oggi, grazie alla sua impressionante esperienza, Exscientia ha dimostrato il valore di combinare una profonda competenza scientifica con capacità tecnologiche all'avanguardia per accelerare significativamente la scoperta di farmaci", ha affermato Ghenchev. “L'investimento di Novo Holdings sottolinea il nostro interesse nel supportare le aziende tecnologiche che consentono la ricerca e l'innovazione nelle scienze della vita e il nostro impegno in questo settore. Vediamo una significativa opportunità per l'azienda di aumentare ulteriormente la sua partecipazione all'ecosistema di scoperta di farmaci e siamo entusiasti di lavorare con il team di Exscientia nella realizzazione di questa visione ...
Continua a Leggere
Top

Utilizzando il sito, accetti l'utilizzo dei cookie da parte nostra. maggiori informazioni

Questo sito utilizza i cookie per fornire la migliore esperienza di navigazione possibile. Continuando a utilizzare questo sito senza modificare le impostazioni dei cookie o cliccando su "Accetta" permetti il loro utilizzo.

Chiudi