Direttore Responsabile: Maria Teresa Della Mura

CERCA
MENU
Direttore responsabile: Maria Teresa Della Mura

.Edge computing

Apparecchi medicali più innovativi grazie ad Edge AI e analisi dei dati

I produttori di apparecchi e macchinari medicali puntano sulla valorizzazione dei dati per realizzare più efficienza, velocità, e per abilitare nuovi modelli di business

Gli apparecchi e i macchinari medicali, che alimentano i servizi e l’operatività di ospedali, cliniche, centri diagnostici e laboratori di analisi biochimiche, sono al centro del percorso di trasformazione digitale dell’universo healthcare.

Nel contesto sanitario e ospedaliero, infatti, valorizzare i dati di esercizio delle apparecchiature medicali – per quanto complesse esse siano – permette alle strutture di migliorare i livelli di servizio e di efficientare i processi. La capacità di estrarre, analizzare, integrare e condividere dati di macchinari “connessi” favorisce la continuità del servizio, fornisce elevate prestazioni a livello di processo, innovazione e, aspetto tutt’altro che secondario, una patient experience di qualità, da cui le strutture – soprattutto quelle private – derivano un forte vantaggio competitivo.

Apparecchi medicali, AI e valorizzazione dei dati: la prospettiva dei produttori

Nell’universo healthcare, e in particolare in quello dei macchinari medicali, l’interesse per l’analisi dei dati e per i modelli di Intelligenza Artificiale è cresciuto moltissimo negli ultimi anni.

I produttori di macchinari possono sfruttare le capacità di elaborazione e di analisi dei sistemi moderni per proporre servizi a valore aggiunto ai propri clienti pubblici e privati, tra cui il controllo remoto dei macchinari, l’assistenza proattiva e la manutenzione predittiva. Come in ogni altro ambito industriale, infatti, anche il medicale non può permettersi fermi macchina; ben venga, quindi, qualsiasi innovazione in grado di garantire la continuità del servizio e migliorare le performance dei processi. Assistenza remota significa prevenire i guasti, assistere i tecnici senza doversi recare in loco e consegnare componenti di ricambio prima che si verifichino criticità, così da azzerare o minimizzare l’eventuale fermo.

I produttori, inoltre, possono sfruttare l’analisi dei dati per ideare e implementare servizi innovativi come il refill automatico dei consumabili usati da certe apparecchiature di analisi. In tutto ciò si intravede anche una potenziale innovazione nel modello di business, che dalla vendita del macchinario si sta gradualmente spostando verso la fornitura di servizi a valore (servitizzazione), rigorosamente guidati dai dati (data-driven).

L’importanza dell’elaborazione periferica e della sinergia con il cloud

Per realizzare concretamente le fattispecie di cui sopra, quali dati devono essere acquisiti e in che modo vanno elaborati? “La prima tipologia di dato da acquisire e valorizzare – ci spiega Maurizio Caporali, CPO di SECO – riguarda lo stato delle macchine, ovvero eventuali errori, modalità d’uso, tempi di produzione, consumi, tutti aspetti fondamentali soprattutto ai fini della manutenzione e dell’assistenza”. Ciò comporta la necessità di acquisire e di elaborare immensi volumi di dati prodotti dalla sensoristica in campo, garantendo prestazioni elevate e sicurezza all’intero processo.

Emerge qui il valore dell’Edge AI, ovvero dell’esecuzione di algoritmi di Intelligenza Artificiale all’interno dei dispositivi edge, che in questo caso sono integrati nei macchinari medicali. L’elaborazione periferica dei dati di campo è vincente poiché “tutti i dati grezzi che provengono dai macchinari vengono pre-processati sull’edge e possono fornire informazioni rapide ed esaustive ai team di supporto, che in questo modo conoscono già la problematica da gestire e possono intervenire efficacemente”. Inoltre, il pre-processing riduce sensibilmente la quantità di dati che va trasmessa al cloud per le analisi successive, evitando un sovraccarico delle reti (solitamente vengono sfruttate le reti mobili con VPN) e, cosa tutt’altro che secondaria, l’escalation di costi tipica del modello cloud per lo storage di raw data.

Va da sé che per sfruttare le potenzialità dell’Edge AI, e quindi gestire la preelaborazione sull’edge di enormi volumi e frequenze di dati, le macchine devono disporre di unità di elaborazione sufficientemente potenti, nonché di software in grado di soddisfare le esigenze di analisi delle singole realtà. Ma è proprio questa sinergia “ibrida” tra la preelaborazione in locale e

la trasmissione e l’analisi in cloud a fornire ai produttori di macchinari e alle strutture sanitarie delle potenzialità straordinarie, poiché alla velocità e alla latenza ridottissima dell’elaborazione periferica si aggiungono la scalabilità virtualmente infinita e la capacità del cloud di aggregare dati di migliaia di device.

CLEA, la piattaforma che abilita ecosistemi edge-to-cloud

Nello scenario appena descritto, come si posiziona la proposta di valore di SECO, e in particolare la piattaforma CLEA? Di fatto, essa funge da abilitatore (e da “semplificatore”) di questo paradigma connesso e intelligente che mira a sfruttare sinergicamente edge, AI e cloud. CLEA è una piattaforma AI/IoT completa che trasforma i dati di campo in insight affidabili e misurabili. Soprattutto, è una piattaforma su cui sviluppare e distribuire applicazioni in grado di sfruttare tutto il potenziale dei dati: “CLEA – ci spiega Caporali – fornisce agli sviluppatori dei tool, gli SDK, con cui gestire i dati sull’edge in maniera semplice e con linguaggi standard. Proprio come avviene normalmente per il cloud. Con CLEA, inoltre, il deployment è molto rapido e si avvale di un’interfaccia che consente di portare facilmente applicazioni containerizzate sui vari device, e di librerie per creare applicazioni web per la visualizzazione dei dati”. La piattaforma dà alle strutture sanitarie e ai system integrator la flessibilità di realizzare applicazioni ad hoc in funzione delle loro esigenze, dei loro processi, dei macchinari presenti nei laboratori, delle informazioni di cui hanno bisogno e dell’integrazione con altri sistemi.

Si è parlato di assistenza e di manutenzione, ma le fattispecie concrete vanno ben oltre: per esempio, ci spiega Caporali, un processo di analisi può attraversare più macchinari, e l’analisi effettuata su uno di essi potrebbe determinare una modifica automatizzata dei parametri della macchina successiva. Fino a ieri, tutto ciò avveniva manualmente, con tutte le conseguenze facilmente immaginabili in termini di tempi e costi.

Di fatto, il paradigma abilitato da CLEA aumenta le potenzialità dei macchinari e dà agli OEM e alle strutture sanitarie la libertà di costruire analisi con cui ottimizzare interi processi. Gli apparati medicali, infatti, integrano già software certificato, che elabora dati e condivide informazioni: attraverso la piattaforma CLEA, i produttori e le strutture possono fare tanti passi ulteriori, acquisendo queste informazioni, aggregandole, elaborandole, integrandole con sistemi gestionali, applicandovi modelli di AI e costruendo così un ecosistema connesso e sinergico, innovativo ed estremamente efficiente, che garantisce una riduzione dei costi e la creazione di nuovi modelli di business.

New call-to-action

 

CATEGORIE:
Cloud
Dai dati dell'Osservatorio Industria 4.0 la fotografia dell'I4.0 nel nostro paese: con Industrial IoT e Analytics che trascinano il mercato, con il...
23 Giugno 2017
Vai all'articolo