L’ intelligenza artificiale sempre più utile all’healthcare

intelligenza artificiale healthcare

Il rapporto realizzato da Eit health e Mckinsey & Company, dal titolo “Transforming Healthcare with Ai: the impact on the workface and organizations”conferma la necessità delle competenze dell’intelligenza artificiale nel settore Healthcare

Lo studio ha evidenziato la necessità di attrarre, educare e formare una generazione di professionisti della sanità con una approfondita conoscenza dei dati, migliorando al contempo le competenze della forza lavoro attuale, per poter sfruttare appieno il potenziale di trasformazione dell’intelligenza artificiale.

 

Cosa dice l’Europa

D’altra parte secondo la European skills agenda (il documento presentato lo scorso 1 luglio dalla Commissione Europea, per migliorare la competitività sostenibile e garantire l’equità sociale), a oggi almeno l’85% dei posti di lavoro richiede un livello minimo di competenze digitali.

Nel 2019 solo il 56% degli adulti possedeva le competenze digitali di base.

Mentre tra il 2005 e il 2006, il 40% dei nuovi posti di lavoro erano in settori di alta intensità digitale.

Secondo lo studio di Eit & Mckinsey, le competenze digitali di base, la scienza biomedica e dei dati, l’analisi dei dati e i fondamenti della genomica saranno fondamentali, in vista dell’ingresso dell’intelligenza artificiale e del machine learning nel settore dei servizi sanitari.

 “Queste materie sono raramente insegnate in modo sistematico insieme alle scienze cliniche tradizionali. E così, incolpevolmente, il personale sanitario di oggi non è ancora pronto per l’adozione dell’Ai.

L’Europa è all’avanguardia nell’innovazione sanitaria e stiamo assistendo alla creazione di un numero crescente di soluzioni di Ai tangibili, di impatto e promettenti. Tuttavia dobbiamo coniugare lo sviluppo di nuove tecnologie, in grado di alleviare parte della pressione sui servizi sanitari, con la capacità di integrarle nell’erogazione delle cure. Ora è il momento di colmare queste lacune, in modo che l’Europa non rimanga indietro nell’applicazione dell’Ai” – ha dichiarato Jorge Fernández García, Direttore Innovazione di Eit Health e co-autore del rapporto.

 

 

 

Le professioni sanitarie che hanno più bisogno di competenze Ai

Attualmente la diagnostica è l’applicazione principale dell’Ai nell’ambito del settore sanitario.

Tuttavia, nei prossimi 5/10 anni, gli operatori sanitari si aspettano che il processo decisionale clinico sia al primo posto nella lista delle applicazioni secondo il sondaggio dell’EIT Health e McKinsey & Company, che ha coinvolto 175 persone in prima linea nella fornitura di assistenza sanitaria, inclusi 62 decisori intervistati.

Gli autori del rapporto sottolineano che non solo è necessario attrarre, formare e trattenere un numero crescente di professionisti sanitari, ma si deve anche garantire che il loro tempo sia impiegato dove ha maggior valore aggiunto, ovvero nella cura dei pazienti.

Il ruolo dell’Artificial Intelligence

Basandosi sull’automazione, riporta una nota delle due società, l’intelligenza artificiale può rivoluzionare l’assistenza sanitaria. In che modo?

Contribuendo a migliorare la vita quotidiana degli operatori sanitari, permettendo loro di concentrarsi maggiormente sull’interpretazione delle immagini e quindi su come lavorare con i pazienti e i team clinici per personalizzare e migliorare ulteriormente l’assistenza.

L’intelligenza artificiale, inoltre, può migliorare la velocità della diagnostica e, in molti casi, anche la loro accuratezza.

Oltre all’aggiornamento delle competenze, un’altra esigenza identificata come fondamentale dai partecipanti allo studio è la maggiore partecipazione degli operatori sanitari nelle prime fasi dello sviluppo dell’IA.

Attualmente il 44% degli intervistati, selezionato per l’interesse negli ambiti dell’innovazione sanitaria e dell’IA, non è mai stato coinvolto nello sviluppo o nella diffusione di una soluzione di IA.

“L’Ai ha un enorme potenziale per migliorare la produttività e l’efficienza dei sistemi sanitari e renderli più sostenibili ma, cosa ancora più importante, ha il potenziale per fornire migliori risultati sanitari ai pazienti.

Può farlo in molti modi, dallo sviluppo di un maggior numero di cure preventive, alla possibilità per gli operatori sanitari di dedicare più tempo alla cura diretta dei pazienti.

Questo rapporto congiunto vuole essere una guida per i responsabili dei processi decisionali, in modo che possano definire le loro aspirazioni rispetto all’IA e sviluppare e implementare il giusto approccio per la loro organizzazione o il loro sistema sanitario” – ha commentato Angela Spatharou, Partner di McKinsey & Company, e co-autore del rapporto.

Il primo dottorato in intelligenza artificiale in Italia

Con l’anno accademico 2021-2022 partirà in Italia il primo dottorato in intelligenza artificiale.

Firmata la convenzione tra il Consiglio Nazionale delle Ricerche (Cnr), l’Università Sapienza di Roma, il Politecnico di Torino, l’Università Campus Bio-Medico di Roma, l’Università Federico II di Napoli e l’Università di Pisa.

Lo rendono noto il Ministero dell’Università e della Ricerca (Mur) e il Cnr, presso il quale il Mur ha costituito un comitato per elaborare una strategia unitaria e realizzare un coordinamento nazionale, finanziando con 4 milioni di euro il Cnr e con 3,85 milioni di euro l’Università di Pisa.

Sono già disponibili 194 borse di studio, 97 cofinanziate dal Cnr e 97 cofinanziate dal Mur attraverso l’Università di Pisa.
L’investimento complessivo, con il co-finanziamento degli atenei, supererà i 15 milioni di euro.
“Si tratta di una grande opportunità per il nostro Paese. Con il dottorato in intelligenza artificiale l’Italia sarà più competitiva sulle tecnologie avanzate”, ha affermato il titolare del Mur, Gaetano Manfredi.

Complessivamente, il mercato dell’Intelligenza artificiale in Italia è agli albori, con una spesa in tecnologie nel settore di poche centinaia di milioni di euro l’anno. Lo studio McKinsey individua le possibilità di maggior sviluppo, e ritorno economico, in settori industriali strategici per il Paese come il manifatturiero, la robotica industriale e di servizio, l’agroalimentare.

“Si gioca qui una delle grandi sfide del nostro futuro”, ha detto il rettore della Sapienza, Eugenio Gaudio, “e per questo dobbiamo investire nella formazione e nella specializzazione dei giovani a partire da quei settori, come la robotica e l’Intelligenza artificiale, che costituiscono un’eccellenza del nostro Paese.

L’avvio di un dottorato nazionale potrà rappresentare il trampolino di lancio per progetti di grande impatto scientifico”. L’Università La Sapienza, sul tema, dal 2009 offre un corso in lingua inglese.

Uno studio sui lavori scientifici nel settore dell’Ai, basato su dati Scopus di Elsevier, posiziona l’Italia al decimo posto a livello mondiale come numero di pubblicazioni. Il loro impatto scientifico, però, ci colloca al quinto posto. “Il nostro Paese può sicuramente contare su un grande punto di forza: la qualità della sua ricerca scientifica”, ha detto il presidente del Cnr, Massimo Inguscio. “Dobbiamo ripartire dalla ricerca, digitale e intelligenza artificiale sono settori cruciali”.

Tecnologie abilitanti emergenti nel panorama italiano

tecnologie abilitanti

HORIZON 2020 è stato lo strumento che ha permesso un adeguato livello di sviluppo delle Tecnologie abilitanti (KET) nei Paesi Europei, soprattutto in Italia

In riferimento al settore delle KET tecnologie abilitanti emergenti, la spinta di HORIZON 2020 ha aiutato a superare parzialmente questa criticità, generando collaborazioni pubblico-privato di particolare rilevanza.

Ciò grazie anche ad alcune iniziative nazionali che hanno appunto accolto le KET nella programmazione e allineato gli obiettivi strategici a quelli di HORIZON 2020.

Sotto la spinta complessiva di queste azioni, il Sistema italiano della Ricerca e Innovazione si è sviluppato sostanzialmente lungo tre direzioni:

1. Adeguamento del percorso educativo dei laureati e formazione permanente dei lavoratori;

2. Sviluppo della competitività del Sistema industriale. Se consideriamo ad es. l’Area dei Trasporti, gli obiettivi fondamentali possono essere raggiunti solo attraverso un’appropriata combinazione delle tecnologie abilitanti.

3. Assicurare l’impatto sociale dei risultati della R&I. Secondo l’ISTAT, su un campione di 400.000 aziende, il 52.3% può essere definito non sostenibile, il 15% leggermente sostenibile, il 15.1% mediamente sostenibile e il 17.6% altamente sostenibile

Risulta molto interessante la considerazione riguardo la produttività: in rapporto alle aziende con sostenibilità zero, prese come riferimento, si osserva un aumento della produttività all’aumentare della sostenibilità.

Questo risultato è dovuto anche alla significativa partecipazione delle organizzazioni italiane, sia pubbliche che private, ai temi di HORIZON 2020, tra i quali NMBP e Science with and for Society.

Il programma di finanziamento NMBP ha generato un cambiamento nella cultura degli attori italiani nella Ricerca e Innovazione, promuovendo sia una crescita di competenze specifiche, che una soddisfacente consapevolezza della necessità di indirizzare e integrare gli aspetti economici, ambientali e sociali dell’Innovazione.

Tale patrimonio di competenze e approcci potrà essere valorizzato e capitalizzato nell’ambito del prossimo Programma Horizon Europe e nello specifico nell’area del Pillar 2: Digital, Industry and Space.

Considerando gli orientamenti prioritari della R&I nel nuovo programma, la risposta può solo essere affermativa.

Nello specifico, due sono i temi di particolare rilevanza per l’Italia:

a) Il primo riguarda le tecnologie digitali e in particolare lo sviluppo dell’Intelligenza Artificiale, che nella visione italiana è comunque sempre approcciata con una visione antropocentrica. I principali interessi industriali riguardano i seguenti settori:
Industria Farmaceutica (Drug Discovery, Drug Delivery and Clinical Applications);
Industria Automotive (Autonomus Driving, Predective Maintanance, Cyber Car, Connected Supply Chain);
Microelettronica (Smart Driving, Smart Industry, Smart Home and Smart Things);

b) Il secondo è relativo alla buona posizione Italiana nel campo dei Materiali Avanzati. Partendo dalla considerazione che lo sviluppo di tecnologie abilitanti per le energie rinnovabili e sostenibili dipende in maniera critica dall’abilità di disegnare e realizzare materiali con proprietà ottimali, la realizzazione di materiali adatti allo scopo non può prescindere dalla connessione tra predizione, sintesi e caratterizzazione dei materiali stessi.

L’emergente transizione economica e sociale rende consapevole il sistema italiano della R&I dei vantaggi che possono derivare dal valore della sostenibilità. Per le aziende gli impegni verso questa direzione sostenibile si muovono lungo due traiettorie principali:

a) Essere consapevoli dell’impatto delle attività;

b) Fare un uso responsabile delle seguenti sei forme di Capitale:
– Il capitale NATURALE fornisce risorse alle attività produttive industriali e alimenta la disponibilità di scarti generati;
– Il capitale UMANO, con la conoscenza e le competenze degli addetti per portare a compimento le attività di business in modo efficiente e concreto;
– Il capitale INTELLETTUALE, ovvero brevetti, tecnologie, know-how, informazioni sui client, che contribuiscono alla creazione di valore per l’azienda;
– Il capitale MANIFATTURIERO, composto da asset tangibili che, assieme a quelli intangibili, contribuiscono alla creazione di valore per l’azienda;
– Il capitale SOCIALE, cioè il sistema di relazioni dell’azienda con gli stakeholders inclusi i propri dipendenti;
– Il capitale FINANZIARIO che fornisce all’azienda le risorse necessarie per i bisogni del business.

Il sistema italiano della R&I è pronto quindi a inserirsi nella prossima programmazione europea, consapevole che una partecipazione adeguata non potrà che tradursi in molte opportunità:

• Un Sistema di eco-innovazione più flessibile e dinamico
• Una migliore cooperazione pubblico-privato (ridotta frammentazione)
Trasferimento tecnologico (migliorare il trasferimento dei risultati della ricerca)
Partecipazione di PMI e Grandi Imprese e Programmi nazionali
• Migliore accesso alla finanza per la R&I
• Disponibilità di venture capital
• Infrastrutture di Ricerca e, quindi, miglior accesso a competenze e strumentazioni

Tecnologie avanzate per ridurre gli sprechi alimentari

sprechi alimentari

Blockchain, Rfid e Prescriptive Analytics, applicate nella supply chain del comparto alimentare possono aiutare a ridurre gli sprechi alimentari

Gli sprechi alimentari rappresentano un problema particolarmente sentito a livello globale e colpisce duramente anche l’Italia. Si calcola infatti che nel nostro Paese vengano gettate ogni anno 220mila tonnellate di cibo per un valore di circa 12 miliardi, a cui vanno aggiunti gli sprechi alimentari di filiera (produzione – distribuzione), stimato in oltre 3 miliardi, (ben il 21,1% del totale) per arrivare a un infelice valore di oltre 15 miliardi.

Negli ultimi anni, gli operatori della supply chain del comparto alimentare hanno adottato misure imponenti per ridurre degli sprechi alimentari, ma c’è ancora molto da fare. La produzione continua di rifiuti porta perdite di profitto per la supply chain alimentare a causa della scarsa considerazione da parte dei consumatori più attenti alla sostenibilità e delle complessità operative nel trasporto, che ostacolano l’efficienza.

Dall’aumento dei costi, alle crescenti aspettative dovute a una sempre più elevata domanda, dal monitoraggio al controllo delle scorte, le aziende della catena di approvvigionamento alimentare affrontano molte sfide nei loro sforzi per prevenire gli sprechi alimentari.

Per avere successo possono però avvalersi delle tecnologie più avanzate che, combinando l’uso di blockchain, robotica, intelligenza artificiale su dispositivi mobile,visibilità delle risorse e prescriptive analytics aiutano a ottimizzare – ad ogni livello – la supply chain così da combattere le cause degli sprechi alimentari e aumentare al contempo la profittabilità.

Blockchain

La blockchain è uno strumento indispensabile nella lotta contro gli sprechi alimentari, per quanti operano nella supply chain. Pensato originariamente come uno strumento per la gestione delle criptovalute, la blockchain può fungere da libro mastro digitale accessibile a tutti (come ad esempio un foglio di calcolo) che permette di monitorare, registrare e segnalare il movimento delle merci lungo tutta la catena del valore. Il codice a barre del prodotto viene scansionato ad ogni “checkpoint” lungo tutto il suo viaggio, dal sito di produzione al negozio, segnando così una traccia indelebile del percorso seguito e delle diverse tappe.

Grazie al costante monitoraggio, risulta più semplice identificare le aree critiche lungo la supply chain. Si consideri ad esempio un’azienda di trasporto di prodotti lattiero-caseari: nel caso ci fossero continue spedizioni compromesse e l’azienda non disponesse della tecnologia blockchain, per identificare il problema sarebbe costretta a ricostruire minuziosamente tutti gli spostamenti dei prodotti lungo la filiera, facendo tesoro diogni tipo di documentazione disponibile. Questa operazione potrebbe richiedere settimane – e per tutto il tempo i prodotti continuerebbero a deteriorarsi per cause non prontamente individuate.

Con la blockchain invece, l’ispettore incaricato, può fare un controllo immediato per registrare automaticamente il punto esatto in cui il prodotto potrebbe aver subito un trattamento non idoneo. Può accorgersi subito, per esempio, che i colli sono stati lasciati durante la notte in una struttura di cross-docking non attrezzata per lo stoccaggio refrigerato. Visitando la struttura può poi venire a scoprire che a causa di una lacuna nella formazione del personale, numerosi prodotti deperibili vengono collocati sul pavimento invece di essere messi immediatamente su un camion refrigerato. Gli sarà sufficiente organizzare nuovamente un momento di formazione degli operatori, per fare in modo che gli sprechi alimentari vengano così eliminati alla fonte.

Rfid

I tag Rfid sono essenzialmente dei codici a barre che evidenziano le informazioni dei prodotti sulle confezioni (non sarebbe infatti né economico né pratico apporre tag Rfid su ogni singolo articolo). Il loro grande vantaggio rispetto alla blockchain risiede nella quantità e immediatezza delle informazioni che sono in grado di offrire. Utilizzando i lettori Rfid si ha una visibilità istantanea dei movimenti di ogni confezione etichettata e dei livelli di scorte. 

In particolare, molte aziende della catena del valore sfruttano la tecnologia Rfid per tenere traccia della qualità e della freschezza dei prodotti alimentari durante tutto il processo di distribuzione. Grazie ai tag Rfid è possibile avere aggiornamenti in tempo reale rispetto al cibo scaduto o prossimo alla scadenza per poterlo quindi stornare tempestivamente.

A titolo di esempio, citiamo l’esperienza di un distributore che – già abituato a utilizzare la tecnologia Rfid che gli segnalava i prodotti in scadenza durante il trasporto – ha deciso di cambiare metodo riconfigurando la soluzione per ricevere segnalazioni puntuali sui prodotti in transito in scadenza entro le successive 48 ore. Questo tipo di alert permette al personale addetto alla distribuzione di rimuovere qualsiasi merce prossima alla scadenza ed evitarne così la consegna al cliente.

Lo stesso prodotto può così essere donato a banchi alimentari locali, giardini zoologici, rifugi per animali o altri enti di beneficenza prima che diventi inutilizzabile. Un semplice cambiamento di processo che ha permesso però con una azione caritatevole di ridurre in modo significativo gli sprechi alimentari.

Prescriptive Analytics

Le soluzioni Blockchain e Rfid sono ancora più efficaci se utilizzate con la prescriptive analytics, una metodologia di analisi avanzata che sfrutta i dati per determinare:

  • Cosa sta succedendo
  • Perchè è successo
  • Quanto costa non agire
  • Cosa fare per ottimizzare il risultato
  • Chi deve risolvere il problema

La prescriptive analytics semplifica ulteriormente la sostenibilità potenziando la blockchain e le soluzioni Rfid grazie ad una maggiore tempestività e praticità.

Si consideri come esempio lo scenario riferito alla vendita di prodotti caseari, gestita col solo supporto di soluzioni blockchain: queste non segnalando necessariamente l’attività in modo tempestivo, portano alla necessità di intervenire manualmente per controllare il libro mastro al fine di identificare eventuali anomalie. Questo flusso di lavoro reattivo aumenta il rischio che i clienti ricevano prodotti scaduti prima che qualcuno si accorga che c’è un problema e lo corregga.

Se il distributore coinvolto avesse utilizzato la prescriptive analytics e la blockchain in modo combinato, il gestore del cross docking avrebbe ricevuto un avviso in tempo reale del tipo: “Pallet # 3309 a rischio deterioramento; caricare immediatamente sul carrello all’alloggiamento n. 3”. Questa semplice indicazione prescrittiva, facilmente comprensibile da chiunque, avrebbe indirizzato adeguatamente il manager consentendogli di intervenire per evitare lo spreco alimentare.

Una buona soluzione di presciptive analytics può essere configurata per focalizzarsi concretamentesull’eliminazione di problemi di sprechi alimentari, come ad esempio:

  • Eccessiva produzione di rifiuti (indica le cause che determinano un aumento di rifiuti)
  • Prodotti prossimi allascadenza
  • Malfunzionamento di celle frigorifere (compresi i casi di prodotti lattiero-caseari e camion per le consegne)
  • Prodotti deperibili che sono rimasti troppo a lungo senzaadeguata refrigerazione

Un minimo di sprechi alimentari è purtroppo inevitabile, ma questo non significa che le aziende della catena di approvvigionamento alimentare non possano prevenire casi di spreco derivanti invece da errori umani, dimenticanze o inaccortezze. L’implementazione di tecnologie avanzate come blockchain, Rfid e/o prescriptive analytics è una risposta altamente innovativa per colmare queste lacune lungo tutta la supply chain. Col tempo, ciò contribuirà a ridurre gli sprechi alimentari e a preparare un futuro più sostenibile per l’intero settore.

Fonte: Guy Yehiav, Zebra Analytics, General Manager &Vice President Zebra Technologies

Sas Viya, analytics in cloud

innovazione digitale Made in Italy

La piattaforma di analytics e intelligenza artificiale uniti con la flessibilità della tecnologia cloud

Disegnata per essere aggiornata e sempre disponibile, la nuova release SAS® Viya® 4, sul mercato a partire dalla fine del 2020, presenta una nuova architettura che aiuta a fornire gli analytics a tutti, ovunque.

L’innovazione che la caratterizza conferma l’impegno di Sas nel supportare le organizzazioni a trasformare i dati in conoscenza.

La release cloud-native di SAS Viya fa parte del risultato dell’investimento di 1 miliardo di dollari in intelligenza artificiale.

<< Questa release segna un grande passo innovativo per la piattaforma SAS e per i nostri clienti>>, afferma Oliver Schabenberger, Coo and Cto di Sas.

<<Le organizzazioni ci chiedono di supportare la loro trasformazione digitale con agilità, velocità, automazione, intelligenza e continuità. Queste sono le caratteristiche di SAS Viya 4: cloud-native analytics e intelligenza artificiale per gli utenti di tutti i livelli, trasformando la business intelligence in business “intelligente” in cloud.>>

<<Le aziende stanno apportando importanti cambiamenti nella propria tecnologia di analisi dei dati, guidata da architettura cloud-native>>, afferma Dan Vesset, Group Vice President, Analytics and Information Management di Idc. <<Sas Viya offre un modo flessibile ed efficiente per eseguire carichi di lavoro di analisi dei dati all’interno di architetture abilitate per container e microservizi. Le organizzazioni possono disaccoppiare le analisi dagli ambienti per aumentare rapidamente i servizi e soddisfare le esigenze decisionali in modo molto più agile.>>

Analytics ovunque e per tutti, che fanno la differenza

Sas sta semplificando il modo in cui l’AI e il machine learning sono integrati nel processo decisionale. Con una nuova architettura cloud-native e la disponibilità di interfacce interattive e di programmazione, i clienti Sas non saranno più vincolati dal linguaggio di programmazione, dai silos di dati o da competenze specifiche.

La preparazione automatizzata dei dati, il machine learning (AutoML) e la distribuzione dei modelli migliorano la produttività delle risorse in ambito data science e portano le potenzialità di intelligenza artificiale anche ai meno esperti.

SAS Viya 4 utilizza processi di continuous integration e continuous delivery (CI/CD) che consentono ai clienti di scegliere gli intervalli di release, così da avere accesso agli ultimi aggiornamenti e innovazioni nel momento in cui sono disponibili. 

Le organizzazioni analiticamente mature sanno che ogni decisione che deriva dai loro modelli può avere un impatto significativo sui profitti.

Le tecnologie cloud si stanno evolvendo. L’architettura di SAS Viya 4 è progettata per fare lo stesso. Consente infatti ai clienti di sfruttare al massimo i propri investimenti in analytics attraverso software as a service (SaaS) su cloud Sas, pubblico o privato.

Business Network: sfide sostenibili di filiera e mercati

business network

Sap sta supportando le imprese a migliorare la catena di approvvigionamento e i processi specifici dei loro settori, a connettersi attraverso la business network e integrare la sostenibilità come elemento critico del loro successo

In tempi incerti, le aziende hanno bisogno di un partner di fiducia che le aiuti a prendere decisioni sicure per migliorare l’agilità e la resilienza durante e dopo l’attuale crisi Covid-19”, ha affermato Thomas Saueressig, membro dell’Executive Board di SAP SE per SAP Product Engineering.

“Nel mondo iperconnesso di oggi, è sempre più importante per le aziende reagire rapidamente ai cambiamenti ambientali e di mercato. Stiamo contribuendo ad affrontare queste sfide offrendo nuovi modi con cui i clienti possono affrontare la sostenibilità, essere leader nel proprio settore e far crescere i propri business network aziendali.  SAP ha la strategia, la competenza, le soluzioni e l’ecosistema dei partner per permettere ai clienti di gestire il proprio business come un’impresa intelligente”.

Climate 21

Sap ha annunciato il programma Climate 21 per supportare i clienti nel perseguimento dei loro obiettivi per la tutela del clima.

In una roadmap pluriennale, Sap collaborerà con partner per co-innovare e integrare le metriche di sostenibilità nel portafoglio delle sue soluzioni.

Questo aiuterà i clienti a comprendere, analizzare e ottimizzare l’impronta di carbonio dei loro prodotti e delle operazioni lungo tutta la catena del valore.

L’applicazione Sap® Product Carbon Footprint Analytics è ora disponibile come prima soluzione del programma Climate 21.

Industry Cloud

Le imprese intelligenti raggiungono l’equilibrio tra l’ottimizzazione dei loro attuali modelli di business network e l’innovazione incrementale specifica del proprio settore per sviluppare nuovi flussi di entrate e prospettive di crescita utilizzando le tecnologie digitali.  Sap e i suoi partner offrono soluzioni cloud verticali che estendono i processi end-to-end della suite intelligente di Sap per aiutare i clienti a guidare il core business nei loro mercati.

La strategia cloud per industry di Sap fornirà soluzioni verticali innovative basate su tecnologie del portafoglio Business Technology Platform, direttamente da SAP e dai suoi partner e utilizzeranno un framework API aperto, un modello di processo aperto, un modello di dominio aperto e servizi di business comuni per creare una migliore esperienza per clienti e utenti.

L’intelligenza artificiale, l’Internet of Things e altre tecnologie avanzate di Sap saranno disponibili per aiutare gli sviluppatori ad accelerare lo sviluppo e fornire un maggiore valore, consentendo migliori pratiche commerciali e innovazioni di business network per settori verticali.

L’incremento degli investimenti per l’industria 4.0

Sap porta innovazioni significative dalla progettazione alle operations per fornire maggiori insight, automazione e risposte veloci attraverso l’iniziativa Industry 4.Now.

Queste innovazioni aiutano le aziende a progettare e realizzare prodotti e risorse intelligenti in grado di catturare e analizzare il crescente volume di dati dai sensori lungo tutta la supply chain.  Questo consente ai clienti di far evolvere l’Industry 4.0 da un’iniziativa limitata alla fabbrica a una strategia che coinvolge tutta l’organizzazione. Con analisi incorporate nelle soluzioni e capacità predittive, questa intelligenza può consentire ai responsabili di prendere decisioni aziendali migliori e sviluppare nuovi modelli di business e flussi di entrate.

La piattaforma robotica 5G da Qualcomm

robotica industriale

Una soluzione avanzata, integrata e completa, progettata specificatamente per l’industria della robotica

Basandosi sull’esempio di successo della piattaforma robotica Qualcomm Robotics RB3 e sulla sua ampia adozione in una vasta gamma di robot e droni oggi disponibili sul mercato, Qualcomm Robotics RB5 comprende un estensivo set di hardware, software e strumenti di sviluppo. La piattaforma è la prima nel suo genere a unire la profonda expertise dell’azienda nel 5G e nell’IA per facilitare sviluppatori e produttori nel creare la prossima generazione di robot e droni ad alta capacità di calcolo e a basso consumo energetico per consumatori, aziende e settori della difesa, industriali e servizi professionali.

Il Development Kit

Tutto questo è reso possibile grazie al Qualcomm Robotics RB5 Development Kit, che assicura agli sviluppatori i necessari livelli di personalizzazione e flessibilità per trasformare le loro progetti in realtà. Ad oggi, Qualcomm Technologies ha coinvolto diverse aziende leader nel settore, che hanno promosso la piattaforma Qualcomm Robotics RB5, includendo oltre 20 “early adopters” nel processo di valutazione della piattaforma.

Inoltre, oltre 30 player dell’ecosistema stanno sviluppando hardware e software necessari per attivare diverse applicazioni di robotica.

“Qualcomm Technologies è leader mondiale nell’innovazione della tecnologia wireless con una forte competenza in ambito IA, mobile computing e connettività. Applicando la nostra profonda expertise nei sistemi mobile all’industria della robotica, Qualcomm Technologies sta contribuendo alla creazione di robot più potenti, sicuri e intelligenti,” ha affermato Dev Singh, senior director of business development and head of autonomous robotics, drones and intelligent machines di Qualcomm Technologies, Inc.

“Grazie alla piattaforma Qualcomm Robotics RB5, Qualcomm Technologies supporterà l’accelerazione industriale in ambito robotico in segmenti quali robot autonomi mobili (Amr), robot e veicoli aerei senza pilota (Uav) per funzioni di consegna, ispezione, inventario, industriali e con caratteristiche di collaborazione, permettendo la realizzazione di casi d’uso per la robotica industriale 4.0 e gettando le basi per lo spazio Uav Traffic Management (Utm)”.

Automazione Industriale Intelligente e Life Science digitalizzate

life_science_digitale

Nei prossimi anni vedremo sempre più l’ascesa e la collaborazione tra nuovi attori nel panorama industriale: intelligenza artificiale (AI), machine Learning (ML) ed elaborazione del linguaggio naturale (NPL) per realizzare un’automazione intelligente con un approccio più opportuno e vantaggioso

Il comparto life science non scappa a questa regola, anzi!  

Deve essere tra i primi settori sempre aggiornati, sfidare nuovi limiti, ricercare molecole, terapie e dispositivi sempre più all’avanguardia per poter migliorare la vita dei pazienti.

In poco più di un secolo le scoperte in ambito farmaceutico hanno letteralmente doppiato e sommerso i progressi in ambito industriale.

Se da un lato abbiamo un ampio ventaglio di potenziali molecole interessanti da testare, dall’altro lato, i mezzi industriali, le tecnologie e l’automazione a disposizione non sono proprio al passo con la ricerca.

Ricerca e industrializzazione/automazione viaggiano su binari diversi

La ricerca è stata più libera di correre liberamente mentre dall’altra parte le compagnie farmaceutiche hanno trovato una strada molto più tortuosa per poter soddisfare la compliance in campo industriale.  Scenari regolatori in perenne movimento, problematiche legate ai brevetti e soluzioni tecnologiche datate.

Ancora oggi molte attività sono appesantite da processi di compliance rigidi.

Inoltre, è sempre più visibile la frattura esistente tra la gestione e la comprensione critica che le aziende dovrebbero utilizzare per gestire in maniera ottimale gli aspetti di sicurezza e collaborazione del paziente.

Le aziende dovranno necessariamente in futuro adottare soluzioni più integrate e affidarsi sempre più all’automazione per allinearsi a tali aspetti e risolvere le sfide più critiche in maniera efficace. L’automazione è pertanto vitale per ottenere successo nell’industria farmaceutica.

Le compagnie stanno affrontando ogni giorno grandi flussi di cambiamenti soprattutto nella gestione dei dati per salvaguardare la compliance e la sicurezza dei prodotti immessi in commercio.

Numerosi dati provengono da fonti multiple, sempre più prodotti sono distribuiti in paesi differenti che cambiano continuamente i propri requisiti regolatori.

Per esempio, l’utilizzo di una intelligenza artificiale integrata a sistemi di farmacovigilanza consentirebbe l’ottimizzazione e l’elaborazione simultanea dei dati da svariate fonti (email, social media, banche dati online, files audio, video) e renderebbe i trials clinici più consistenti, sicuri e vantaggiosi, riducendo di gran lunga le tempistiche.

Nonostante l’automazione sia spesso stato ingiustamente sinonimo di disoccupazione (Machines replacing Humans), in realtà anche nel pharma worldcome in altri campi, porterà ad un restyling vero e proprio del lavoro traducendosi in nuove posizioni lavorative, l’accento di sposterà sempre di più sull’aspetto data science.

Il coinvolgimento umano non scomparirà ma sarà trasformato ed integrato sempre più in un unico processo automatizzato tra AI, ML e NPL.

Ciò porterà a setacciare le voluminose quantità di dati processati più velocemente ed efficientemente. Il risultato finale? Le aziende libereranno più tempo e risorse che potranno essere investite in miglioramenti ed innovazione invece che in compiti ripetitivi senza valore aggiunto. Anche i dati stessi, hanno subito una loro “evoluzione” e continueranno ad evolversi e ad espandersi.

L’industria dovrà necessariamente adattarsi alla loro trasformazione per poter far fronte ad un volume di dati in continua crescita da fonti più disparate.

Prima i dati erano abbastanza puntiformi, statici, e ricavabili da fonti standard e tradizionali (report, banche dati collaudate, laboratori) adesso invece possiamo ricavare dati da dispositivi indossati direttamente dai pazienti, questo porta ad assumere sempre più dati e in maniera più dinamica.

Da un punto di vista tecnico si arriverà ad ottenere dati più consistenti, un legame sempre più forte tra pazienti ed i professionisti dell’ambito sanitario e la trasformazione della sanità stessa nell’era digitale.

Sempre più dati a disposizione provengono da canali non tradizionali, meno statici e più fluidi, come social media e siti online, e sono spesso utilizzati dai pazienti per scambiare informazioni, transitare dati e comunicare: tutto ciò porta ad un ampio raggio d’ azione. È compito della tecnologia e dell’automazione dunque, riuscire a captare i dati utili nel mezzo dello “tsunami digitale” e contestualizzarli, confrontarli anche con i vecchi dati più “analogici” e tradizionali per poter analizzare e migliorare la qualità di vita dei pazienti, la compliance e la qualità del prodotto.

Intelligenza artificiale nel 2020

intelligenza artificiale
Cinque modi per raggiungere nuove frontiere

Esistono cinque percorsi che possono essere intrapresi per raggiungere nuove frontiere con l’intelligenza artificiale nel corso del 2020

1. L’intelligenza artificiale diventa sempre più accessibile sul luogo di lavoro

Al passo con la continua crescita industriale dell’intelligenza artificiale, questa tecnologia si espanderà ben oltre l’universo della data science e verrà applicata, ad esempio, a dispositivi medici, alla progettazione nel settore automotive e alla sicurezza sul luogo del lavoro industriale.

Sempre più esperti di intelligenza artificiale hanno la possibilità deep learning esistenti, a dati più ricchi e a ricerche accessibili, il che consente di fare progressi in modo più rapido ed efficace.

Lo sviluppo dell’intelligenza artificiale avrà un impatto anche sugli utenti, in quanto strumenti quali l’etichettatura automatica consentiranno agli ingegneri di sfruttare le loro conoscenze del settore per gestire rapidamente set di dati ampi e di alta qualità, a garanzia di maggiore precisione e di probabilità di successo più elevate.

Poiché l’intelligenza artificiale è sempre più accessibile, gli utenti di svariati settori potranno utilizzarla per sviluppare progetti vincenti.

intelligenza artificiale fig.1
Le App per il flusso di lavoro di deep learning includono Deep Network Designer ©MathWorks

2. La diffusione di sistemi basati sull’intelligenza artificiale aumenta la complessità dei progetti

Il fatto che l’intelligenza artificiale venga utilizzata sempre di più in sistemi quali i veicoli autonomi, i motori dei velivoli, gli impianti industriali e le turbine eoliche sottolinea il notevole impatto che avrà sulle prestazioni generali di sistemi complessi e di multidominio.

Poiché l’intelligenza artificiale viene addestrata a lavorare con più tipi di sensori, come gli IMU, il LiDAR o il Radar, si continuerà ad integrarla in una serie sempre più ampia di sistemi tecnologici.

Un progetto più complesso determina inevitabilmente la necessità di simulazioni, test continui e integrazione. La simulazione consente ai progettisti di generare dati di guasto o dati sintetici per scenari che, nel mondo reale, sarebbero troppo costosi o pericolosi.

continui test danno la possibilità ai progettisti di individuare tempestivamente i punti deboli dei set di dati di training dell’intelligenza artificiale o i difetti di progetto di altri componenti. L’integrazione unisce la fase di esplorazione del progetto, quella di test e di implementazione all’interno di un contesto di sistema completo.

La combinazione di questi metodi consente di attuare un flusso di lavoro end-to-end in grado di dominare la complessità di progettazione dei sistemi basati sull’intelligenza artificiale.

intelligenza artificiale fig.2
L’IA sta trasformando l’ingegneria in quasi tutti i settori e le aree di applicazione ©MathWorks

3. L’intelligenza artificiale verrà utilizzata in dispositivi embedded a basso costo e a potenza ridotta


Nel corso del prossimo anno, assisteremo all’applicazione dell’intelligenza artificiale su dispositivi a basso costo e a potenza ridotta. In genere, l’IA è stata utilizzata nei calcoli matematici a virgola mobile per una maggiore precisione e un più facile addestramento dei modelli, escludendo dunque i dispositivi a basso costo e a potenza ridotta che si basano sulla matematica a virgola fissa.

Gli strumenti software sviluppati di recente supportano modelli di inferenza basati sull’IA con svariati livelli di calcoli matematici a virgola fissa. Si apre, così, una nuova frontiera per gli ingegneri che ora saranno in grado di integrare l’IA nei loro progetti di unità di controllo elettronico (ECU) a basso costo per sistemi quali i veicoli, i dispositivi medici e i controller di processi industriali.

4. Il reinforcement learning passa dalle applicazioni di gioco a quelle industriali del mondo reale

Nel 2020, il reinforcement learning (RL) passerà dall’universo del gioco a quello delle applicazioni industriali del mondo reale e verrà utilizzato in particolare nella guida autonoma, nei sistemi autonomi, nella progettazione dei sistemi di controllo e nella robotica.

Vedremo ottimi risultati nei casi in cui il RL verrà utilizzato come componente per migliorare un sistema più ampio, come l’ottimizzazione delle prestazioni di un conducente in un sistema di guida autonoma.

L’intelligenza artificiale è in grado di valorizzare il controller del sistema aggiungendo un agente RL per il miglioramento e l’ottimizzazione delle prestazioni, garantendo ad esempio una maggiore velocità, un consumo minimo di carburante o tempi di risposta più brevi.

Tutto ciò può essere integrato in un modello completo di sistema per guida autonoma che include modelli della dinamica del veicolo, modelli ambientali, modelli di sensori per fotocamere e algoritmi di elaborazione immagini.

5. Le simulazioni abbatteranno la barriera principale che ostacola un’adozione efficace dell’intelligenza artificiale: la mancanza di dati di qualità

Stando a quanto dichiarano gli analisti, la qualità dei dati è uno degli scogli più grandi che ostacola un uso efficace dell’IA. Il normale funzionamento quotidiano dei sistemi genera grandi quantità di dati utilizzabili.

Tuttavia, i dati più preziosi sono anche quelli più difficili da trovare, ovvero quelli derivanti da anomalie o da condizioni critiche di guasto. Per addestrare modelli di IA precisi servono moltissimi di questi dati e la simulazione consentirà di ottenere dati idonei e di abbattere questa barriera nel 2020.

intelligenza artificiale fig.3
Insieme dei dati di simulazione per la gestione dei dati di guasto generati da un modello Simulink di una scatola di trasmissione ©MathWorks

Nelle applicazioni di manutenzione predittiva, come la previsione accurata della vita utile residua di una pompa in un sito industriale, questi aspetti risultano ancora più evidenti. Poiché creare dati di guasto da attrezzature fisiche sarebbe distruttivo e costoso, l’approccio migliore consiste nel generare i dati da simulazioni in grado di rappresentare un comportamento di guasto e utilizzare i dati sintetizzati per addestrare un modello di intelligenza artificiale preciso.

La simulazione diverrà ben presto essenziale per sviluppare sistemi basati sull’intelligenza artificiale. Ad esempio, nei veicoli autonomi, la simulazione può aiutare i costruttori a progettare, verificare e implementare dei veicoli a guida autonoma nuovi e innovativi, fino ai componenti essenziali come il software embedded. Per maggiori informazioni, visitate la sezione del sito MathWorks dedicata all’Intelligenza Artificiale.

Intelligenza Artificiale per identificare tumori al cervello

tumori al cervello intel labs
Intel Labs e University of Pennsylvania utilizzano questo nuovo metodo

Intel Labs e la Perelman School of Medicine della University of Pennsylvania (Penn Medicine) stanno sviluppando insieme una tecnologia per abilitare una federazione di 29 istituti di salute e ricerca, diretti da Penn Medicine, per addestrare modelli di intelligenza artificiale (AI) in grado di identificare tumori al cervello, utilizzando una tecnica di machine learning che tutela la privacy, chiamata federated learning (apprendimento federato o apprendimento collaborativo).

Il lavoro di Penn Medicine è finanziato dall’Informatics Technology for Cancer Research (ITCR) program del National Cancer Institute (NCI) del National Institutes of Health (NIH), attraverso un grant in tre anni di 1,2 milioni di dollari riconosciuto al responsabile scientifico, Dr. Spyridon Bakas, del Center for Biomedical Image Computing and Analytics (CBICA) della University of Pennsylvania.

“L’Artificial Intelligence mostra magnifiche prospettive per l’individuazione precoce dei tumori al cervello, ma richiederà più dati di quanti un singolo centro medico possieda, affinché possa sviluppare al massimo il proprio potenziale. Utilizzando il software e l’hardware di Intel e il supporto di alcune delle brillanti menti degli Intel Labs, lavoriamo con l’Università della Pennsylvania e una federazione di 29 centri medici per far progredire l’identificazione dei tumori al cervello e proteggere al contempo i dati sensibili dei pazienti”, afferma Jason Martin, Principal Engineer di Intel Labs.

Penn Medicine e 29 istituti di salute e ricerca di Stati Uniti, Canada, Regno Unito, Germania, Paesi Bassi, Svizzera e India, utilizzeranno il federated learning, ovvero un approccio distribuito al machine learning che consente alle organizzazioni di collaborare a progetti di deep learning senza condividere i dati dei pazienti.

Secondo l’American Brain Tumor Association (ABTA), circa 80.000 persone avranno una diagnosi di tumore al cervello quest’anno, con oltre 4.600 bambini fra di loro. Per addestrare e costruire un modello che individui un tumore al cervello che possa aiutare il riconoscimento precoce e un migliore risultato, i ricercatori necessitano dell’accesso a un grande numero di dati medici rilevanti.

Allo stesso tempo, è essenziale che questi dati restino privati e protetti ed è qui che entra in gioco il federated learning con la tecnologia di Intel.

Con l’utilizzo di questo approccio, i ricercatori di tutte le organizzazioni partner potranno lavorare insieme nella costruzione e l’addestramento di algoritmi di identificazione dei tumori al cervello, mantenendo protetti i dati medici sensibili.Per conoscere i dettagli su come funziona il federated learning di Intel e Penn Medicine è disponibile il link:

http://app.plan.intel.com/e/es?s=334284386&e=6512449&elqTrackId=3aaf88278dfe4cedbfa41a2fae7d1afe&elq=6dec3beac27546cfb85a20714a76126b&elqaid=57448&elqat=1