L’IA per i dispositivi medici e la sanità digitale - MATLAB & Simulink

ebook

Capitolo 7

Integrazione dell’IA nella progettazione a livello di sistema con Simulink

MATLAB integra l’IA nel processo di sviluppo dei modelli con Statistics and Machine Learning Toolbox e Deep Learning Toolbox. Anche Simulink permette di integrare l’IA nella progettazione a livello di sistema.

Utilizzare i modelli Simulink lungo l’intero processo di sviluppo, adottando dunque un approccio chiamato progettazione Model-Based, è un modo comprovato per sviluppare sistemi complessi in modo efficiente e a rischio ridotto.

Con Simulink, gli ingegneri possono comprendere e analizzare sistemi complessi simulando diagrammi a blocchi. Simulink offre blocchi per il Machine Learning e il Deep Learning, consentendo agli ingegneri di combinare le tecniche di IA con la progettazione Model-Based.

Integrando l’IA nella progettazione Model-Based per lo sviluppo di algoritmi embedded sarà possibile:

  • Sperimentare più modelli di IA di un algoritmo e confrontare rapidamente i tradeoff in termini di precisione e prestazioni su dispositivo.
  • Valutare i modelli di IA degli algoritmi in termini di conformità ai requisiti di sistema prima della distribuzione.
  • Eseguire i propri modelli di IA insieme ad altri modelli in un ambiente simulato per individuare eventuali problemi di integrazione dei sistemi.
  • Testare scenari la cui esecuzione su hardware o in un ambiente fisico sarebbe troppo difficile, costosa o pericolosa.
Robot metallico progettato per la chirurgia.

Lo sviluppo di un dispositivo complesso compatibile con l’IA, come ad esempio un robot chirurgico, richiede l’integrazione e la simulazione a livello di sistema.

È inoltre possibile utilizzare l’IA per la modellazione di ordine ridotto (ROM) basata sui dati al fine di modellare sistemi di dispositivi medici più complessi in Simulink. Le ROM basate sull’IA possono essere utilizzate per sostituire un modello basato sui principi primi ad alta fedeltà del sistema. I modelli basati sui principi primi sono in genere troppo impegnativi dal punto di vista computazionale per essere utilizzati per la progettazione a livello di sistema, soprattutto durante i test Hardware-In-the-Loop o Processor-In-the-Loop, che richiedono l’esecuzione del modello in tempo reale. È possibile addestrare ROM basate sull’IA utilizzando dati raccolti da sistemi hardware reali e integrarle in Simulink per accelerare notevolmente la simulazione e il test di un sistema di dispositivo medico complesso.

Un’altra possibilità consiste nello sfruttare Simulink come un ambiente dinamico per il Reinforcement Learning, una branca del Machine Learning (ML).

Ulteriori informazioni sul Reinforcement Learning

Simulink consente inoltre agli ingegneri medici di certificare modelli embedded basati sull’IA come parte dell’intero processo di sviluppo di software di dispositivi medici aderendo alle linee guida dello standard IEC 62304 durante lo sviluppo software e incorporando workflow di verifica e convalida. Caratteristiche come la modellazione e il test basati sui requisiti, l’ingegneria dei sistemi, i workflow di test formalizzati e automatizzati, la generazione automatica di codice e la verifica del codice possono ridurre notevolmente i costi di sviluppo complessivi e il time to market di un dispositivo medico basato sull’IA.

Per saperne di più sull’utilizzo di Simulink per lo sviluppo di dispositivi medici, consulta il white paper Progettazione Model-Based per lo sviluppo di dispositivi medici.