Il ruolo dell'IA in ambito sanitario

L'intelligenza artificiale (AI) in ambito sanitario è in rapida espansione e le sue applicazioni si stanno diffondendo in diversi ambiti, tra cui l'assistenza ai pazienti basata sull'AI, le diagnosi mediche e le procedure chirurgiche. Secondo recenti rapporti, il mercato globale dell'AI in ambito sanitario raggiungerà 148 miliardi di USD entro il 2029. Dalla diagnostica basata sull'AI alla medicina di precisione, l'AI sta trasformando il modo in cui operano i sistemi sanitari, migliorando l'accuratezza e l'efficienza dei processi medici.

La visione artificiale è un ambito in cui l'AI sta compiendo progressi significativi. Le soluzioni sanitarie basate sull'AI, come i sistemi di visione artificiale, sono strumenti preziosi per analizzare i dati medici, individuare anomalie non visibili a occhio nudo e intervenire tempestivamente. Ciò è particolarmente importante per la diagnosi precoce delle malattie, che può migliorare notevolmente gli esiti per i pazienti.

Le applicazioni dell'AI in ambito sanitario non si limitano alla diagnostica. La sua utilità si estende all'assistenza chirurgica, dove la robotica medica ha portato allo sviluppo di sistemi avanzati capaci di eseguire interventi precisi e minimamente invasivi. Inoltre, i sistemi AI migliorano il monitoraggio dei pazienti integrando tecnologie indossabili e automatizzando i processi sanitari, contribuendo all'automazione del settore sanitario.

In questo articolo vedremo come i modelli di computer vision come Ultralytics YOLOv8 e Ultralytics YOLO11 possono aiutare il settore medico nelle attività avanzate di rilevamento degli oggetti. Esamineremo anche i vantaggi, le sfide e le applicazioni di questi modelli e vedremo come iniziare a usare i modelli Ultralytics YOLO.

Semplificare l'assistenza chirurgica con i modelli Ultralytics YOLO#

I sistemi di visione artificiale basati sull'AI stanno ampliando il loro ruolo in ambito sanitario. Modelli di visione artificiale come YOLOv8 e YOLO11 possono semplificare il rilevamento di oggetti in ambito medico, identificando strumenti e oggetti nelle sale operatorie in tempo reale e con elevata precisione. Le loro capacità possono aiutare i chirurghi a monitorare gli strumenti chirurgici in tempo reale, migliorando la precisione e la sicurezza degli interventi.

Ultralytics ha sviluppato diversi modelli YOLO, tra cui:

• Ultralytics YOLOv5: questa versione si è concentrata sulla facilità d'uso e sull'accessibilità per gli sviluppatori, introducendo funzionalità per accelerare l'addestramento e migliorare la distribuzione sui dispositivi.
• Ultralytics YOLOv8: questa versione ha introdotto un modello senza anchor completo. Nelle versioni precedenti di YOLO, le anchor box erano riquadri predefiniti di varie forme e dimensioni, usati come punti di partenza per il rilevamento degli oggetti. YOLOv8 elimina la necessità di queste anchor box e predice direttamente la forma e la posizione dell'oggetto.
• Ultralytics YOLO11: Al momento della stesura, i modelli YOLO più recenti (sostituiti successivamente da Ultralytics YOLO26) superavano le versioni precedenti in diverse attività, tra cui rilevamento, segmentazione, classificazione, stima della posa e tracciamento.

Applicazioni di Ultralytics YOLOv8 in ambito sanitario#

Ultralytics YOLOv8, per esempio, trova numerose applicazioni basate sull'AI in diversi settori, compresa la sanità, con un impatto significativo su ambiti come la scoperta di farmaci, la diagnostica e il monitoraggio in tempo reale. Ecco alcuni modi in cui YOLOv8 può essere usato nelle soluzioni sanitarie basate sull'AI.

• Monitoraggio dei pazienti in tempo reale: Ultralytics YOLOv8 può essere usato anche negli ospedali per monitorare in tempo reale pazienti e personale. Le applicazioni includono il monitoraggio dell'uso dei dispositivi di protezione individuale (PPE) e il rilevamento delle cadute dei pazienti.
• Rilevamento degli strumenti chirurgici: YOLOv8 può essere utilizzato per rilevare e tracciare con precisione gli strumenti chirurgici in tempo reale durante gli interventi laparoscopici. Questo è importante per migliorare l'efficienza e la sicurezza.
• Chirurgia robotica: Nella chirurgia robotica, Ultralytics YOLOv8 può migliorare la precisione degli strumenti chirurgici identificando i punti di riferimento anatomici critici e tracciando i movimenti in tempo reale. Questo rilevamento di oggetti basato sull'IA può migliorare la precisione e la sicurezza degli interventi complessi e ridurre al minimo le complicazioni.
• Endoscopia: YOLOv8 può essere applicato alle immagini endoscopiche per aiutare a identificare anomalie nel tratto gastrointestinale.
• Applicazioni di salute mobile: YOLOv8 può essere integrato nelle applicazioni mobili per diversi usi sanitari, tra cui lo screening del cancro della pelle.
• Diagnostica e imaging medico: YOLOv8 può rilevare e classificare anomalie in diverse modalità di imaging, come radiografie, scansioni TC, risonanze magnetiche ed ecografie. Il modello di rilevamento degli oggetti Ultralytics YOLOv8 può essere utilizzato in oftalmologia per individuare anomalie retiniche, come la retinopatia diabetica, e in radiologia per rilevare le fratture ossee, aiutando i radiologi a valutare i casi di trauma.

Fig. 1. Rilevamento di fratture in un'immagine radiografica con Ultralytics YOLOv8.

Vantaggi e sfide del rilevamento di oggetti in ambito medico#

Rispetto ad altri modelli di rilevamento degli oggetti come RetinaNet e Faster R-CNN, Ultralytics YOLOv8 offre vantaggi distinti per le applicazioni mediche basate sull'AI:

• Rilevamento in tempo reale: Ultralytics YOLOv8 è uno dei modelli di rilevamento degli oggetti più veloci. È ideale per le procedure mediche in tempo reale, come gli interventi chirurgici, in cui è importante rilevare rapidamente e con precisione gli strumenti e le apparecchiature mediche.
• Accuratezza: Ultralytics YOLOv8 offre un'accuratezza all'avanguardia nel rilevamento degli oggetti. I miglioramenti apportati all'architettura, alla funzione di perdita e al processo di addestramento contribuiscono all'elevata precisione nell'identificazione e nella localizzazione degli oggetti medici.
• Rilevamento di più oggetti in ambito medico: Ultralytics YOLOv8 può rilevare più oggetti in una singola immagine, ad esempio identificando numerosi strumenti medici durante un intervento chirurgico o rilevando diverse anomalie in un contesto medico.
• Minore complessità: Rispetto ai rilevatori a due stadi (come Faster R-CNN), Ultralytics YOLOv8 semplifica il processo di rilevamento eseguendolo in un unico stadio. Questo approccio snello contribuisce alla sua velocità ed efficienza, facilitandone la distribuzione e l'integrazione nei flussi di lavoro medici esistenti.
• Addestramento e distribuzione migliorati: Ultralytics si è impegnata a rendere i propri modelli estremamente intuitivi, offrendo un processo di addestramento semplificato, un'operazione di esportazione dei modelli più semplice e la compatibilità con diverse piattaforme hardware, rendendoli accessibili a ricercatori e sviluppatori del settore medico.

Nonostante i numerosi vantaggi, l'uso di modelli di computer vision per il rilevamento di oggetti in ambito medico presenta alcune sfide:

• Dipendenza dai dati: i modelli di computer vision richiedono grandi quantità di dati etichettati per un addestramento efficace. Acquisire set di dati annotati di alta qualità in ambito medico può essere difficile, anche a causa di fattori come la privacy dei pazienti.
• Complessità delle immagini mediche: le immagini mediche spesso contengono strutture complesse e sovrapposte, che rendono difficile per i modelli avanzati distinguere i tessuti normali da quelli anomali.
• Risorse di calcolo: L'analisi di immagini mediche ad alta risoluzione può richiedere un'elevata potenza di calcolo, un possibile limite negli ambienti con risorse limitate.

Esecuzione di inferenze con il modello Ultralytics YOLOv8#

Per iniziare a usare YOLOv8, installa il pacchetto Ultralytics. Puoi installarlo con pip, conda o Docker. Puoi trovare istruzioni dettagliate nella Guida all'installazione di Ultralytics. Se riscontri problemi, la nostra Guida ai problemi comuni può aiutarti a risolverli.

Una volta installato Ultralytics, usare YOLOv8 è semplice. Puoi usare un modello YOLOv8 preaddestrato per rilevare oggetti nelle immagini senza addestrare un modello da zero.

Ecco un rapido esempio di come caricare un modello YOLOv8 e usarlo per rilevare oggetti in un'immagine. Per esempi più dettagliati e suggerimenti sull'uso avanzato, consulta la documentazione ufficiale di Ultralytics per scoprire le best practice e ulteriori istruzioni.

Fig. 2. Frammento di codice che mostra l'esecuzione di inferenze con YOLOv8.

Conclusione#

L'integrazione dell'AI nel settore sanitario, in particolare attraverso modelli come Ultralytics YOLOv8, sta trasformando il panorama medico. La capacità del modello di offrire rilevamenti in tempo reale e ad alta precisione semplifica i flussi di lavoro e migliora la precisione chirurgica e diagnostica, oltre al monitoraggio dei pazienti in tempo reale, favorendo esiti migliori per i pazienti. Con il continuo miglioramento della qualità dei dati e della potenza di calcolo, il potenziale di YOLOv8 in ambito sanitario probabilmente crescerà, consentendo di rispondere efficacemente a un numero ancora maggiore di esigenze mediche.

Per scoprire il potenziale dell'IA per la visione artificiale e restare al passo con le nostre ultime innovazioni, visita il nostro repository GitHub. Unisciti alla nostra community in crescita e scopri come vogliamo contribuire alla trasformazione di settori come la sanità e la produzione.