Algoritmi e sistemi intelligenti per l'Internet of Medical Things e la salute digitale - Ital-IA

Algoritmi e sistemi intelligenti per l’Internet of Medical Things e la salute digitale
                             Vincenzo Carletti, Pasquale Foggia, Antonio Greco,
                           Luca Greco, Gennaro Percannella, Pierluigi Ritrovato,
                  Alessia Saggese, Francesco Tortorella, Mario Vento, Vincenzo Vigilante
                                                    Mivia Lab
                  Dept. of Information and Electrical Engineering and Applied Maths (DIEM)
                                               University of Salerno
                                   {vcarletti, pfoggia, agreco, lgreco, pergen,
                         pritrovato, asaggese, ftortorella, mvento, vvigilante}@unisa.it

                          Abstract                                 to, il connubio tra le tecnologie dell’informazione (in parti-
                                                                   colare dell’Internet of Things) e l’Intelligenza Artificiale sta
     La continua crescita nella domanda mondiale di                trovando una naturale collocazione anche grazie agli avanza-
     servizi medici rende necessaria una transizione dal           menti tecnologici nel mondo delle reti di sensori indossabili
     modello tradizionale di assistenza ospedaliera (in            (Body Sensor Networks -BSN), dei costi contenuti di single
     cui il cittadino si rivolge alla struttura medica al          board computer e neural compute sticks che rendono gli ap-
     manifestarsi dei sintomi di uno stato patologico)             procci basati su deep networks applicabili a livello di edge
     verso un modello, più sostenibile a lungo termi-              computing. Secondo Transparency Market Research (TMR),
     ne, che renda praticabile il monitoraggio continuo            nel 2016 il mercato globale della salute digitale si attestava a
     dello stato di salute nonché il trattamento remoto            179,6 miliardi di dollari. La previsione di crescita in questo
     (ove possibile) delle patologie. In quest’ambito, il          mercato è di un tasso annuo composto del 13,4% tra il 2017
     connubio tra le tecnologie dell’Internet of Things            e il 2025, raggiungendo 536,6 miliardi di dollari entro la fi-
     e l’Intelligenza Artificiale sta trovando una natura-         ne del 2025. Tale crescita riguarda essenzialmente due am-
     le collocazione anche grazie agli avanzamenti tec-            biti: dispositivi indossabili e sistemi informativi sanitari, in
     nologici nel mondo delle reti di sensori indossabi-           particolare sistemi di supporto alle decisioni cliniche (CDSS
     li (Body Sensor Networks - BSN), dei costi con-               - Clinical Decision Support System), EHR / EMR, gestione
     tenuti di single board computer e neural compu-               informatizzata delle ricette mediche (CPOE - Computerized
     te sticks che rendono gli approcci basati su deep             Physician Order Entry), telemedicina, mHealth (Mobile He-
     networks applicabili a livello di edge computing.             ralth) e gestione della salute della popolazione. Si noti che
     Rispetto a tale contesto, il laboratorio di Macchine          la straordinaria crescita di mHealth è il risultato della pro-
     Intelligenti per il riconoscimento di Video, Imma-            liferazione degli smartphone in tutto il mondo e di un cre-
     gini e Audio (MIVIA) dell’Università degli Studi              scente interesse per la salute e l’attitudine alla prevenzione.
     di Salerno è attivo sia dal punto di vista architettu-        Si prevede che la domanda di servizi sanitari digitali cresca
     rale (nella progettazione e realizzazione di sistemi          sia per il segmento B2B che per i pazienti e gli operatori sa-
     embedded per internet of medical things) sia nel-             nitari, il B2C. I dispositivi tecnologici indossabili includono
     la definizione di algoritmi di machine learning e             tracker per il fitness, smartwatch, abbigliamento intelligen-
     deep networks per il rilevamento di anomalie e la             te, skin patch intelligenti, cuffie e fanno riferimento a settori
     prevenzione (riduzione dei rischi) di patologie.              applicativi tra cui assistenza sanitaria e medica, fitness e be-
                                                                   nessere, sport professionali, info-tainment, impresa, settore
                                                                   militare e moda. Anche il numero di aziende operanti nel
1   Introduzione                                                   settore dispositivi indossabili per la salute e la medicina mo-
Negli ultimi anni gran parte del mondo si trova di fronte ad       stra un trend di crescita. Relativamente all’ambito dei sistemi
una grande sfida per gestire il rapido invecchiamento della        IoT per salute digitale, il laboratorio di Macchine Intelligenti
popolazione, l’aumento di individui con malattie croniche, la      per il riconoscimento di Video, Immagini e Audio (MIVIA)
mortalità infantile, frequenti esplosioni di epidemie, scarsa      dell’Università di Salerno è attivo sia dal punto di vista archi-
sanità e aumento dell’inquinamento. La continua crescita nel-      tetturale (nella progettazione e realizzazione di sistemi em-
la domanda mondiale di servizi medici rende necessaria una         bedded per internet of medical things) sia nella definizione di
transizione dal modello tradizionale di assistenza ospedaliera     algoritmi di machine learning e deep networks per il rileva-
(in cui il cittadino si rivolge alla struttura medica al manife-   mento di anomalie e la prevenzione di patologie (riduzione
starsi dei sintomi di uno stato patologico) verso un model-        dei rischi) attraverso l’utilizzo di architetture di edge e stream
lo, più sostenibile a lungo termine, che renda praticabile il      computing e HPC (High Performance COmputing).
monitoraggio continuo dello stato di salute nonché il tratta-
mento remoto (ove possibile) delle patologie. In quest’ambi-

Tabella 1: Prototipi di smart chair e smart sole realizzati presso il MIVIA Lab.

2     Attività di ricerca del MIVIA Lab                                    • Machine learning & AI. Il monitoraggio continuo dei pa-
                                                                              rametri vitali (e non) misurati dai sensori consente l’in-
Un sistema IoT per e-Health, anche indicato con il termine                    dividuazione di anomalie [Greco et al., 2019], la pre-
Internet of Medical Things (IoMT) è caratterizzato da un’ar-                  venzione e/o predizione di un eventuale deterioramento
chitettura multilivello che consta tipicamente di uno strato di               delle condizioni di salute. Affinché ciò sia possibile, è
sensing (sensori fisici o virtuali), uno strato di edge o fog                 necessario definire ed implementare opportuni algoritmi
computing (es. microcontrollori o single board computer a                     di machine learning che possano apprendere ed evolvere
basso consumo destinati al pre-processing dei dati acquisi-                   in maniera continua nel tempo. Un elemento chiave è
ti), uno strato cloud (per elaborazione ad alta complessità e/o               l’impiego di tecniche di Deep Learning che prevedono
storage).                                                                     l’adozione di specifiche architetture GPU.
   L’attività di ricerca condotta dal laboratorio MIVIA in
ambito IoT si focalizza sulle seguenti tematiche:                          Applicazioni dell’AI sono oggetto di investigazione da par-
                                                                        te del gruppo anche nel campo del monitoraggio posturale. In
    • Fusione di dati provenienti da reti di sensori indossabili        figura 1 sono mostrati prototipi messi a punto per la raccol-
      (BSN). I dispositivi wearable sono caratterizzati da risor-       ta di dati relativi alla distribuzione del peso del corpo umano
      se limitate in termini di energia, potenza computaziona-          sullo schienale, sul sedile di una comune sedia o su un planta-
      le e capacità di immagazzinamento. I metodi avanzati di           re, in modo da poter analizzare e correggere posture scorrette
      multi-sensor data fusion attraverso l’utilizzo di tecnolo-        ed evidenziare lo sviluppo di potenziali patologie in base alle
      gie semantiche, che il gruppo ha applicato in molteplici          abitudini posturali da seduto o in piedi della persona in ana-
      ambiti [Greco et al., 2017] [Greco et al., 2016] rappre-          lisi. Nonostante in letteratura studi di questo tipo siano stati
      sentano una risposta efficace al problema di inferire in-         affrontati con hardware ben più costoso (matrici composte da
      formazione di alta qualità da dati rumorosi, incompleti o         trecento fino a più di mille sensori) e per scopi differenti dal
      inconsistenti.                                                    nostro (classificare la postura del soggetto in base alla distri-
                                                                        buzione di peso), la sperimentazione condotta con soli otto
    • Fog/edge computing. I dati prodotti dai sensori indossa-
                                                                        sensori (caso sedia) si rivelata efficace nel monitoraggio della
      bili necessitano di una fase di pre-elaborazione per poter
                                                                        corretta postura. Altra tematica di ricerca oggetto di studio al
      essere interpretati ed eventualmente filtrati o compressi.
                                                                        MIVIA Lab riguarda la realizzazione di sistemi multisenso-
      Questa prima fase di elaborazione è effettuata dai "fog
                                                                        re per il monitoraggio continuo di diversi parametri fisiologici
      node" [Greco et al., 2018]. In quest’ambito le attuali
                                                                        quali battito, ECG, ossigenazione del sangue, glucosio (misu-
      sfide riguardano approcci innovativi all’orchestrazione
                                                                        rato dal sudore attraverso un bio-sensore realizzato ad hoc),
      delle risorse e lo sviluppo di applicazioni fog o edge-side
                                                                        valutazione della camminata (gait analysis attraverso plantari
      attraverso sistemi embedded.
                                                                        intelligenti, in corso di realizzazione dallo Spin-off del MI-
    • Big data analytics e Stream computing. I sensori in-              VIA AI4Health srl), per il monitoraggio a casa di malati cro-
      dossabili acquisiscono un’elevata quantità di dati, spesso        nici. Tali attività sono oggetto del progetto di ricerca PON
      eterogenei, in maniera estremamente rapida e talvolta di          iCare (area di specializzazione Tecnologie per gli ambienti di
      bassa qualità. Ciò costituisce un problema di analisi di          vita).
      Big Data che va affrontato con metodologie di Stream                 Infine, una ulteriore area di applicazione approcci di ma-
      processing [Greco et al., 2019]. In quest’ambito, l’at-           chine learning e deep networks riguarda le Scienze Omiche
      tività è focalizzata sullo studio di architetture hardware        con particolare riferimento alla Genomica e metabolomica.
      e software che consentono di gestire l’elevata mole di            Le attività di ricerca saranno svolte utilizzando le Infrastrut-
      dati in tempo reale anche attraverso soluzioni di Stream          ture di Ricerca recentemente finanziate al nostro ateneo dalla
      Computing.                                                        Regione Campania (centro di Genomica in grado di sequen-

ziare 10.000 genomi all’anno) e dal MIUR (centro di calcolo
HPC e sistemi di spettrometria di massa). In tale ambito l’in-
telligenza artificiale sarà utilizzata per studio dei tumori e per
la definizione di kit per l’individuazione di patologie comuni
e malattie rare.

Riferimenti bibliografici
[Greco et al., 2016] L. Greco, P. Ritrovato, A. Saggese, e
  M. Vento. Abnormal event recognition: A hybrid approach
  using semanticweb technologies. pages 1297–1304, 2016.
  cited By 5.
[Greco et al., 2017] L. Greco, P. Ritrovato, e M. Vento. Ad-
  vanced video analytics: An ontology-based approach.
  volume Part F129475, 2017. cited By 0.
[Greco et al., 2018] L. Greco, P. Ritrovato, T. Tiropanis, e
  F. Xhafa. Iot and semantic web technologies for event
  detection in natural disasters. Concurrency Computation,
  30(21), 2018. cited By 1.
[Greco et al., 2019] L. Greco, P. Ritrovato, e F. Xhafa. An
  edge-stream computing infrastructure for real-time analy-
  sis of wearable sensors data. Future Generation Computer
  Systems, 93:515–528, 2019.