La inteligencia artificial (IA) promete revolucionar el sector de la salud. La combinación de aprendizaje automático y análisis de datos puede procesar conjuntos de datos médicos tan grandes y imágenes médicas tan numerosas que están más allá de la escala de los investigadores, médicos y personal. De esta manera, esta dupla de IA promete ayudar a identificar pacientes en riesgo y prevenir el inicio de enfermedades y afecciones médicas. Para los pacientes existentes, la esperanza es que la IA pueda identificar enfermedades ocultas, señalar problemas médicos y ayudar en el desarrollo y aplicación de tratamientos que ayuden a la recuperación del paciente.
Sin embargo, la adopción de la IA se ha visto obstaculizada debido al costo y la complejidad de construir y poseer los sistemas de alto rendimiento necesarios. Sin embargo, esto está cambiando a medida que los procesadores se optimizan para el entrenamiento e inferencia de IA y se combinan con software más potente. Un ejemplo de esto son los procesadores Intel® Xeon® Scalable de segunda generación, que ofrecen hasta 30 veces más rendimiento para la inferencia de IA en comparación con la generación anterior de Xeon®. Además, Intel® Deep Learning Boost incluye extensiones x86 específicas que ayudan a acelerar algoritmos basados en redes neuronales convolucionales. El rendimiento también se mejora para la inferencia en lote y en tiempo real utilizando la función de instrucción de red neuronal vectorial (VNNI), que reduce la cantidad y complejidad de las operaciones de convolución requeridas para la inferencia de IA. VNNI también reduce la cantidad de potencia de cálculo y acceso a memoria requeridos, lo que reduce aún más la latencia y aumenta el rendimiento de las aplicaciones de IA.
Ejecutar IA a escala de producción va más allá del hardware, también requiere software potente. En este sentido, la industria parece estar convergiendo en TensorFlow, una plataforma de aprendizaje automático de código abierto desarrollada por Google. TensorFlow utiliza Python para proporcionar una API de front-end para construir y entrenar aplicaciones, pero se ejecuta en C++. Es ideal para entrenar y ejecutar redes neuronales para cargas de trabajo de reconocimiento de imágenes comunes en entornos médicos, como radiología y tomografías computarizadas.
En resumen, la IA tiene el potencial de transformar el sector de la salud al ayudar a identificar y prevenir enfermedades, así como a mejorar el diagnóstico y tratamiento de los pacientes. A medida que los procesadores y el software se optimizan para la IA, los costos y la complejidad asociados con su implementación están disminuyendo. Esto abre nuevas oportunidades para aprovechar el poder de la IA en beneficio de la salud y el bienestar de las personas.
Fuente del artículo: The Register
