HippoScreen mejora con tecnología de Intel modelos de deep learning para estudios de salud mental
Utilizando el Intel® AI Analytics Toolkit y el Intel® oneAPI Base Toolkit, HippoScreen mejoró la eficiencia y los tiempos de construcción de los modelos de deep-learning utilizados en su sistema de inteligencia artificial (IA) de ondas cerebrales. Estas mejoras permitieron ampliar las aplicaciones de su sistema a una gama más amplia de afecciones y enfermedades psiquiátricas.
A nivel mundial, se estima que el 5 % de los adultos sufren de depresión. No existe un procedimiento de diagnóstico único para la depresión y, aunque algunos casos pueden diagnosticarse clínicamente, la mayoría de las evaluaciones dependen de las autodescripciones subjetivas de los pacientes. Para superar este problema, HippoScreen desarrolló el sistema Stress EEG Assessment (SEA), que ayuda a los médicos a diagnosticar con mayor precisión los trastornos mentales. El sistema incluye un amplificador de electroencefalograma (EEG) para la recopilación de datos y el procesamiento de señales, una interfaz gráfica de usuario para el control del proceso de prueba y un algoritmo de IA para el análisis de datos. SEA analiza señales de ondas cerebrales de 90 segundos y proporciona un índice de evaluación objetivo y cuantificable que busca representar numéricamente la probabilidad de que un individuo esté sufriendo de depresión.
Para mejorar la eficacia de los algoritmos y la precisión de los diagnósticos, al mismo tiempo que se reducen los tiempos de entrega de resultados de diagnóstico críticos al personal médico, la empresa aprovechó las optimizaciones de las herramientas de análisis de Intel y los marcos de IA. Utilizando la herramienta de análisis VTune™ Profiler, alcanzó el máximo rendimiento y la mínima utilización de la CPU con un número de hilos de cinco. Además, el desempeño mejoró 2 veces, lo que permite identificar y resolver rápidamente problemas de sobresuscripción de subprocesos. Intel® Optimization for PyTorch e Intel® Extension for Scikit-learn, junto con los algoritmos propios de HippoScreen, analizaron las características de los datos del sistema EEG que culminaron en un factor de decisión único y dieron lugar a mejoras de desempeño 2,4 veces mayor.
«Hemos podido aprovechar las optimizaciones de software para acelerar 2,4 veces los tiempos de compilación de los modelos de IA en nuestro sistema personalizado de análisis de ondas cerebrales EEG», afirma Daniel Weng, director de tecnología de HippoScreen NeuroTech Corp.
Mantente conectado a nuestra revista Channel News Perú, haciendo clic aquí y suscribiéndote a nuestro newsletter para contenido de valor diario.
