Condividi:

Condividi su facebook
Condividi su twitter
Condividi su linkedin
Condividi su whatsapp
Condividi su telegram

Ormai si sa e lo facciamo notare anche in molti dei nostri articoli. L’Intelligenza Artificiale sta prendendo piede nei processi decisionali di molte aziende e sta anche crescendo nell’ambito medico.

Oltre ad utilizzare il Deep Learning per prevedere il cancro ai polmoni, l’IA viene usata anche per fare un’analisi dei dati dei bioprocessi che risulta migliore rispetto ad una medica.

Fabian Mohr, ricercatore del MIT, afferma che alcuni vantaggi dell’IA sono molto evidenti per i produttori di biofarmaci. Lui stesso afferma che è interessante vedere come grazie a tale tecnologia si riesca a prevedere l’impatto di alcune modifiche, prima ancora che vengano effettuate.

Le CQA (Critical quality attributes) sono indicatori cruciali per la qualità del prodotto finale, in particolare per il settore altamente regolamentato della produzione biofarmaceutica che deve garantire un’alta qualità dei loro prodotti. A volte questi CQA non possono essere misurati direttamente o è costoso misurare in linea o in linea. In questo caso, l’intelligenza artificiale può essere utilizzata per prevedere questi CQA.

Un modello per aiutare a fare migliori analisi dei dati dei bioprocessi

Secondo Mohr si potrebbe costruire un modello adatto per fare analisi e individuare se il prodotto è pronto o meno.

Allenando l’Intelligenza Artificiale con degli esempi di dati, si potrebbe costruire un modello di classificazione binaria. Questo potrebbe individuare se il prodotto creato è “in-spec” o “out-of-spec”.

Inoltre, se il prodotto non dovesse risultare conforme, il modello di machine learning costruito potrebbe essere in grado di dare subito una risposta su quale è stata la causa di deviazione della procedura.

Tutto ciò farebbe risparmiare molto tempo ed eviterebbe costi troppo elevati per ogni caso.

Un sistema intelligente

Lo scopo è aiutare molte delle aziende biofarmaceutiche ad analizzare meglio i dati di ogni prodotto per renderlo migliore.

Secondo Mohr, gli analisti utilizzano dei metodi limitati che per alcuni tipi di prodotto non sono affatto idonei.

Il ricercatore del MIT e altri colleghi hanno ideato un approccio che identifica il miglior modello di analisi dei dati, ovvero, viene valutato quale algoritmo di machine learning deve essere utilizzato in base ai dati che si hanno a disposizione.

Qui la spiegazione di Mohr:

In base a tali caratteristiche, l’approccio seleziona un sottogruppo di algoritmi adatti al set di dati. Nella fase successiva viene applicata una rigorosa procedura di convalida incrociata per determinare il miglior algoritmo del sottoinsieme. Le procedure consigliate nell’analisi dei dati sono incorporate nell’approccio per generare il modello più accurato che può essere costruito dal set di dati fornito.

Fonte

Condividi su facebook
Condividi su twitter
Condividi su linkedin
Condividi su whatsapp
Condividi su telegram
Antonio Furioso

Antonio Furioso

Fondatore di Neuragate. Credo molto in quello che le immagini possono comunicare, per questo sono fortemente attratto dalla Computer Vision. Mi piace tutto quello che è nuovo. La curiosità è quella che mi spinge oltre le aspettative e a fare sempre di più.

Iscriviti
Notificami
guest
0 Commenti
Inline Feedback
Vedi tutti i commenti