HippoScreen aprovecha las herramientas Intel oneAPI y los marcos de IA para optimizar los modelos de deep-learning que ayudan a diagnosticar la depresión.

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 a HippoScreen 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, junto con el estigma generalizado que rodea a la depresión, 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, HippoScreen aprovechó las optimizaciones de las herramientas de análisis de Intel y los marcos de IA. Utilizando la herramienta de análisis Intel VTune Profiler, la empresa 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 a la empresa 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.

«En HippoScreen hemos podido aprovechar las optimizaciones de software de Intel® Extension for Scikit-learn e Intel Optimization for PyTorch 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.

Avisos y descargos de responsabilidad

El rendimiento varía en función del uso, la configuración y otros factores. Obtenga más información en el Sitio del Índice de Rendimiento.

Los resultados de rendimiento se basan en pruebas realizadas en las fechas indicadas en las configuraciones y pueden no reflejar todas las actualizaciones disponibles públicamente.Los resultados de desempeño se basan en pruebas realizadas a las fechas que se indican en las configuraciones y es posible que no reflejen todas las actualizaciones que están a disposición del público. Consulte las copias de seguridad para conocer los detalles de la configuración. Ningún producto o componente puede ser absolutamente seguro.

Intel no controla ni audita los datos de terceros. Le recomendamos consultar otras fuentes para evaluar la exactitud.