L’intelligenza artificiale (IA) ha portato molti progressi in diversi campi, come il riconoscimento vocale, la comprensione delle immagini, la robotica e i veicoli autonomi, affrontando problemi che, secondo la convinzione generale, solo l’intelligenza umana poteva risolvere. Il computer che gioca a scacchi chiamato Deep Blue, il computer che risponde alle domande chiamato Watson e, recentemente, le auto a guida autonoma sono esempi ben noti di diverse macchine di IA che svolgono compiti umani. La capacità di ”capire” l’ambiente circostante attraverso telecamere digitali, o in altre parole di comprendere le immagini, è uno dei requisiti principali delle auto a guida autonoma. In questo post illustriamo come questo aspetto apparentemente magico dell’IA possa essere utilizzato nella tecnologia di ispezione farmaceutica per il controllo della qualità.
GARANZIA DI QUALITÀ
L’obiettivo principale della tecnologia di ispezione farmaceutica è la garanzia di qualità del prodotto finale, ottenuta tramite l’ispezione meticolosa di ogni singolo prodotto. Al giorno d’oggi sono disponibili diversi tipi di prodotti farmaceutici, che vanno da dimensioni, forme e colori differenti a diverse opacità, come illustrato in Figura 1. L’ispezione visiva di questi prodotti è un compito importante e regolamentato, con il quale il processo di ispezione mira a evitare prodotti farmaceutici difettosi o al di sotto degli standard, rilevando vari difetti che si verificano durante il processo di produzione. I difetti che si verificano vanno da quelli critici, che influiscono sull’aspetto funzionale del prodotto, come crepe, ammaccature, graffi e particelle estranee, a difetti che influiscono semplicemente sull’aspetto visivo del prodotto, come impurità e macchie. L’ispezione visiva automatizzata affronta i requisiti di ispezione di grandi quantità e la crescente varietà di prodotti farmaceutici, mediante macchine specializzate e soluzioni ingegnerizzate di rilevamento dei difetti. Per alcuni problemi di ispezione visiva, tuttavia, la progettazione di soluzioni complesse può talvolta rivelarsi un compito molto difficile o del tutto impossibile. L’ispezione visiva di oggetti traslucidi, come capsule e softgel trasparenti, rientra in questa categoria. A causa delle loro proprietà ottiche intrinseche, che influiscono sulla complessità visiva complessiva, questi vengono per lo più ispezionati manualmente da un operatore umano.
Figura 1: Tipi di prodotti farmaceutici di diverse dimensioni, forme, colori e opacità.
COMPRENSIONE DELLE IMMAGINI
L’avanzamento tecnologico, ovvero lo sviluppo di nuove soluzioni o il miglioramento di quelle esistenti, si ottiene tramite il processo di analisi critica di tecnologie emergenti. Il cappello magico dell’IA contiene molti trucchi differenti, il più magico dei quali consente a una macchina di IA di imparare a comprendere le immagini e si chiama Deep Learning (DL). Applicato nel giusto contesto, il DL ha dimostrato di funzionare meglio degli approcci esistenti per risolvere problemi molto complessi. Scopriamo un po’ della magia che si cela dietro questo trucco apparentemente mistificante dell’IA e diamo un’occhiata a come una soluzione basata sul DL nel settore dell‘ispezione farmaceutica si possa ottenere in tre fasi cruciali, ossia specificando il problema dell’ispezione con campioni fisici di prodotto, imparando a separare questi campioni e integrando la soluzione ottenuta in una macchina di ispezione.
1 SPECIFICA DEL PROBLEMA – GARBAGE IN, GARBAGE OUT
C’è un detto ben noto nel campo scientifico del Machine Learning, ovvero ”garbage in, garbage out”, che si riferisce al fatto che se un problema è mal specificato, la soluzione risultante sarà di scarsa qualità. Il trucco magico dell’IA non funzionerà da solo: nulla funziona davvero da solo.
Per ottenere soluzioni ragionevoli ai problemi di ispezione e di controllo della qualità, il primo passo fondamentale è coinvolgere il produttore del prodotto farmaceutico e rispondere alla domanda “cosa è idoneo e cosa è cattivo?”. La risposta si ottiene esaminando manualmente e separando fisicamente i campioni di un lotto di prodotti, composto da campioni privi di difetti (idonei) e da campioni difettosi (cattivi). Durante questo processo, gli esperti del settore dell’ispezione, in collaborazione con il produttore di prodotti farmaceutici, mirano a determinare i difetti che si verificano comunemente durante il processo di produzione o in una determinata fase del processo di produzione. La specifica appropriata delle deviazioni accettabili e non accettabili dal prodotto finale previsto rappresenta la base, da cui si sviluppa una soluzione in grado di soddisfare i requisiti di ispezione e controllo qualità.
2 IMPARARE A SEPARARE IL CATTIVO DALL’IDONEO
Gli esseri umani rispondono alla domanda “cosa è idoneo e cosa è cattivo?”, utilizzando i loro occhi, la loro conoscenza ed esperienza e le loro mani per separare fisicamente i campioni di prodotto. Come si può spiegare adesso a una macchina questa conoscenza di ”come separare”? È qui che entra in azione il trucco magico dell’apprendimento dell’IA.
Dopo aver specificato il problema e aver suddiviso il lotto di prodotti campione in campioni idonei (privi di difetti o accettabili) e cattivi (difettosi o non accettabili), gli esperti del settore dell’ispezione catturano immagini dei campioni di prodotto tramite telecamere digitali utilizzando una macchina di ispezione all’avanguardia. Le immagini dei campioni raccolti vengono inoltre ispezionate e tutti i difetti visibili vengono contrassegnati. A questo punto, viene utilizzato un approccio basato sul DL, che esamina ogni singola immagine catturata e “impara” la separazione di campioni idonei e cattivi. La stessa fase di apprendimento comporta ripetute operazioni matematiche e statistiche per la costruzione graduale di un complesso iperspazio, tramite il quale si ottiene la separazione dei campioni. La Figura 2 illustra le somiglianze e le differenze tra un approccio umano e uno basato su DL in un’attività di separazione. Tuttavia, poiché questo approccio da solo potrebbe non essere sempre in grado di produrre le prestazioni richieste, si procede a un’ulteriore ingegnerizzazione e ottimizzazione della soluzione, analizzando i campioni più problematici e i potenziali casi di guasto. Insieme, queste fasi garantiscono lo sviluppo di una soluzione in grado di affrontare il problema di ispezione specificato.
Figura 2: Similitudini e differenze tra un approccio umano e uno basato sul Deep Learning in un’attività di separazione.
3 INTEGRAZIONE DELLA SOLUZIONE – LA MACCHINA IA
A questo punto la conoscenza specifica di “come separare” è stata appresa dai campioni fisici divisi, utilizzando un approccio di IA per ottenere una soluzione a un problema di separazione. La fase restante è di fondere questa conoscenza con una macchina di ispezione, ottenendo la macchina IA.
La soluzione sviluppata viene sottoposta a test rigorosi e solo dopo la riuscita convalida viene integrata in una macchina di ispezione all’avanguardia per prodotti farmaceutici. Queste macchine incorporano una rapida manipolazione meccanica, un’illuminazione controllata, una rapida acquisizione e analisi delle immagini e meccanismi affidabili di rilevamento e smistamento dei difetti. Grazie a soluzioni specializzate di rilevamento dei difetti, questi sistemi di ispezione altamente efficienti aiutano il processo di produzione eseguendo un instancabile controllo di qualità su ogni singolo prodotto, smistando prodotti al di sotto degli standard e garantendo un grado di qualità affidabile per il prodotto finale.
ESSERE UMANO VS MACCHINA IA
Una macchina IA all’avanguardia imita un essere umano sostituendo gli occhi con telecamere digitali, le mani con manipolatori meccanici e le conoscenze specifiche con l’IA. Oltre a prestazioni più rapide, queste soluzioni completamente automatizzate offrono un grado maggiore di affidabilità e obiettività rispetto all’ispezione manuale, soggetta a errori umani, che diventa sempre più evidente quando le esecuzioni sono più lunghe. La precisione e l’imparzialità di un sistema di visione macchina rispetto a un essere umano nel controllo della qualità visiva sono ben spiegate e testate nel seguente post.
L’ispezione visiva automatizzata risponde ai requisiti di ispezione di grandi quantità, mentre l’intelligenza artificiale offre la possibilità di affrontare i difficili problemi di ispezione della sempre crescente varietà di prodotti farmaceutici, alcuni dei quali venivano affrontati in precedenza solo tramite l’ispezione manuale. Sensum sviluppa e produce macchine automatizzate all’avanguardia per l’ispezione visiva, un processo che è stato identificato come uno dei più laboriosi nella produzione farmaceutica di softgel e forme di dosaggio solide. Le macchine Sensum aiutano le aziende farmaceutiche a raggiungere l’autonomia operativa e consentono agli operatori di concentrarsi su attività di maggior valore aggiunto. Inoltre, grazie alla loro intrinseca non invasività, aiutano a ridurre l’interazione umana non necessaria, con notevoli vantaggi per la salute, come spiegato nel post seguente.
In definitiva, questi sistemi e soluzioni sono progettati per supportare i produttori farmaceutici nell’assicurazione della qualità del prodotto finale, ottenuta tramite l’ispezione meticolosa di ogni singolo prodotto. E anche se alcuni dei trucchi per risolvere i difficili problemi di ispezione possono sembrare magici a prima vista, non dimentichiamo che il cappello magico dell’IA, che contiene i trucchi magici, è stato creato da un essere umano.
Questo articolo è stato pubblicato originariamente da Domen Rački, in uno dei suoi articoli su LinkedIn:
https://www.linkedin.com/pulse/artificial-intelligence-pharmaceutical-inspection-technology
Similar posts
