Approfondimenti

Cosa si intende per Tecnologia IM-IoT?
Cosa si intende per Data Governance?
Cosa si intende per Medical Data Governance?
Cosa si intende per AI Ready?
Cos'è un Digital Black Box Recorder?
Cos'è un Middleware / Middleware AI Ready?
Cosa si intende per IoT?
Cos'è un dispositivo Internet of Things?
Cosa si intende per Ecosistema IoT?
Cos'è un Gateway IoT?
Cosa si intende per Cloud Computing, Fog Computing o Edge Computing?
Cosa si intende per Industrial Internet of Things - IIoT?
Cosa si intende per Internet of Medical Things - IoMT?
Cosa sono un’EMR e un’EHR e come si collegano all’IM-IoT?
Cosa si intende per Big Data e Analitica?
Cosa si intende per Intelligenza Artificiale?
Come funziona l'Intelligenza Artificiale?
Cosa si intende per Machine Learning?

Tecnologia IM-IoT
IM-IoT è una Tecnologia per Middlware interdisciplinari molto potente, basata su un Engine AI Ready, capace di raccogliere, normalizzare, sincronizzare Dati ad alta frequenza e Risoluzione.
I Dati, attraverso le interfacce in Tecnologia IM-IoT, sono raccolti da qualunque Oggetto disponibile a mercato e in grado di comunicare, come macchine, apparati, sensori, PLC, dispositivi indossabili e non, misuratori di parametri e quant’altro costoso o economico che sia, indipendente dal fatto che sia stato progettato per l’utilizzo Medicale, Industriale, Home o altro. Se fosse possibile semplificare parafrasando il linguaggio matematico si potrebbe affermare che: IM-IoT = IIoT+IoMT.
ServerNet, forte del proprio know-how, maturato negli ultimi anni grazie al costante impegno profuso in R&S, ha potuto abbattere, con la Tecnologia IM-IoT, il confine di integrazione tra Dati storicamente disciplinari, come lo sono quelli Medicali o Industriali.
ServerNet, attraverso la propria Tecnologia IM-IoT, rende interdisciplinare la disponibilità dei Dati superando, anche grazie al suo progetto del "Data Governance", i limiti imposti delle tecnologie IIoT e IoMT.
Gli hardware e i server distribuiti nelle Piattaforme Middleware, contengono gli Engine in Tecnologia IM-IoT, capaci di dialogare con dei Driver di semplice scrittura e facilmente implementabili per qualunque tipo di Oggetto dialogante che si vuole connesso.
La consultazione e le interrogazioni possono essere eseguite da semplici Browser HTLM5 e i risultati prontamente serviti ai Front-End e Sistemi informativi esterni che ne facciano richiesta.
L’accuratezza in uscita, dovuta al rilevamento in tecnologia IM-IoT, fa sì che i Dati si adattino perfettamente anche alle necessità richieste da Machine Learning e Intelligenza Artificiale e quindi nel rispetto degli standard AI Ready.
Nel prossimo futuro, la Tecnologia IM-IoT sarà centrale per lo sviluppo dei nuovi sottosistemi AI Ready.
IM-IoT è AI Ready e dispone nativamente di un DBR, (Digital Black Box Recorder), un efficace sistema di Storage multi traccia per Dati e Immagini, provenienti da qualsivoglia fonte, sincronizzati nel tempo, con funzioni di registrazione e visualizzazione in Near Real Time e Back in Time tipiche dei vecchi registratori analogici, ma con tutta la potenza ed efficacia richiesta dai moderni sistemi digitali (Avanti, Indietro, Registra, Arresta, Live, Tag, ecc.).

Il "Data Governance" e il "Medical Data Governance"
Di recente ServerNet, nella convinzione che nel prossimo futuro il Governo dei Dati assumerà grande rilevanza, ha deciso di dispiegare la propria attività di R&S per la realizzazione a medio termine un sistema per il “Data Governance” che, applicato in campo Medicale, assume il concetto di “Medical Data Governance”
ServerNet intende superare gli schemi tradizionali dove i Dati sono settorialmente costretti in un insieme (industria con industria, medicina con medicina, home con home, ecc.), l'idea ispiratrice è che i dati sono Dati e vanno raccolti e organizzati a prescindere dalla disciplina che li genera e che li utilizzerà.
Inevitabilmente nel prossimo futuro le realtà produttive dovranno poter associare i Dati a Persone, Processi, Eventi, Procedure o quant’altro, in una modalità proattiva e dovranno poterlo fare in una logica trasversale per organizzare una visione dei Dati  multipla e flessibile che interesserà un tempo progettuale (Prospective Time), un tempo reale (Real Time) e un tempo remoto (Bak in Time) nelle dinamiche imposte dalle necessità operative del momento.
IBM (IBM Healthcare and Life Sciences 2016) ha stimato che già dal 2020 i Dati Medicali o ad uso medico, raddoppieranno ogni 73 giorni con trend in aumento. Considerazioni analoghe sono stimabili nel mondo Industriale e Home.
Evidentemente l’enorme mole di Dati prodotti, da macchine medicali, macchine industriali, accessori per il fitness, sensori, impianti, apparati home e altro ancora, costringeranno i diversi attori produttivi al “Governo dei Dati” attraverso un processo di raccolta e associazione che vedrà un utilizzo importante anche dell’Intelligenza Artificiale.

AI Ready (Artificial Intelligence Ready)
I sistemi di AI (Intelligenza Artificiale) per esprimere al meglio la loro potenzialità necessitano di una grande quantità di Dati dinamicamente organizzabili. I sistemi AI Ready sapranno meglio adattarsi ai nuovi protocolli  per l'interfacciamento con i sistemi AI.

Il Digital Black Box Recorder
Il DBR, (Digital Black Box Recorder), anch'esso sviluppato da ServerNet e integrato nella Tecnologia IM-IoT, è un efficace sistema di Storage multi traccia per Dati e Immagini, provenienti da qualsivoglia fonte, sincronizzati nel tempo, con funzioni di registrazione e visualizzazione in Near Real Time e Back in Time tipiche dei vecchi registratori analogici, ma con tutta la potenza ed efficacia richiesta dai moderni sistemi digitali (Avanti, Indietro, Registra, Arresta, Live, Tag, ecc.).

I Middleware e i Middleware AI Ready
Nel 2000, durante un workshop che ha avuto come risultato un RFC di 30 pagine (RFC2768), si è cercato di definire che cos'è un Middleware.
Quel workshop non raggiunse completamente l'intento, pur individuando come Middleware tutto quello che sta in mezzo tra due sistemi, elementi di un sistema o tra un oggetto connesso ad un altro.
Il Middleware di ServerNet è AI Ready, grazie alla Tecnologia IM-IoT si esprime tra macchine medicali e industriali e i loro sistemi utilizzatori, continuando ad evolversi come si evolvono le macchine stesse e i sistemi che le utilizzano.
I middleware obsoleti, che raccolgono dati da una macchina medicale per conservarli in una cartella clinica, sono molto diversi da un Middleware AI Ready che si incarica di raccogliere Dati, Waveform, Immagini e Video pronti per l'uso dell'Intelligenza Artificiale.

IoT (Internet of Things)
L'Internet of Things, comunemente abbreviato in IoT, si riferisce in generale alla connessione a Internet di dispositivi tipicamente diversi da computer e smartphone.
Automobili, elettrodomestici da cucina o persino monitor cardiaci possono essere collegati tramite l'IoT.
Man mano che l'Internet of Things crescerà, altri dispositivi entreranno a far parte di tale elenco.

Dispositivi Internet of Things
Qualsiasi dispositivo che può connettersi autonomamente a Internet e che può essere monitorato o controllato da una postazione remota è considerato un dispositivo IoT.
Grazie al progresso tecnologico e alla disponibilità di dispositivi sempre più piccoli e potenti, quasi tutti i prodotti possono essere o diventare dispositivi IoT.

Ecosistemi Internet of Things
Tutti i componenti che consentono ad aziende pubbliche o private ed ai consumatori di connettersi ai propri dispositivi IoT includendo: accessi remoti, dashboard - cruscotti digitali - reti virtuali sicure, gateway, analisi dati e analitica, archiviazione dei dati e sicurezza, fanno parte dell'ecosistema IoT.

I Gateway IoT
I Gateway IoT sostengono diverse funzioni avanzate come: connettività a dispositivi, connettività a risorse e sistemi complessi, traduzione dei protocolli, filtraggio ed elaborazione dei dati, sicurezza, aggiornamenti, gestione ed altro.
I Gateway più potenti, come ad esempio l’LS24 di ServerNet, sono anche piattaforme per applicazioni che elaborano localmente i dati diventando parte intelligente di un sistema distribuito, definito come "edge computing".

Cloud Computing, Fog Computing o Edge Computing
Il Cloud Computing e l'IoT servono entrambi a migliorare l'efficienza nelle attività quotidiane, attraverso una relazione complementare.
L'IoT genera enormi quantità di dati e il Cloud Computing fornisce un percorso per far viaggiare quei dati verso una destinazione.

Il Fog Computing è più di un componente intelligente. Conosciuto anche come Edge Computing, fornisce un modo per raccogliere ed elaborare i dati su dispositivi informatici locali anziché in un Cloud o Data Center remoto. Secondo questo modello, i sensori o altri dispositivi collegati inviano dati a un dispositivo di elaborazione, vicino, locale, ai bordi (Edge) del luogo ove il dato esiste, in grado di processarlo e analizzarlo.
I Gateway prodotti da ServerNet hanno nativamente questa capacità, assolvendo in pieno ai compiti di un Edge Computing.

IIoT - Industrial Internet of Things
Un oggetto IIoT è in realtà un dispositivo IoT di recente sviluppo, pensato esclusivamente per la sua applicazione in ambito industriale.
Lo scopo degli oggetti IIoT è quello di ottimizzare i processi produttivi attraverso la connessione tra i macchinari e produrre dati per un centro di analisi utili ad un controllo preventivo sullo stato di salute delle macchine in uso ed efficientare i processi produttivi.
Un'impresa che investe sulle nuove tecnologie può usare sia l’IoT che l’IIoT. Le due tecnologie non sono sinonimi, in particolare, l’Industrial Internet of Things è un'evoluzione dell'IoT che permette a un dispositivo intelligente di avere più connessioni contemporanee e di lavorare con una maggiore quantità di dati.
Rispetto agli oggetti IoT, i dispositivi IIoT sono qualitativamente più affidabili in quanto si trovano ad operare in condizioni estreme: temperature elevate, condizioni climatiche avverse, corrosione e operatività 24/7.
Gli oggetti IIoT, inoltre, sono quasi sempre applicati a gru, sonde, impianti industriali e altri grandi macchinari.
Va evidenziato che gli oggetti IIoT dispongono di standard a livello di sicurezza informatica molto più solidi rispetto ai dispositivi IoT.

IoMT - Internet of Medical Things
L'Internet of Medical Things rivoluziona il settore sanitario e cambia radicalmente l'aspetto professionale degli Operatori Sanitari a beneficio dei Pazienti.
Carta e penna sono stati il mezzo principale per registrare le informazioni relative ai Pazienti per decenni e la tecnologia ha quasi completamente soppiantato questi strumenti.
Oggi i servizi offerti consentono ai Cittadini/Pazienti di pianificare le loro visite senza la necessità di chiamare uno studio medico e attendere un addetto alla reception.
La tecnologia dell'informazione sanitaria consente oggi ai Medici di essere sempre connessi alle informazioni cliniche ovunque essi siano, anche attraverso l'uso di dispositivi mobile, e questa crescente connettività non mostra segni di rallentamento.
Diversi studi di ricerca indicano un tasso di crescita tale da arrivare a oltre 600 milioni di dispositivi IoMT connessi già nel 2020 (a fine 2015 questa stima era sotto i 100 milioni) escludendo gli oggetti indossabili come i tracker o i dispositivi per lo sport e il fitness.
Nel prossimo futuro, la maggiore efficienza nella connettività e l'affinamento delle nuove tecnologie permetteranno ai professionisti del settore di somministrare una migliore assistenza sanitaria.

EMR e EHR come si collegano all'IoMT
Probabilmente negli ultimi decenni il più grande balzo in avanti dal punto di vista tecnologico è stata la crescita nell’utilizzo delle cartelle cliniche elettroniche ovvero le EHR ed EMR (reciprocamente Electronic Health Records e Electronic Medical Records).
Risulta immediata la distinzione tra EMR ed EHR se si pensa in chiave Medica (Medical) o in chiave Salute (Health). Un'EMR è una visione ristretta della storia medica di un paziente, mentre un'EHR è una relazione completa, generalizzata della salute del paziente.
Secondo il Becker's Hospital Review, nel 2009 solo il 16% degli ospedali negli Stati Uniti utilizzava un’EHR o un’EMR, tale percentuale è salita fino a circa l'80% nel 2013.
L'EHR ha anche il merito di aver unificano i vari sistemi ospedalieri.

Big Data e Analitica
Il Big Data è esattamente ciò che sembra: una grande quantità di dati. L'Internet of Things e in particolare, per le sue caratteristiche interdisciplinari, la Tecnologia IM-IoT di ServerNet, consentono di generare Dati in quantità più che mai strabilianti, numeri destinati ad incrementare ancora nell'immediato futuro. Secondo Cisco L'Internet of Everything, che consiste in tutte le persone e le cose connesse a Internet, genera 507,5 zettabyte di dati al 2019. Per la precisione, un zettabyte corrisponde a un trilione di gigabyte.
Tanti esperti del settore e ServerNet in primis, credono che il Fog Computing sarà strumentale all'analisi di tutti questi dati, in quanto offre vantaggi non disponibili in un modello basato sul Cloud Computing. Tutto ciò a vantaggio di una più rapida analisi e di un abbassamento dei costi legato soprattutto ad una significativa riduzione nella trasmissione dei dati e alla semplificazione dei processi di archiviazione e gestione, con il beneficio di una maggiore affidabilità della rete e delle applicazioni.

L'Intelligenza Artificiale
In modo semplicistico potremmo definire l'intelligenza artificiale come l'abilità di un sistema tecnologico a risolvere problemi o svolgere compiti e attività tipici della mente e abilità Umane. Nel settore informatico, potremmo identificare l'AI - Artificial Intelligence come la disciplina che si occupa di realizzare macchine (hardware e software) in grado di "agire" autonomamente (risolvere problemi, compiere azioni, ecc.).
Ciò che caratterizza l'Intelligenza Artificiale da un punto di vista tecnologico e metodologico è il modello di apprendimento con cui l'intelligenza diventa abile in un compito o un’azione. Questi modelli di apprendimento sono ciò che fa il distinguo tra Machine Learning e Deep Learning. La Tecnologia IM-IoT di ServerNet è AI Ready il che significa che i Dati sono resi disponibili e pronti all'uso da parte dei sistemi AI.

Funzionamento dell'Intelligenza Artificiale
Il funzionamento dell’AI si sostanzia principalmente in quattro differenti livelli funzionali:
• comprensione: attraverso la simulazione delle capacità cognitive di correlazione dati ed eventi, l'AI (Artificial Intelligence) è in grado di riconoscere testi, immagini, tabelle, video, voce ed estrapolarne informazioni o, grazie ad un middleware adatto come quello di ServerNet, ritrovarsi queste informazioni già strutturate.

• ragionamento: mediante la logica i sistemi riescono a collegare le molteplici informazioni raccolte (attraverso precisi algoritmi matematici e in modo automatizzato), o sempre grazie al middleware specifico, ritrovarsi dei dati già correlati.

• apprendimento: in questo caso parliamo di sistemi con funzionalità specifiche per l'analisi degli input di dati e per la loro "corretta" restituzione in output (è il classico esempio dei sistemi di Machine Learning che con tecniche di apprendimento automatico portano l'AI ad imparare e a svolgere varie funzioni).

• interazione (Human-Machine Interaction): in questo caso ci si riferisce alle modalità di funzionamento dell'AI in relazione alla sua interazione con l'uomo; è qui che stanno fortemente avanzando i sistemi di NLP - Natural Language Processing, tecnologie che consentono all'uomo di interagire con le macchine (e viceversa) sfruttando il linguaggio naturale.

Ancora una volta, è un Middleware AI Ready che facilita l'interazione tra l’AI e il suo utilizzatore, che arricchisce i dati con i metadati per la fase di comprensione e ragionamento e di fatto risolve 3 delle 4 parti di una qualsiasi implementazione di Intelligenza Artificiale, lasciando la fase dell'apprendimento (machine learning) agli specialisti e studiosi del settore.

Il Machine Learning
In italiano dovremmo tradurre "Machine Learning" come apprendimento automatico, inteso come abilità delle macchine (computer) di apprendere senza essere state esplicitamente e preventivamente programmate.
Il Machine Learning permette ai computer di imparare dall'esperienza; c'è apprendimento se le prestazioni per lo svolgimento di un compito o di un'azione, anche quando difettate da errore, migliorano, assumendo quanto già noto per l'Uomo, ovvero "sbagliando s'impara".
Del Machine Learning, visto da una prospettiva tecnico-informatica, possiamo dire che anziché scrivere il codice di programmazione, attraverso il quale passo dopo passo si "dice" alla macchina cosa fare, ad essa vengono forniti dei set di dati inseriti in un algoritmo generico, che sviluppa una propria logica per svolgere la funzione, l'attività o il compito richiesto.