E-book

Capítulo 7

Integración de IA en el diseño en nivel de sistema con Simulink

MATLAB integra IA en el proceso de desarrollo de un modelo con Statistics and Machine Learning Toolbox y Deep Learning Toolbox. Pero la IA también se puede integrar en el diseño en nivel de sistema con Simulink.

Está demostrado que el uso de modelos de Simulink a lo largo del proceso de desarrollo, un enfoque denominado diseño basado en modelos, permite desarrollar sistemas complejos con mayor eficiencia y menor riesgo.

Con Simulink, grupos de ingeniería pueden analizar y comprender sistemas complejos mediante la simulación de diagramas de bloques. Simulink proporciona bloques para Machine Learning y Deep Learning, lo que permite combinar técnicas de IA con el diseño basado en modelos.

Integrar IA en el diseño basado en modelos para el desarrollo de algoritmos integrados permite:

  • Experimentar con varios modelos de IA de un algoritmo y comparar rápidamente los tradeoffs en precisión y rendimiento en un dispositivo.
  • Evaluar la conformidad de modelos de algoritmos de IA con requisitos del sistema antes de desplegarlos.
  • Ejecutar modelos de IA junto con otros modelos en un entorno de simulación para detectar problemas de integración de sistemas.
  • Probar escenarios que serían difíciles, costosos o peligrosos de ejecutar en hardware o en un entorno físico.
Robot metálico diseñado para cirugía.

Desarrollar un dispositivo complejo basado en IA como un robot quirúrgico requiere integración y simulación en el nivel de sistema.

También puede utilizar IA para modelado de orden reducido (ROM) basado en datos con el fin de modelar sistemas de dispositivos médicos más complejos en Simulink. Se pueden emplear ROM basados en IA para sustituir un modelo de principios básicos de alta fidelidad del sistema. Los modelos basados en principios básicos suelen tener una carga computacional demasiado alta como para utilizarse en el diseño en nivel de sistema, sobre todo durante pruebas de hardware-in-the-loop o processor-in-the-loop que requieren que un modelo se ejecute en tiempo real. Puede entrenar ROM basados en IA con datos recopilados de sistemas de hardware reales e integrarlos en Simulink para acelerar sustancialmente la simulación y prueba del sistema de un dispositivo médico complejo.

Otra opción es utilizar Simulink como un entorno dinámico para reinforcement learning, una rama de Machine Learning (ML).

Más información sobre reinforcement learning

Simulink también permite a profesionales de ingeniería médica certificar modelos integrados basados en IA como parte del proceso general de desarrollo de software de dispositivos médicos mediante el cumplimiento con el estándar IEC 62304 durante el desarrollo de software y la incorporación de flujos de trabajo de verificación y validación. Funcionalidades tales como modelado y pruebas basados en requisitos, ingeniería de sistemas, flujos de trabajo de pruebas formalizadas automatizadas, generación automática de código y verificación de código pueden reducir notablemente los costes generales de desarrollo y el plazo de comercialización de un dispositivo médico basado en IA.

Puede obtener más información sobre el uso de Simulink para el desarrollo de dispositivos médicos en el white paper Diseño basado en modelos para el desarrollo de dispositivos médicos.