Principais conclusões
- O mercado dos ecógrafos portáteis está avaliado em 2,49 mil milhões de dólares em 2025 e prevê-se que atinja 3,84 mil milhões de dólares até 2030, com uma taxa de crescimento anual composta (CAGR) de 9,01% — o hardware de IA de ponta é o principal fator impulsionador (MarketsandMarkets)
- O mercado da IA aplicada à ecografia está a crescer a um ritmo de 24% CAGR, atingindo 6,88 mil milhões de dólares até 2030 — impulsionado pelos diagnósticos automatizados e pela implantação em pontos de atendimento
- do RK3588 ISP 3.0 de 48 MP trata simultaneamente do pré-processamento do sinal da sonda de ecografia, da imagem HDR e da captura com várias câmaras — sem necessidade de hardware externo de processamento de imagem
- Os 6 TOPS NPU funcionam modelos de IA para diagnóstico (detecção de nódulos, automatização de medições, avaliação de anomalias) em tempo real no próprio dispositivo — eliminando a dependência da nuvem para implementações clínicas offline
- Codificação por hardware 8K H.265 gera arquivos de imagens compatíveis com DICOM com elevadas taxas de compressão — reduzindo as necessidades de armazenamento em 40–60% em comparação com o DICOM não comprimido
- Os projetos de dispositivos médicos baseados no RK3588 alcançam IEC 60601-1 conformidade com as normas de segurança elétrica através de um projeto de isolamento adequado — o próprio SoC não constitui o obstáculo à certificação
Por que razão o diagnóstico por imagem está a migrar para plataformas de IA incorporadas na periferia
A imagiologia médica está a passar por uma transformação estrutural. De acordo com a MarketsandMarkets, o mercado global de ecógrafos portáteis foi avaliado em 2,49 mil milhões de dólares em 2025 e prevê-se que atinja os 3,84 mil milhões de dólares até 2030, impulsionado pela prestação descentralizada de cuidados de saúde, pelo envelhecimento da população mundial e pela rentabilidade atraente dos diagnósticos no local de atendimento.
A unidade de radiologia do hospital já não é o único local onde é possível realizar exames de ecografia de alta qualidade. Os serviços de urgência, as clínicas rurais, as visitas de cuidados de saúde ao domicílio e os programas de saúde comunitários em zonas remotas estão todos a emergir como ambientes de implementação — cada um deles exigindo um perfil de dispositivo que os sistemas tradicionais de imagiologia montados em carrinhos não conseguem satisfazer: compacto, alimentado a bateria e capaz de interpretação assistida por IA sem necessidade de ligação à nuvem.
O Papel da IA Incorporada nos Dispositivos Médicos Modernos
A integração da IA na imagiologia médica já não é uma funcionalidade de luxo reservada aos sistemas hospitalares de referência. Estudo da SNS Insider indica que 88% de contextos clínicos em todo o mundo integraram soluções de ecografia baseadas em IA, com algoritmos de aprendizagem profunda que automatizam as medições, reduzem a dependência do operador e melhoram a precisão do diagnóstico na cardiologia, na obstetrícia e na medicina de urgência.
Para os fabricantes de dispositivos médicos, esta evolução do mercado cria um desafio de engenharia específico: como integrar uma inferência de IA capaz de fornecer apoio diagnóstico de nível clínico num dispositivo que seja portátil, alimentado a bateria, selado termicamente e que possa ser fabricado a um custo adequado para a implantação no setor da saúde em mercados de gama média e emergentes. O RK3588 responde a este desafio com uma arquitetura de hardware que se adapta excepcionalmente bem aos requisitos da imagiologia médica portátil.
Por que razão as plataformas incorporadas tradicionais são insuficientes
Os SoCs ARM da geração anterior — plataformas baseadas no Cortex-A72, o i.MX8M Plus e processadores incorporados de gama média semelhantes — proporcionam um desempenho adequado para a interface homem-máquina (HMI) e a aquisição de dados em dispositivos médicos básicos. No entanto, são insuficientes para diagnósticos em tempo real assistidos por IA. Sem uma NPU dedicada, a execução de um modelo de assistência ao diagnóstico em simultâneo com a aquisição de imagens e a renderização do ecrã obriga a escolher entre taxas de fotogramas aceitáveis e uma velocidade de inferência aceitável. O RK3588 elimina este compromisso através da execução paralela da CPU, da GPU, da NPU e do ISP.
Arquitetura de hardware do RK3588 para aplicações de imagiologia médica
Quatro subsistemas de hardware específicos do SoC RK3588 são diretamente relevantes para a conceção de dispositivos de imagiologia médica. Compreender a aplicação de cada subsistema em dispositivos médicos evita o excesso de engenharia em algumas áreas e a especificação insuficiente noutras.
ISP 3.0: O Processador de Sinal de Imagem de 48 MP
O RK3588 integra um ISP 3.0 de canal duplo compatível com sensores até 48 MP. Na imagiologia médica, o papel do ISP vai além da simples captura de imagens. Os sinais de saída da sonda de ecografia requerem condicionamento de sinal, filtragem de ruído e compressão da gama dinâmica antes do processamento por IA. A arquitetura de canal duplo suporta o processamento simultâneo de dois fluxos de câmara independentes — por exemplo, uma imagem de ecografia de diagnóstico principal a par de uma câmara de referência anatómica secundária, ambas processadas sem o envolvimento da CPU.
NPU: 6 TOPS para inferência de IA clínica
A NPU de 6 TOPS é a capacidade determinante para o processamento de imagens médicas assistido por IA no RK3588. Os modelos de assistência ao diagnóstico — classificadores de deteção de nódulos, ferramentas de medição automatizadas, redes de pontuação de anomalias — são normalmente implementados como modelos quantizados em INT8, com um peso na ordem dos 5 a 50 MB. As vantagens da implementação clínica da inferência da NPU no próprio dispositivo incluem: ausência de necessidade de ligação à nuvem, latência determinística independentemente das condições da rede e eliminação da transmissão de dados dos doentes para servidores de terceiros — uma consideração importante no âmbito do RGPD e da HIPAA. Para obter resultados detalhados dos testes de desempenho da NPU, consulte o nosso Guia de desempenho da NPU RK3588.
Codec de vídeo: Codificação por hardware 8K H.265 para DICOM
DICOM suporta a compressão de vídeo H.264 e H.265 para modalidades de imagiologia dinâmicas. O codificador H.265 integrado no RK3588 — com suporte a 8K a 30 fps — gera arquivos de vídeo em conformidade com a norma DICOM com tamanhos de ficheiro 40–60% menores do que a codificação H.264 equivalente, reduzindo diretamente os custos de armazenamento. A codificação por hardware descarrega totalmente esta tarefa da CPU, deixando-a livre para a inferência de IA e a renderização da interface do utilizador.
Funcionalidades do ecrã e da interface tátil
O RK3588 suporta até quatro saídas de vídeo simultâneas com resoluções até 4K, com eDP para integração em painéis incorporados, MIPI-DSI para ecrãs compactos e HDMI 2.1 para monitores externos. A GPU Mali-G610 processa interfaces clínicas baseadas em Qt, sobreposições de imagens em tempo real e ferramentas de anotação de medições sem o envolvimento da CPU.
| Subsistema de Dispositivos Médicos | Hardware RK3588 | Especificação | Benefício clínico |
|---|---|---|---|
| Processamento do sinal da sonda | ISP 3.0 de canal duplo | 48 MP, HDR, multicâmara | Pré-processamento por hardware, sem carga na CPU |
| Assistência ao diagnóstico com IA | 6 TOPS NPU | INT4/INT8/FP16, RKNN-Toolkit2 | Inferência no próprio dispositivo, sem necessidade de recorrer à nuvem |
| Arquivo de imagens (DICOM) | Codificador H.265 HW | 8K a 30 fps, 4K a 120 fps | 40–60%: ficheiros DICOM mais pequenos |
| Quadro clínico | GPU Mali-G610 | 4 saídas, 4K, eDP/MIPI/HDMI | Interface de utilizador intuitiva + anotação em tempo real |
| Conectividade de dados | PCIe 3.0 + 2×GbE + USB 3.1 | Multifuncional | Integração com o PACS, módulo sem fios |
| Gestão de energia | Processo de 8 nm, DVFS | 5–13 W em carga total | Dispositivos portáteis alimentados a bateria |
| Armazenamento (dados dos doentes) | eMMC 5.1 + NVMe via PCIe | Até 256 GB de eMMC | Arquivo DICOM local, sem unidade externa |
Aplicações de imagiologia médica compatíveis com o RK3588
O perfil de hardware do RK3588 corresponde a um conjunto específico de categorias de dispositivos de imagiologia médica, nas quais as suas capacidades são plenamente aproveitadas. Compreender esta correspondência evita uma especificação insuficiente (sacrificando a capacidade de IA) ou uma especificação excessiva (criando um problema insolúvel de gestão térmica num invólucro portátil).
Terminais de ecografia no local de atendimento (POCUS)
Os dispositivos POCUS são utilizados na medicina de urgência, obstetrícia e anestesiologia. Requerem a geração de imagens de ecografia em tempo real a 30–60 fps, automatização de medições assistida por IA (biometria fetal, fração de ejeção) e armazenamento DICOM local com transmissão Wi-Fi opcional para o PACS. O RK3588 processa todas as tarefas em simultâneo — o ISP processa os dados da sonda, a NPU executa modelos de IA e a GPU gera a imagem clínica — com um consumo total do sistema inferior a 10 W, o que permite um funcionamento a bateria de 4 a 8 horas.
Empresas como Rede das Borboletas e Fujifilm Sonosite foram pioneiros no POCUS portátil, demonstrando a aceitação clínica da ecografia portátil integrada com IA — um mercado agora acessível aos fabricantes OEM/ODM que desenvolvem produtos com base em plataformas como a RK3588.
Estações de trabalho de diagnóstico assistidas por IA
As estações de trabalho de diagnóstico à beira do leito para UCI, enfermarias e serviços ambulatórios requerem ecrãs maiores (15–21"), maior capacidade de processamento para modelos complexos de IA e conectividade redundante à rede hospitalar. O RK3588 atende a este segmento através da sua saída de ecrã 4K, memória RAM máxima de 32 GB LPDDR4X, PCIe 3.0 para expansão opcional com acelerador de IA e duas portas Gigabit Ethernet.
Sistemas de endoscopia portáteis
A interface MIPI CSI-2 do RK3588 liga-se diretamente a módulos de câmara endoscópica com resolução 4K. A NPU executa modelos de deteção de pólipos (YOLOv8 ou CNNs personalizadas a mais de 30 FPS), e o codificador de hardware H.265 arquiva o procedimento num formato compatível com DICOM. O consumo total de energia do sistema, inferior a 15 W, permite a utilização de unidades de colonoscopia portáteis alimentadas a bateria para programas de rastreio no terreno.
Sistemas de monitorização de doentes à beira do leito
Os monitores multiparâmetros de doentes agregam dados de ECG, SpO₂, pressão arterial, temperatura e respiração. As múltiplas interfaces UART e I2C do RK3588 tratam da aquisição de dados dos sensores, a NPU executa modelos de classificação de arritmias e a GPU apresenta as formas de onda em tempo real — tornando-o uma plataforma capaz para a monitorização à beira do leito da próxima geração, integrada com IA.
Integração DICOM e conectividade PACS no RK3588
A conformidade com a norma DICOM é imprescindível para os dispositivos de imagiologia médica utilizados em contextos clínicos. O RK3588 funciona com o Debian 12 ou o Ubuntu 22.04, ambos compatíveis com o software de código aberto já consolidado DCMTK (Kit de Ferramentas DICOM) — desenvolvido pela OFFIS e pelo Hospital Universitário de Regensburg — que permite a criação de ficheiros DICOM, operações de rede C-STORE/C-FIND/C-MOVE e a geração de declarações de conformidade DICOM.
# Instalar o DCMTK no RK3588 com Debian 12
sudo apt install dcmtk libdcmtk-dev
# Converter a imagem capturada para o formato DICOM
img2dcm -i JPEG input_image.jpg output.dcm
# Enviar ficheiro DICOM para o PACS do hospital através do C-STORE
storescu -aec PACS_AET 192.168.1.100 104 output.dcm
# Consultar o PACS para estudos existentes (C-FIND)
findscu -S -k QueryRetrieveLevel=STUDY \
-k PatientID="12345" \
192.168.1.100 104Arquitetura de conectividade PACS
O fluxo de trabalho padrão: aquisição de imagens no dispositivo → criação de ficheiros DICOM locais através do DCMTK → transmissão para o servidor PACS via C-STORE → confirmação do PACS → gestão da cache local. A ligação dupla Gigabit Ethernet do RK3588 suporta simultaneamente a rede LAN do hospital e a rede isolada de gestão de dispositivos, estando disponível o WiFi 6 para conectividade PACS sem fios.
Integração HL7 FHIR para registos de saúde eletrónicos
Os fluxos de trabalho hospitalares modernos exigem, cada vez mais, que os dispositivos troquem dados com os sistemas de registos de saúde eletrónicos (EHR) através de HL7 FHIR APIs. O RK3588 com sistema operativo Linux suporta o HAPI FHIR (Java) e o py-fhirclient (Python), permitindo que os dispositivos associem automaticamente imagens aos registos dos doentes e desencadeiem eventos do fluxo de trabalho clínico aquando da captura das imagens.
Considerações regulamentares: IEC 60601, FDA e CE MDR
O RK3588 é um componente informático incorporado, não um dispositivo médico — as obrigações regulamentares aplicam-se ao produto acabado. Compreender esta distinção evita tanto alarmes desnecessários como uma falsa sensação de segurança.
Segurança elétrica
Requisitos gerais de segurança para equipamentos elétricos médicos. Regulamentam o isolamento, a corrente de fuga e as distâncias de fuga entre os circuitos ligados ao doente e a rede elétrica.
Ciclo de vida do software
Requisitos relativos ao ciclo de vida do desenvolvimento de software para dispositivos médicos. Aplica-se ao software de diagnóstico com IA executado no RK3588 — não se aplica ao sistema operativo Linux incorporado nem ao BSP, a menos que sejam classificados como software médico.
Autorização de comercialização no mercado dos EUA
Processo de aprovação baseado em critérios para dispositivos médicos da Classe II. As funções de diagnóstico assistidas por IA podem exigir uma classificação «De Novo» ou um PMA, dependendo da utilização prevista.
Acesso ao mercado da UE
O Regulamento da UE relativo aos dispositivos médicos exige a avaliação da conformidade por um organismo notificado para os dispositivos da Classe IIa e superiores. Os dispositivos de imagiologia baseados no RK3588 enquadram-se normalmente nas Classes IIa ou IIb.
Gestão da Qualidade
Norma relativa ao sistema de gestão da qualidade para fabricantes de dispositivos médicos. Obrigatória para a marcação CE e o registo na FDA. Aplica-se aos processos do fabricante do dispositivo, e não aos fornecedores de componentes.
Privacidade de dados
A inferência da NPU no próprio dispositivo (sem transmissão para a nuvem) simplifica significativamente a conformidade com a HIPAA e o RGPD — nenhuma informação de saúde protegida sai do dispositivo durante o processamento de IA.
Importante: Certificação da placa vs. certificação do dispositivo
A placa de desenvolvimento RK3588 ou SoM não possui certificação IEC 60601 e não é um dispositivo médico. A certificação regulamentar aplica-se ao produto acabado, incluindo a caixa, a fonte de alimentação, os circuitos ligados ao doente e o software. A ieeker pode fornecer documentação de conformidade ao nível dos componentes (CE, FCC, RoHS) para apoiar o processo de certificação ao nível do dispositivo.
Arquitetura prática de isolamento para conformidade com a norma IEC 60601-1
A abordagem padrão: fonte de alimentação isolada para os circuitos frontais ligados ao doente, isolamento ótico ou isoladores digitais nas linhas de sinal que atravessam a barreira de isolamento e isolamento galvânico nas interfaces USB ou seriais ligadas a periféricos voltados para o doente. O SoC RK3588 funciona inteiramente no lado não voltado para o doente da barreira de isolamento, numa placa de suporte devidamente concebida.
Implementação de modelos de diagnóstico de IA no RK3588: Pipeline de inferência clínica
O percurso desde um modelo de IA de diagnóstico treinado até um dispositivo de imagiologia médica em produção envolve três fases de engenharia, cada uma com considerações específicas dos dispositivos médicos que diferem da implementação padrão da IA na indústria.
Fase 1: Treino e validação do modelo (fora do dispositivo)
Os modelos de IA para diagnóstico são treinados em conjuntos de dados clínicos utilizando o PyTorch ou o TensorFlow. A seleção da arquitetura do modelo segue critérios diferentes dos da visão industrial: as métricas de sensibilidade e especificidade são fundamentais (não apenas o mAP), as taxas de falsos negativos são frequentemente ponderadas com maior peso do que as de falsos positivos e a interpretabilidade do modelo (visualizações Grad-CAM) é frequentemente exigida para submissões regulamentares. As arquiteturas mais comuns incluem o EfficientNet para classificação, o U-Net para segmentação e variantes leves do DETR para deteção.
Fase 2: Quantização e conversão para RKNN
A conversão de um modelo de IA médica para o formato RKNN segue o fluxo de trabalho do RKNN-Toolkit2, com uma adição fundamental: a validação clínica pós-quantização. Uma quantização INT8 que reduz a precisão em 0,5% é aceitável na inspeção por visão computacional. Num contexto de diagnóstico médico, uma redução de 0,51 TP3T num modelo de deteção de nódulos pode ter implicações na segurança do doente e deve ser validada em relação às mesmas métricas clínicas utilizadas no treino original.
from rknn.api import RKNN
rknn = RKNN(verbose=True)
rknn.load_onnx(model='./thyroid_nodule_detector.onnx')
rknn.config(
mean_values=[[123,675; 116,28; 103,53]],
std_values=[[58,395, 57,12, 57,375]],
target_platform='rk3588',
# Utilizar conjunto de validação clínica — mínimo de 500 casos anotados
# abrangendo toda a gama de características demográficas dos doentes e condições de imagiologia
)
rknn.build(
do_quantization=True,
dataset='./clinical_calibration_dataset.txt'
)
# Validar a sensibilidade/especificidade num conjunto de teste clínico reservado
# antes da implementação em produção — não apenas mAP ou precisão
rknn.export_rknn('./thyroid_nodule_detector_int8.rknn')Fase 3: Integração da inferência clínica
No dispositivo RK3588, o pipeline de inferência de IA funciona como um serviço em segundo plano, com os resultados em tempo real a serem apresentados no ecrã clínico. O segmento de inferência da NPU opera com prioridade SCHED_FIFO para garantir uma latência consistente — um profissional de saúde nunca deverá enfrentar atrasos nos resultados da inferência causados pela atividade do sistema operativo em segundo plano durante uma sessão de diagnóstico ativa.
Resolução de um problema de calibração do ISP num terminal de ecografia portátil
Um fabricante de dispositivos médicos (OEM) que está a desenvolver um terminal portátil de ecografia para uso no local de atendimento contactou-nos oito semanas antes do prazo final para a apresentação da validação clínica, devido a um problema com a qualidade do ecrã. O seu dispositivo — destinado à obstetrícia e à medicina de emergência em redes clínicas do Sudeste Asiático — utilizava um SBC RK3588 como núcleo computacional, com um sinal digitalizado da sonda de ecografia a ser transmitido ao ISP através de uma placa analógica frontal personalizada.
O problema surgiu durante a avaliação clínica: os radiologistas relataram inconsistências no brilho e no contraste entre dispositivos do mesmo modelo. Duas unidades do mesmo lote de produção produziram imagens visualmente distintas a partir da mesma sonda, no mesmo doente. A análise do sinal descartou a possibilidade de variação da sonda — o problema estava a ocorrer na fase de processamento do ISP.
O diagnóstico revelou que os parâmetros do Equilíbrio Automático de Branco do ISP RK3588 tinham sido mantidos nos valores predefinidos de fábrica, que pressupõem uma cena fotográfica padrão com luz visível. Os dados de imagem de ultrassom apresentam uma distribuição espectral fundamentalmente diferente — o algoritmo de equilíbrio de brancos automático (AWB) predefinido introduziu um desvio sistemático em imagens de ultrassom com elevado ruído de speckle, amplificado por pequenas tolerâncias de fabrico nos componentes analógicos do front-end.
A correção exigiu um ajuste personalizado do ISP: desativar o AWB automático no modo de ecografia, calibrar uma matriz de ganho fixa para cada unidade do dispositivo utilizando um fantoma de teste padrão durante a produção e aplicar os parâmetros calibrados como configuração do ISP específica do dispositivo no arranque. Desenvolvemos um dispositivo de calibração automatizado com duração de 20 segundos, executado em cada unidade no final da linha de produção.
A lição para as equipas de dispositivos médicos: o ISP requer um ajuste específico para cada aplicação no caso das modalidades de imagiologia não fotográficas. Tenham em conta a calibração do ISP no vosso processo de produção desde o início — adaptá-lo numa fase avançada do desenvolvimento é dispendioso.
Implantação de 50 terminais portáteis de ecografia para cuidados de saúde primários em zonas rurais
No segundo trimestre de 2024, uma ONG dedicada à saúde digital, em parceria com um programa de saúde de um governo regional, contratou um fabricante de equipamento médico (OEM) para fornecer 50 terminais portáteis de diagnóstico por ecografia a clínicas de cuidados de saúde primários nas zonas rurais da África Oriental. O contexto de implantação era exigente: ausência de ligação à Internet fiável, rede elétrica instável (exigindo um funcionamento a bateria de mais de 6 horas), temperaturas ambientes até aos 40 °C e pessoal clínico com formação limitada em ecografia, que necessitava de assistência por IA para compensar a ausência de técnicos de ecografia qualificados.
O dispositivo utilizava um SBC industrial ieeker RK3588. A pilha de inferência de IA executava três modelos em simultâneo na NPU: um modelo de automatização da biometria fetal, um modelo de rastreio de complicações obstétricas e um modelo de avaliação da qualidade da imagem que orientava os operadores sem formação a alcançar um posicionamento da sonda com qualidade de diagnóstico.
O modelo de orientação do operador — que avalia a qualidade da imagem de ecografia em tempo real e apresenta indicações direcionais — foi a funcionalidade com maior impacto clínico. O pessoal com uma hora de formação conseguiu, de forma consistente, obter imagens com qualidade diagnóstica num intervalo de 3 a 5 minutos por exame, em comparação com os 15 a 25 minutos necessários para uma orientação manual equivalente por parte de ecografistas experientes.
O consumo de energia total do sistema, de 8,9 W, foi o fator determinante para a especificação da bateria. Com um consumo típico de 50 a 80 W numa alternativa x86, a mesma bateria duraria menos de 2 horas. O perfil de consumo de energia do RK3588 não era uma característica de conveniência — era o fator físico que tornava possível a utilidade clínica do produto.
RK3588 vs. plataformas alternativas para imagiologia médica
| Plataforma | Computação de IA | ISP | Potência | Ajuste do dispositivo médico |
|---|---|---|---|---|
| RK3588 | 6 TOPS NPU | ISP 3.0 duplo de 48 MP | 5-13W | POCUS · Endoscopia · Monitor de cabeceira |
| i.MX8M Plus (NXP) | 2.3 TOPS NPU | ISP duplo (HDR limitado) | 3–6 W | Monitor de doentes · IA de baixa complexidade |
| Jetson Orin Nano | 40 GPUs TOPS | Sem ISP | 7-15W | IA de elevada complexidade · Necessita de ISP externo |
| Snapdragon 888 | 26 TOPS (Hexágono) | Triple ISP (Spectra 580) | 5–12 W | Handheld · Medical BSP Limited |
| x86 (Core i5/i7) | Nenhuma (placa gráfica discreta) | Nenhum (captador de imagens externo) | 35–80 W | Apenas sistemas de carrinhos · Não portáteis |
Para aplicações que exigem assistência diagnóstica por IA em tempo real, a par de imagens de alta resolução, a combinação da NPU de 6 TOPS e do ISP de 48 MP do RK3588 constitui a opção mais capaz dentro do limite de consumo energético inferior a 15 W, atualmente disponível em formatos de SBC industriais prontos para produção.
Formatos de placas para integração em dispositivos médicos
Os engenheiros de hardware de dispositivos médicos enfrentam uma decisão relativa ao formato com restrições adicionais: os requisitos de isolamento da norma IEC 60601-1 favorecem a separação dos circuitos ligados ao doente e dos circuitos não ligados ao doente em placas distintas, e a documentação regulamentar beneficia da utilização de um SoM comercial como componente pronto a usar e claramente definido, com as suas próprias declarações CE e FCC.
🧩 SoM + Placa de suporte médica personalizada
- Limite regulamentar mais claro — o SoM é um componente do OTS
- Concepção personalizada de isolamento na placa de suporte
- Formato otimizado para o invólucro do dispositivo
- Ideal para dispositivos das classes IIa/IIb (510k / CE MDR)
- Recomendado para um volume superior a 200 unidades/ano
SBC industrial (placa de desenvolvimento)
- O caminho mais rápido para a validação do protótipo clínico
- Suporte completo ao BSP, pré-validado para Linux
- Adequado para dispositivos da Classe I ou para utilização em investigação
- É necessária uma placa de isolamento externa para os circuitos do doente
- Adequado para uma avaliação piloto e para as fases iniciais da avaliação clínica
Consulte o nosso Guia SoM vs SBC para uma comparação completa das vantagens e desvantagens dos diferentes formatos em programas de produção de dispositivos médicos.
Será que o RK3588 é a plataforma certa para o seu dispositivo de imagiologia médica?
- ✅Terminal POCUS portátil — adaptação ideal. O ISP + NPU + codificador H.265 + alimentação compatível com bateria correspondem exatamente aos requisitos do POCUS.
- ✅Estação de trabalho de diagnóstico assistida por IA (à beira do leito/ambulatório) — excelente adequação. Ecrã 4K, NPU 6 TOPS, integração DICOM/PACS através da pilha Linux.
- ✅Sistema de endoscopia portátil — excelente desempenho. Entrada MIPI CSI 4K, deteção de pólipos por NPU, gravação DICOM em H.265 por hardware.
- ✅Diagnóstico de IA offline (sem nuvem) — integração perfeita. A inferência por NPU no próprio dispositivo elimina a transmissão de informações de saúde protegidas (PHI), simplificando a conformidade com a HIPAA e o RGPD.
- ✅Monitor multiparamétrico de doentes com alertas baseados em IA — excelente desempenho. Várias interfaces de sensores, NPU para modelos de arritmia, renderização do ecrã.
- ⚠️Dermatoscopia / imagiologia oftalmológica — compatível com a calibração do ISP. Requer um ajuste específico para cada aplicação (ver o estudo de caso da fábrica acima).
- ⚠️Arquivo DICOM de grande volume (mais de 100 GB/dia) — Compatível com NVMe via PCIe. É necessário prever a integração de um SSD NVMe no projeto da placa portadora; o eMMC, por si só, não é suficiente.
- ❌Reconstrução 3D por RM/TC — Não é adequado. Requer capacidade de computação ao nível de uma GPU. O RK3588 permite a visualização de cortes 2D, mas não a reconstrução volumétrica em tempo real.
- ❌Controlo da radioterapia (SIL3+) — não é adequado como único controlador. Requer hardware dedicado com certificação de segurança, distinto do processador da aplicação.
Perguntas mais frequentes
O RK3588 possui certificação IEC 60601-1?
Não — e não precisa de ser. A certificação IEC 60601-1 aplica-se a equipamentos médicos elétricos completos, não a componentes individuais ou SoCs. As placas da ieeker possuem declarações CE e FCC enquanto componentes eletrónicos. O fabricante do dispositivo médico (OEM) é responsável pela conformidade com a norma IEC 60601-1 do dispositivo acabado, através de um projeto de isolamento adequado entre os circuitos ligados ao doente e a plataforma informática.
O RK3588 consegue processar a formação de feixes de ultrassom em tempo real?
Não. A formação de feixes de ultrassom requer hardware FPGA ou ASIC dedicado, com precisão de temporização inferior a um nanossegundo. O RK3588 opera a jusante do formador de feixe — recebendo dados de imagem digitalizados e com feixe formado e aplicando processamento de IA, renderização de ecrã e arquivo DICOM. Uma placa analógica frontal personalizada, com ADCs e um FPGA de formação de feixe, situa-se entre a sonda e o RK3588.
De que forma a inferência de IA no próprio dispositivo simplifica a conformidade com a HIPAA?
Quando a inferência de IA é executada no próprio dispositivo através da NPU RK3588, os dados de imagem dos doentes nunca saem do dispositivo durante o processamento — o que exclui totalmente o prestador de serviços na nuvem do âmbito de conformidade. O armazenamento DICOM local utiliza encriptação AES-256 ao nível do dispositivo (suportada pelo motor de encriptação de hardware do RK3588). A transmissão de rede para o PACS ocorre apenas dentro da rede interna do hospital, já enquadrada no quadro de conformidade existente da organização.
Qual é o sistema operativo recomendado para dispositivos de imagiologia médica com o RK3588?
O Debian 12 é recomendado para dispositivos que exigem submissões regulamentares. A sua cadência previsível de atualizações de segurança e a gestão de pacotes baseada no apt simplificam a documentação relativa ao controlo das versões de software necessária para a conformidade com a norma IEC 62304. O Android não é recomendado para dispositivos da Classe IIa ou superior, devido ao complexo ciclo de vida das atualizações do AOSP. Consulte o nosso Guia Linux vs Android no RK3588 para ver a comparação completa.
Os SBCs industriais RK3588 e as placas centrais da ieeker proporcionam a base informática para dispositivos portáteis de imagiologia médica — com BSPs Debian/Ubuntu pré-validados, suporte à integração com o DCMTK e o RKNN-Toolkit2, opções de formato SoM para projetos personalizados de placas de suporte e disponibilidade de uma equipa de engenharia para consultoria em aplicações médicas.
Fontes e referências
- Mercado global de ecógrafos portáteis deverá atingir 3,84 mil milhões de dólares até 2030 — MarketsandMarkets (abril de 2026)
- Mercado de IA para ecografia deverá atingir 6,88 mil milhões de dólares até 2030 — MarketsandMarkets (2025)
- Mercado da IA em ecografia: Taxa de integração clínica 88% — SNS Insider (2025)
- DICOM — Imagem e Comunicação Digitais na Medicina — Wikipédia
- HL7 FHIR — Health Level 7 Fast Healthcare Interoperability Resources — Wikipédia
- DCMTK — DICOM Toolkit, Instituto OFFIS de Tecnologias da Informação
- Ficha técnica resumida do Rockchip RK3588 — rock-chips.com
- RKNN-Toolkit2 SDK — Rockchip no GitHub
- Norma IEC 60601-1 relativa ao equipamento elétrico médico — IEC
