Energibevarende enhed lavet af kunstige neuroner kan afkode hjernebølger

De elektroniske enheder, som de nuværende neurale netværksalgoritmer afhænger af, kræver en intens mængde proceskraft, hvilket betyder, at disse kunstige intelligenssystemer (AI) stadig er langt fra at være på niveau med det menneskelige hjernen, når det kommer til at bearbejde sansningssinformation eller interaktioner med omgivelserne i realtid.

Nøglen til at overvinde denne udfordring kan indebære neuromorf ingeniørvidenskab, som er en ny tilgang, der kombinerer kunstig og naturlig intelligens. Forskere ved Universitetet i Zürich, ETH Zürich og UniversityHospital Zürich er afhængige af denne tilgang til at udvikle en chip baseret på neuromorf teknologi, hvor chippen nøjagtigt og pålideligt genkender komplekse biosignaler.

Den nye forskning blev offentliggjort i Nature Communications. 

HFO-Detektion

Holdet anvendte teknologien til at detektere tidligere optagede højfrekvensoscillationer (HFO’er), som måles med en intrakraniel elektroencefalografi (iEEG). HFO’er har vist sig at være pålidelige til at identificere hjernepatienter, der er ansvarlige for epileptiske anfald.

Holdet simulerede hjernens naturlige neurale netværk, som kaldes spiking neuralt netværk (SNN), for at designe en algoritme til at detektere HFO’er. De implementerede derefter SNN i et lille stykke hardware, der modtager neurale signaler gennem elektroder, som er ekstremt energibevarende.

På grund af denne effektivitet kan beregninger udføres med en meget høj tidsmæssig opløsning, uden at afhænge af internettet eller cloud-computing.

Giacomo Indiveri er professor ved Institute for Neuroinformatics of UZH og ETH Zürich.

“Vores design giver os mulighed for at genkende rum-tidsmæssige mønstre i biologiske signaler i realtid,” siger Indiveri.

Reelle anvendelser

Forskerne søger nu at anvende de nye resultater til at udvikle et elektronisk system, der kan pålideligt genkende og overvåge HFO’er i realtid. Ifølge holdet kunne værktøjet, hvis det anvendes som et supplementært diagnostisk værktøj i operationsstuer, forbedre udgangen af neurokirurgiske indgreb.

HFO-genkendelse kunne også have indvirkning på andre områder, og holdets langsigtede mål er at udvikle en enhed til overvågning af epilepsi. En sådan enhed kunne anvendes uden for hospitalsmiljøet, hvilket ville gøre det muligt at analysere signaler fra et stort antal elektroder over flere uger eller måneder.

“Vi ønsker at integrere lavenergi, trådløs datakommunikation i designet – for at tilslutte det til en mobiltelefon, for eksempel,” siger Indiveri.

Johannes Sarnthein er neurofysiolog ved UniversityHospital Zürich.

“En bærbar eller implantabel chip som denne kunne identificere perioder med en højere eller lavere forekomst af anfald, hvilket ville gøre det muligt at levere personlig medicin,” siger Sarnthein.

Forskningen i epilepsi finder sted ved Zurich Center of Epileptology and Epilepsy Surgery, som er en del af et partnerskab mellem UniversityHospital Zürich, Swiss Epilepsy Clinic og University Children’s Hospital Zürich.