Forskere udvikler biokompatibelt implantabelt AI-platform

Et hold af forskere fra Technische Universität Dresden har udviklet et biokompatibelt implantabelt AI-platform, der kan klassificere sund og sygdomsrelateret mønster i biologiske signaler som hjerteslag i realtid. Platformen har ikke brug for medicinsk overvågning for at registrere medicinske ændringer.

Forskningen blev offentliggjort i tidsskriftet Science Advances.

Udfordringen med implantabelt AI

Selvom diagnostiske data, såsom ECG, EEG og røntgenbilleder kan analyseres med maskinlæring for at registrere sygdomme tidligt, er det stadig ekstremt svært at implantere AI i menneskekroppen. Det er derfor, at den nye fremgang fra TU Dresden-forskere ved Optoelektronik-kæden er så stor, da det er første gang, at et sådant system har demonstreret succes. 

Forskningsholdet blev ledet af Prof. Karl Leo, Dr. Hans Kleemann og Matteo Cucchi. 

De præsenterede en ny tilgang til klassificering af sund og sygdomsrelateret bio-signaler i realtid baseret på en biokompatibel AI-chip. Holdet afhængigt af polymerbaserede fiber-netværk, der strukturelt ligner det menneskelige hjernen. Disse er hvad der muliggør neuromorfe AI-princippet om reservoir-computing. 

Polymerfibre og rekurrente netværk

Når polymerfibrene dannes i en tilfældig rækkefølge, kaldes dette for et “rekurrent netværk”, og det kan behandle data som et menneskehjerne. Fordi netværket er ikke-lineært, kan selv meget små signalændringer forstærkes. Et eksempel på dette ville være et hjerteslag, som læger ofte har svært ved at evaluere. Opgaver som disse kan udføres gennem polymer-netværket let takket være den ikke-lineære transformation. 

AI’en viste en evne til at differentiere mellem sunde hjerteslag og tre almindelige hjertarytmi under forsøg, og det opnåede en nøjagtighed på 88%. Polymer-netværket forbrugte også mindre energi end en pacemaker.

Ifølge holdet kan potentielle anvendelser for et sådant implantabelt AI-system inkludere overvågning af hjertarytmi eller komplikationer efter operation. Disse kan derefter rapporteres til både læger og patienter via en smartphone, hvilket muliggør hurtig medicinsk assistance.

Matte Cucchi er en ph.d.-studerende og første forfatter af artiklen. 

“Visionen om at kombinere moderne elektronik med biologi er kommet langt i de seneste år med udviklingen af såkaldte organiske blandingsledere,” sagde Cucchi. “Indtil nu har succeserne været begrænset til simple elektroniske komponenter som enkeltte synapser eller sensorer. Løsning af komplekse opgaver har ikke været muligt indtil nu. I vores forskning har vi nu taget et afgørende skridt mod at realisere denne vision. Ved at udnytte kraften fra neuromorfe computing, såsom reservoir-computing brugt her, er vi ikke kun lykkedes med at løse komplekse klassificeringsopgaver i realtid, men vi vil også potentielt være i stand til at gøre dette inden for menneskekroppen. Denne tilgang vil gøre det muligt at udvikle yderligere intelligente systemer i fremtiden, der kan hjælpe med at redde menneskeliv.”