Forskere udvikler biokompatibelt implantabelt AI-platform

Et hold af forskere ved Technische Universität Dresden har udviklet et biokompatibelt implantabelt AI-platform, der kan klassificere sunde og patologiske mønstre 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 opdage sygdomme tidligt, er det stadig ekstremt svært at implantere AI i den menneskelige krop. Det er derfor, at den nye fremgang fra TU Dresden-forskere ved Optoelektronik-kæden er så stor, da det er første gang, en sådan 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 sunde og syge bio-signaler i realtid baseret på en biokompatibel AI-chip. Holdet afhængigt af polymerbaserede fiber-netværk, der strukturelt ligner den menneskelige hjerne. Disse er hvad der muliggør neuromorfe AI-princippet om reservoir-computing.

Polymerfibre og rekurrente netværk

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

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

Ifølge holdet kan potentielle anvendelser af et sådant implantabelt AI-system inkludere overvågning af hjertearytmi 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 PhD-student 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 dog 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, har vi lykkes i ikke kun at løse komplekse klassificeringsopgaver i realtid, men vi vil også potentelt kunne gøre dette inden for den menneskelige krop. Denne tilgang vil gøre det muligt at udvikle yderligere intelligente systemer i fremtiden, der kan hjælpe med at redde menneskeliv.”