Forscher entwickeln biokompatibles implantierbares AI-Plattform

Ein Team von Forschern an der Technischen Universität Dresden hat eine biokompatible implantierbare AI-Plattform entwickelt, die in der Lage ist, in Echtzeit gesunde und pathologische Muster in biologischen Signalen wie Herzschlägen zu klassifizieren. Die Plattform benötigt keine medizinische Aufsicht, um medizinische Veränderungen zu erkennen.

Die Forschung wurde in der Zeitschrift Science Advances veröffentlicht.

Die Herausforderung der implantierbaren KI

Während diagnostische Daten wie ECG, EEG und Röntgenbilder mit Machine Learning analysiert werden können, um Krankheiten frühzeitig zu erkennen, ist es immer noch extrem schwierig, KI in den menschlichen Körper zu implantieren. Deshalb ist der neue Fortschritt der Wissenschaftler der TU Dresden am Lehrstuhl für Optoelektronik so bedeutend, da es sich um den ersten Erfolg einer solchen System handelt.

Das Forschungsteam wurde von Prof. Karl Leo, Dr. Hans Kleemann und Matteo Cucchi geleitet.

Sie präsentierten einen neuen Ansatz für die Echtzeit-Klassifizierung von gesunden und kranken Biosignalen auf der Grundlage eines biokompatiblen AI-Chips. Das Team verließ sich auf polymerbasierte Fasernetzwerke, die strukturell dem menschlichen Gehirn ähneln. Diese ermöglichen das neuromorphe AI-Prinzip des Reservoir-Computing.

Polymere Fasern und rekurrente Netzwerke

Wenn die Polymerfasern in einer zufälligen Anordnung gebildet werden, wird dies als “rekurrentes Netzwerk” bezeichnet und kann Daten wie ein menschliches Gehirn verarbeiten. Da die Netzwerke nichtlinear sind, können sogar extrem kleine Signaländerungen verstärkt werden. Ein Beispiel dafür wäre ein Herzschlag, den Ärzte oft Schwierigkeiten haben zu bewerten. Aufgaben wie diese können durch das Polymer-Netzwerk leicht dank der nichtlinearen Transformation durchgeführt werden.

Die KI demonstrierte die Fähigkeit, zwischen gesunden Herzschlägen und drei häufigen Herzrhythmusstörungen während der Tests zu unterscheiden und erreichte eine Genauigkeitsrate von 88 %. Das Polymer-Netzwerk verbrauchte auch weniger Energie als ein Herzschrittmacher.

Laut dem Team umfassen mögliche Anwendungen für ein solches implantierbares KI-System die Überwachung von Herzrhythmusstörungen oder Komplikationen nach einer Operation. Diese können dann an Ärzte und Patienten über ein Smartphone gemeldet werden, was eine schnelle medizinische Hilfe ermöglicht.

Matte Cucchi ist ein PhD-Student und Erstautor der Studie.

“Die Vision, moderne Elektronik mit Biologie zu kombinieren, hat in den letzten Jahren mit der Entwicklung sogenannter organischer Mischleiter große Fortschritte gemacht”, sagte Cucchi. “Bisher waren die Erfolge jedoch auf einfache elektronische Komponenten wie einzelne Synapsen oder Sensoren beschränkt. Die Lösung komplexer Aufgaben war bisher nicht möglich. In unserer Forschung haben wir nun einen entscheidenden Schritt in Richtung Realisierung dieser Vision unternommen. Durch die Nutzung der Kraft des neuromorphen Rechnens, wie hier das Reservoir-Computing, sind wir es nicht nur gelungen, komplexe Klassifizierungsaufgaben in Echtzeit zu lösen, sondern wir werden möglicherweise auch in der Lage sein, dies im menschlichen Körper zu tun. Dieser Ansatz wird es ermöglichen, weitere intelligente Systeme in der Zukunft zu entwickeln, die dazu beitragen können, Menschenleben zu retten.”