Υγεία

Ερευνητές Ανάπτυξαν Βιοσυμβατό Εμφυτεύσιμο Πλαίσιο AI

mm
Προσθέστε το Unite.AI στις προτιμώμενες πηγές σας στο Google

Μια ομάδα ερευνητών στο Technische Universität Dresden έχει αναπτύξει ένα βιοσυμβατό εμφυτεύσιμο πλαίσιο AI που είναι ικανό να ταξινομεί σε πραγματικό χρόνο υγιή και παθολογικά μοτίβα σε βιολογικά σήματα όπως οι παλμοί της καρδιάς. Η πλατφόρμα δεν χρειάζεται ιατρική επιτήρηση για την ανίχνευση ιατρικών αλλαγών.

Η έρευνα δημοσιεύθηκε στο περιοδικό Science Advances.

Η Πρόκληση του Εμφυτεύσιμου AI

Ενώ τα διαγνωστικά δεδομένα, όπως τα ECG, EEG και εικόνες X-ray, μπορούν να αναλυθούν με τη μηχανική μάθηση για την ανίχνευση ασθενειών από νωρίς, είναι ακόμη εξαιρετικά δύσκολο να εμφυτευτεί το AI στο ανθρώπινο σώμα. Αυτός είναι ο λόγος για τον οποίο η νέα πρόοδος από τους επιστήμονες του TU Dresden στο Τμήμα Οπτοηλεκτρονικής είναι τόσο σημαντική, καθώς είναι η πρώτη φορά που ένα τέτοιο σύστημα έχει επιδείξει επιτυχία. 

Η ερευνητική ομάδα ήταν υπό την ηγεσία του Καθηγητή Karl Leo, του Δρ. Hans Kleemann και του Matteo Cucchi. 

Παρουσίασαν μια νέα προσέγγιση για την ταξινόμηση σε πραγματικό χρόνο υγιών και παθολογικών βιοσημάτων με βάση ένα βιοσυμβατό chip AI. Η ομάδα βασίστηκε σε δίκτυα ινών πολυμερούς, τα οποία δομικά μοιάζουν με τον ανθρώπινο εγκέφαλο. Αυτά είναι αυτά που επιτρέπουν την αρχή του neuromorphic AI της υπολογιστικής δεξαμενής. 

Πολυμερικές Ίνες και Αναδρομικά Δίκτυα

Όταν οι πολυμερικές ίνες σχηματίζονται σε τυχαία διάταξη, αυτό ονομάζεται «αναδρομικό δίκτυο» και μπορεί να επεξεργαστεί δεδομένα όπως ο ανθρώπινος εγκέφαλος. Επειδή τα δίκτυα είναι μη γραμμικά, ακόμη και極 μικρές αλλαγές του σήματος μπορούν να ενισχυθούν. Ένα παράδειγμα είναι ο παλμός της καρδιάς, τον οποίο οι γιατροί συχνά δυσκολεύονται να αξιολογήσουν. Καθήκοντα όπως αυτό μπορούν να thựcιστούν μέσω του πολυμερούς δικτύου εύκολα χάρη στην μη γραμμική μετασχηματισμό. 

Το AI απέδειξε την ικανότητα να διακρίνει μεταξύ υγιών παλμών της καρδιάς από τρεις κοινές αρρυθμίες κατά τη διάρκεια των δοκιμών και έφτασε σε ποσοστό ακρίβειας 88%. Το δίκτυο πολυμερούς κατανάλωσε επίσης λιγότερη ενέργεια από einen παλμιστή.

Σύμφωνα με την ομάδα, πιθανές εφαρμογές για ένα τέτοιο εμφυτεύσιμο σύστημα AI περιλαμβάνουν την παρακολούθηση των καρδιακών αρρυθμιών ή των επιπλοκών μετά από χειρουργική επέμβαση. Αυτές μπορούν να αναφερθούν σε γιατρούς και ασθενείς μέσω eines smartphone, το οποίο επιτρέπει τη γρήγορη ιατρική βοήθεια.

Ο Matteo Cucchi είναι φοιτητής διδακτορικού και πρώτος συγγραφέας του εγγράφου. 

«Η όραση της συνδυασμού της σύγχρονης ηλεκτρονικής με τη βιολογία έχει προχωρήσει πολύ τα τελευταία χρόνια με την ανάπτυξη των così-καλουμένων οργανικών μικτών αγωγών», είπε ο Cucchi. «Μέχρι τώρα, ωστόσο, οι επιτυχίες έχουν περιοριστεί σε απλά ηλεκτρονικά компоненты όπως μεμονωμένα συνάψεις ή αισθητήρες. Η λύση σύνθετων καθηκόντων δεν ήταν δυνατή μέχρι τώρα. Στην έρευνά μας, έχουμε τώρα κάνει ένα κρίσιμο βήμα προς την πραγματοποίηση αυτής της όρασης. Με την αξιοποίηση της δύναμης του neuromorphic υπολογισμού, όπως η υπολογιστική δεξαμενή που χρησιμοποιείται εδώ, έχουμε επιτύχει όχι μόνο να λύσουμε σύνθετα καθήκοντα ταξινόμησης σε πραγματικό χρόνο αλλά και να τα κάνουμε потенτικά εντός του ανθρώπινου σώματος. Αυτή η προσέγγιση θα επιτρέψει την ανάπτυξη περαιτέρω έξυπνων συστημάτων στο μέλλον που θα μπορέσουν να βοηθήσουν να σώσουν ανθρώπινες ζωές.»

Ο Alex McFarland είναι δημοσιογράφος και συγγραφέας του AI που εξερευνά τις τελευταίες εξελίξεις στην τεχνητή νοημοσύνη. Έχει συνεργαστεί με πολλές startups και εκδόσεις του AI σε όλο τον κόσμο.