AI-mallit ja alustat
Energiaa säästävä laite, joka on valmistettu keinotekoisista hermosoluista, voi dekoodata aivokäyrät

Nykyisten neuroverkkoyhtälöiden käyttämät elektroniset laitteet vaativat paljon prosessointitehoa, mikä tarkoittaa, että nämä tekoälyjärjestelmät ovat edelleen kaukana siitä, että ne voisivat kilpailla ihmisaivojen kanssa aistitiedon prosessoinnissa tai ympäristön kanssa vuorovaikutuksessa reaaliajassa.
Tähän haasteeseen voisi vastata neuromorfinen tekniikka, joka on uusi lähestymistapa, joka yhdistää keinotekoisen ja luonnollisen älymystön. Zürichin yliopiston, ETH Zürichin ja UniversityHospital Zürichin tutkijat luottavat tähän lähestymistapaan kehittääkseen neuromorfinen teknologiaan perustuvan sirun, joka tunnistaa tarkasti ja luotettavasti monimutkaisia biosignaaleja.
Uusi tutkimus julkaistiin Nature Communications -julkaisussa.
HFO-havaitseminen
Tutkijaryhmä käytti tätä teknologiaa onnistuneesti havaitsemaan aiemmin tallennettuja korkeataajuisia värähtelyjä (HFO), jotka mitataan intrakraniellella elektroencefalogrammilla (iEEG). HFO on osoittautunut luotettavaksi keinoksi aivokudoksen tunnistamiseen, joka on vastuussa epileptisistä kohtauksista.
Tutkijaryhmä simuloiti aivokuoren luonnollista hermosolmukkoa, jota kutsutaan herätyssolmukoksi (SNN), suunnitellakseen algoritmin HFO:n havaitsemiseksi. He toteuttivat sitten SNN:n pienessä laitteessa, joka vastaanottaa hermosignaaleja elektrodeja käyttäen, ja se on erittäin energia-tehokas.
Tämän tehokkuuden ansiosta laskelmat voidaan suorittaa erittäin korkealla ajalllisella resoluutiolla ilman internetin tai pilvilaskennan käyttöä.
Giacomo Indiveri on professori UZH:n ja ETH Zürichin neurotieteen laitoksella.
“Suunnitelman ansiosta voimme tunnistaa avaruus- ja aikaperspektiivin biologisissa signaaleissa reaaliajassa”, Indiveri sanoo.
Praktiset sovellukset
Tutkijat haluavat nyt käyttää uusia löytöjä kehittääkseen elektronisen järjestelmän, joka voi luotettavasti tunnistaa ja seurata HFO:a reaaliajassa. Tutkijaryhmän mukaan, jos työkalua käytetään lisädiagnostisena työkaluna leikkaussaleissa, se voisi parantaa neurokirurgisten toimenpiteiden tuloksia.
HFO-tunnistus voi myös vaikuttaa muihin aloihin, ja tutkijaryhmän pitkän aikavälin tavoitteena on kehittää laite, joka voi seurata epilepsiaa. Tällaista laitetta voidaan käyttää sairaalassa, ja se mahdollistaa useiden elektrodiiden signaalejen analyysin useiden viikkojen tai kuukausien ajan.
“Haluumme integroida laitteeseen matalaenergiaisen, langattoman tietoliikenteen – esimerkiksi yhdistää sen matkapuhelimeen”, Indiveri sanoo.
Johannes Sarnthein on neurofysiologi UniversityHospital Zürichissä.
“Kantaa tai implantoitava siru, kuten tämä, voisi tunnistaa jaksoja, joilla on korkeampi tai matalampi kohtauksien esiintymistiheys, mikä mahdollistaisi henkilökohtaisten lääkehoitojen antamisen”, Sarnthein sanoo.
Epilepsian tutkimus tapahtuu Zürichin epileptologian ja epilepsialeikkauksen keskuksessa, joka on osa yhteistyötä UniversityHospital Zürichin, Sveitsin epilepsia-klinikan ja Zürichin lastensairaalan välillä.












