Tutkijat kehittivät biologisesti yhteensopivan implantoitavan AI-alustan

Technische Universität Dresdenin tutkijaryhmä on kehittänyt biologisesti yhteensopivan implantoitavan AI-alustan, joka pystyy luokittelemaan terveitä ja patologisia kuvioita biologisissa signaaleissa, kuten sykealueilla, reaaliajassa. Alustaa ei tarvitse lääketieteellistä valvontaa havaitsemaan lääketieteellisiä muutoksia.

Tutkimus julkaistiin Science Advances -julkaisussa.

Implantoitavan AI:n haaste

Vaikka diagnostiikkaa, kuten ECG, EEG ja röntgenkuvia, voidaan analysoida koneoppimisella havaitsemaan sairauksia varhaisessa vaiheessa, on edelleen erittäin vaikea implisiittisesti asentaa AI:ta ihmiskehoon. Tästä syystä TU Dresdenin tiedemiesten Optoelektroniikan laitokselta tuleva uusi edistysaskel on suuri, koska se on ensimmäinen kerta, kun tällainen järjestelmä on osoittanut menestystä. 

Tutkimusryhmää johti Prof. Karl Leo, Dr. Hans Kleemann ja Matteo Cucchi. 

He esittivät uuden lähestymistavan reaaliaikaisen terveiden ja sairaiden biosignaaleiden luokittelulle biologisesti yhteensopivan AI-piirin avulla. Ryhmä luotti polymeripohjaisiin kuituverkkoihin, jotka muistuttavat rakenteeltaan ihmisaivoja. Nämä mahdollistavat neuromorfinen AI-periaatteen, jota kutsutaan varastointilaskennaksi. 

Polymeerikuidut ja toistuvat verkot

Kun polymerikuituja muodostetaan satunnaisessa järjestyksessä, tätä kutsutaan “toistuvaksi verkoksi”, ja se voi prosessoida dataa ihmisaivojen tapaan. Koska verkot ovat epälineaarisia, jopa erittäin pienet signaali muutokset voidaan amplifioida. Esimerkki tästä on syke, jonka lääkärit usein kamppailevat arvioinnissa. Tällaiset tehtävät voidaan suorittaa polymeriverkon avulla helposti epälineaarisen muodonmuutos ominaisuuden ansiosta. 

AI osoitti kyvyn erottaa terveet sykealueet kolmesta yleisimmästä arytmiaasta kokeissa, ja se saavutti 88 %:n osumatarkkuuden. Polymeriverkko kulutti myös vähemmän energiaa kuin sydämentahdistin.

Ryhmän mukaan tällaisen implantoitavan AI-järjestelmän mahdollisia sovelluksia ovat sydämen rytmihäiriöiden tai leikkauksen jälkeisten komplikaatioiden seuranta. Nämä voidaan ilmoittaa sekä lääkäreille että potilaille älypuhelimella, mikä mahdollistaa nopean lääketieteellisen avun.

Matte Cucchi on väitöskirjatutkija ja tutkimuksen ensisijainen tekijä. 

“Nykyaikaisen elektroniikan ja biologian yhdistämisen visio on edennyt viime vuosina niin kutsuttujen orgaanisten seosten kehittymisen myötä,” sanoi Cucchi. “Toistaiseksi menestykset ovat kuitenkin rajoittuneet yksinkertaisiin elektroniikkakomponentteihin, kuten yksittäisiin synapseihin tai antureihin. Monimutkaisten tehtävien ratkaiseminen ei ole ollut mahdollista tähän asti. Tutkimuksessamme olemme nyt tehneet ratkaisevan askeleen tämän vision toteuttamiseksi. Käyttämällä neuromorfinen laskenta, kuten tässä käytetty varastointilaskenta, olemme onnistuneet ratkaisemaan monimutkaisia luokittelutehtäviä reaaliajassa ja mahdollisesti myös kehossa. Tämä lähestymistapa mahdollistaa tulevaisuudessa älykkäiden järjestelmien kehittämisen, jotka voivat auttaa pelastamaan ihmishenkiä.”