Tutkijat kehittivät biokompatibilisen implantoitavan AI-alustan

Technische Universität Dresdenin tutkijaryhmä on kehittänyt biokompatibilisen implantoitavan AI-alustan, joka pystyy luokittelemaan terveitä ja patologisia kuvioita biologisissa signaaleissa, kuten sykekurveissa, reaaliajassa. Alusta ei tarvitse lääkärin valvontaa havaitakseen muutoksia terveydenhuollossa.

Tutkimus julkaistiin tieteellisessä julkaisussa Science Advances.

Implantoiden AI:n haaste

Vaikka diagnostiset tiedot, kuten EKG, EEG ja röntgenkuvat, voidaan analysoida koneoppimismenetelmillä havaitsemaan sairauksia varhaisessa vaiheessa, on edelleen erittäin vaikeaa implisiittisesti AI:ta ihmiskehoon. Tämän uuden edistysaskeleen ansiosta TU Dresdenin tutkijat Optoelektroniikan laitokselta ovat onnistuneet siinä, missä muut ovat epäonnistuneet.

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

He esittivät uuden lähestymistavan reaaliaikaisen terveiden ja sairaiden biosignaaleiden luokitteluun perustuen biokompatibiliselle AI-piirille. Ryhmä luotti polymeripohjaisiin fiberiverkkoihin, jotka muistuttavat rakenteeltaan ihmisaivoja. Nämä mahdollistavat neuromorfinen AI-periaatteen, jota kutsutaan varastointilaskennaksi.

Polymerikuidut ja toistuvat verkostot

Kun polymerikuidut muodostetaan satunnaisessa järjestyksessä, tätä kutsutaan “toistuvaksi verkostoksi”, ja se pystyy prosessoimaan dataa samalla tavalla kuin ihmisaivot. Koska verkostot ovat epälineaarisia, jopa erittäin pienet signaalin muutokset voidaan vahvistaa. Esimerkkinä voidaan mainita syke, jonka arviointi lääkärit usein kamppailevat. Tällaiset tehtävät voidaan suorittaa helposti polymeriverkon avulla kiitos epälineaarisesta muunnoksesta.

AI osoitti kykynsä erottaa terveet sykekuviot kolmesta yleisimmästä rytmihäiriöstä kokeissa, ja se saavutti 88 prosentin tarkkuuden. Polymeriverkosto kulutti myös vähemmän energiaa kuin sydämentahdistin.

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

Matte Cucchi on väitöskirjatutkija ja tutkimuksen ensisijainen tekijä.

“Näkemys modernin elektronisen ja biologisen yhdistämisestä on edennyt viime vuosina orgaanisten seosten kehittymisen myötä”, Cucchi sanoi. “Tähän asti 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 varastointilaskenta tässä, olemme onnistuneet ratkaisemaan monimutkaisia luokittelutehtäviä reaaliajassa, ja voimme myös mahdollisesti tehdä tämän ihmisruumiissa. Tämä lähestymistapa mahdollistaa kehittää tulevaisuudessa edistyneempiä älykkäitä järjestelmiä, jotka voivat auttaa pelastamaan ihmishenkiä.”