人工ニューロンで作られたエネルギー効率の高いデバイスが脳波を解読する

現在のニューラルネットワークアルゴリズムが依存する電子デバイスは、多大な処理能力を必要とするため、これらの人工知能（AI）システムはまだ、人間の脳と同等の処理能力を持っていない。

この課題を克服する鍵は、人工知能と自然知能を組み合わせる新しいアプローチ、即ちニューロモルフィックエンジニアリングにある。チューリッヒ大学、ETHチューリッヒ、チューリッヒ大学病院の研究者は、このアプローチを使用して、複雑なバイオシグナルを正確に認識することができる、ニューロモルフィック技術に基づくチップを開発している。

この新しい研究は、Nature Communicationsに掲載された。

HFO検出

研究チームは、この技術を使用して、すでに記録された高周波振動（HFO）を成功的に検出した。HFOは、脳のてんかん発作を引き起こす脳組織を特定するために信頼性の高い指標として使用される。

研究チームは、HFOを検出するアルゴリズムを設計するために、脳の自然なニューラルネットワーク、即ちスパイキングニューラルネットワーク（SNN）をシミュレートした。次に、SNNを、小さなハードウェアに実装し、電極を介してニューラルシグナルを受信するようにした。このハードウェアは、非常にエネルギー効率が高い。

この効率性により、計算は非常に高い時間解像度で実行できるが、インターネットやクラウドコンピューティングに依存する必要はない。

ジャコモ・インディベリは、チューリッヒ大学とETHチューリッヒの神経情報学研究所の教授である。

「私たちの設計により、生物学的信号の時空間パターンをリアルタイムで認識できる」とインディベリは述べている。

現実世界での応用

研究者は、HFOを信頼性高くリアルタイムで認識できる電子システムを開発するために、新しい発見を使用しようとしている。チームによると、このツールを手術室での診断ツールとして使用することで、神経外科手術の成果を改善できる可能性がある。

HFOの認識は、てんかんを監視するデバイスの開発など、他の分野にも影響を与える可能性がある。チームの長期的な目標は、てんかんを監視するデバイスを開発することであり、このデバイスは病院の外で使用でき、数週間または数か月にわたって多数の電極からの信号を分析できる。

「低エネルギー、ワイヤレスデータ通信を設計に統合したい」とインディベリは述べている。

ヨハネス・サーンテインは、チューリッヒ大学病院の神経生理学者である。

「このような携帯可能または埋め込み可能なチップは、発作の発生率が高いまたは低い期間を特定できるため、個別化された医療を提供できる」とサーンテインは述べている。

てんかんに関する研究は、チューリッヒてんかんセンターとてんかん外科のチューリッヒ大学病院、スイスてんかんクリニック、およびチューリッヒ大学子供病院のパートナーシップの一部であるチューリッヒてんかんセンターとてんかん外科で行われている。