Energie-efficiënt apparaat gemaakt van kunstmatige neuronen kan hersengolven decoderen

De elektronische apparaten waarop de huidige neurale netwerk algoritmen zijn gebaseerd, vereisen een enorme hoeveelheid verwerkingskracht, wat betekent dat deze kunstmatige intelligentie (AI) systemen nog ver verwijderd zijn van de menselijke hersenen voor het verwerken van sensorische informatie of interacties met de omgeving in real-time.

De sleutel tot het overwinnen van deze uitdaging kan neuromorfische techniek zijn, een nieuwe benadering die kunstmatige en natuurlijke intelligentie combineert. Onderzoekers aan de Universiteit van Zurich, de ETH Zurich en het UniversityHospital Zurich zijn deze benadering aan het gebruiken om een chip te ontwikkelen op basis van neuromorfische technologie, waarbij de chip complexe biosignalen nauwkeurig en betrouwbaar herkent.

Het nieuwe onderzoek is gepubliceerd in Nature Communications.

HFO-detectie

Het team heeft de technologie gebruikt om eerder opgenomen hoge-frequentie oscillaties (HFO’s) met succes te detecteren, die worden gemeten met een intracraniale electroencefalogram (iEEG). HFO’s zijn betrouwbaar gebleken bij het identificeren van hersenweefsel dat verantwoordelijk is voor epileptische aanvallen.

Het team heeft het natuurlijke neurale netwerk van de hersenen gesimuleerd, dat een spiking neurale netwerk (SNN) wordt genoemd, om een algoritme te ontwerpen om HFO’s te detecteren. Vervolgens hebben ze het SNN geïmplementeerd in een klein stukje hardware dat neurale signalen ontvangt via elektroden, die extreem energie-efficiënt zijn.

Vanwege deze efficiëntie kunnen berekeningen worden uitgevoerd met een zeer hoge tijdsresolutie zonder afhankelijk te zijn van het internet of cloud computing.

Giacomo Indiveri is een professor aan het Institute for Neuroinformatics van UZH en ETH Zurich.

“Ons ontwerp stelt ons in staat om spatiotemporele patronen in biologische signalen in real-time te herkennen,” zegt Indiveri.

Praktische toepassingen

De onderzoekers zijn nu bezig om de nieuwe bevindingen te gebruiken om een elektronisch systeem te ontwikkelen dat HFO’s in real-time betrouwbaar kan herkennen en monitoren. Volgens het team kan het gebruik van dit instrument als aanvullend diagnostisch instrument in operatiekamers de uitkomst van neurochirurgische ingrepen verbeteren.

HFO-herkenning kan ook een impact hebben op andere gebieden, waarbij het langetermijndoel van het team is om een apparaat te ontwikkelen voor het monitoren van epilepsie. Een dergelijk apparaat kan buiten het ziekenhuis worden gebruikt, waardoor het mogelijk wordt om signalen van een groot aantal elektroden over een periode van weken of maanden te analyseren.

“We willen lage-energie, draadloze gegevensoverdracht integreren in het ontwerp — om het bijvoorbeeld te verbinden met een mobiele telefoon,” zegt Indiveri.

Johannes Sarnthein is een neurofysioloog aan het UniversityHospital Zurich.

“Een draagbaar of implanteerbaar chip zoals deze kan periodes identificeren met een hogere of lagere incidentie van aanvallen, waardoor het mogelijk wordt om gepersonaliseerde geneeskunde te leveren,” zegt Sarnthein.

Het onderzoek naar epilepsie vindt plaats bij het Zurich Center of Epileptology and Epilepsy Surgery, dat deel uitmaakt van een partnerschap tussen UniversityHospital Zurich, de Swiss Epilepsy Clinic en het University Children’s Hospital Zurich.