Onderzoekers ontwikkelen biocompatibele implanteerbare AI-platform

Een team van onderzoekers aan de Technische Universität Dresden heeft een biocompatibele implanteerbare AI-platform ontwikkeld dat in staat is om in real-time gezonde en pathologische patronen in biologische signalen zoals hartslagen te classificeren. Het platform heeft geen medische supervisie nodig om medische veranderingen te detecteren.

Het onderzoek werd gepubliceerd in het tijdschrift Science Advances.

De uitdaging van implanteerbare AI

Terwijl diagnostische gegevens, zoals ECG, EEG en röntgenfoto’s, met machine learning kunnen worden geanalyseerd om ziektes vroegtijdig te detecteren, is het nog steeds extreem moeilijk om AI in het menselijk lichaam te implanteren. Dit is waarom de nieuwe doorbraak van de TU Dresden-wetenschappers aan de Chair of Optoelectronics zo’n grote deal is, aangezien het voor het eerst is dat zo’n systeem succes heeft gedemonstreerd.

Het onderzoeksteam werd geleid door Prof. Karl Leo, Dr. Hans Kleemann en Matteo Cucchi.

Zij presenteerden een nieuwe benadering voor real-time classificatie van gezonde en zieke bio-signalen op basis van een biocompatibele AI-chip. Het team vertrouwde op polymer-gebaseerde vezelnetwerken, die structureel lijken op het menselijk brein. Deze maken het neuromorfische AI-principe van reservoir computing mogelijk.

Polymeervezels en recurrente netwerken

Wanneer de polymeervezels in een willekeurige arrangement worden gevormd, wordt dit een “recurrent netwerk” genoemd, en kan het gegevens verwerken zoals een menselijk brein. Omdat de netwerken niet-lineair zijn, kunnen zelfs extreem kleine signaalveranderingen worden versterkt. Een voorbeeld hiervan is een hartslag, die artsen vaak moeilijk kunnen beoordelen. Taken zoals deze kunnen gemakkelijk worden uitgevoerd via het polymeernetwerk dankzij de niet-lineaire transformatie.

De AI heeft aangetoond dat het in staat is om gezonde hartslagen te onderscheiden van drie veelvoorkomende hartritmestoornissen tijdens proeven, en het heeft een nauwkeurigheidspercentage van 88% behaald. Het polymeernetwerk verbruikte ook minder energie dan een pacemaker.

Volgens het team zijn potentiële toepassingen voor zo’n implanteerbare AI-systeem het monitoren van hartritmestoornissen of complicaties na een operatie. Deze kunnen vervolgens worden gerapporteerd aan zowel artsen als patiënten via een smartphone, waardoor snelle medische bijstand mogelijk is.

Matte Cucchi is een PhD-student en de eerste auteur van het artikel.

“De visie om moderne elektronica te combineren met biologie is de afgelopen jaren verder ontwikkeld met de ontwikkeling van zogenaamde organische gemengde geleiders,” zei Cucchi. “Tot nu toe zijn de successen echter beperkt gebleven tot eenvoudige elektronische componenten zoals individuele synapsen of sensoren. Het oplossen van complexe taken is tot nu toe niet mogelijk geweest. In ons onderzoek hebben we nu een cruciale stap gezet naar het realiseren van deze visie. Door de kracht van neuromorfische computing, zoals reservoir computing hier gebruikt, zijn we erin geslaagd om niet alleen complexe classificatietaken in real-time op te lossen, maar zullen we mogelijk ook in staat zijn om dit binnen het menselijk lichaam te doen. Deze aanpak zal het mogelijk maken om in de toekomst verder intelligente systemen te ontwikkelen die kunnen helpen om menselijke levens te redden.”