Forskere utvikler biokompatibelt innimplantert AI-plattform

Et team av forskere ved Technische Universität Dresden har utviklet en biokompatibelt innimplantert AI-plattform som kan klassifisere i sanntid sunne og patologiske mønster i biologiske signaler som hjerteslag. Plattformen trenger ikke medisinsk overvåking for å detektere medisinske endringer.

Forskningen ble publisert i tidsskriftet Science Advances.

Utfordringen med innimplantert AI

Selv om diagnostiske data, som EKG, EEG og røntgenbilder kan analyseres med maskinlæring for å detektere sykdommer tidlig, er det fortsatt ekstremt vanskelig å innplante AI i menneskekroppen. Dette er hvorfor den nye fremgangen fra TU Dresden-forskerne ved lærestolen for optoelektronikk er så stor, da det er første gang et slikt system har demonstrert suksess. 

Forskingsteamet ble ledet av Prof. Karl Leo, Dr. Hans Kleemann og Matteo Cucchi. 

De presenterte en ny tilnærming for sanntidsklassifisering av sunne og syke bio-signaler basert på en biokompatibelt AI-chip. Teamet la til grunn polymerbaserte fiber nettverk, som strukturelt ligner på det menneskelige hjernen. Disse er det som muliggjør neuromorfe AI-prinsippet reservoir computing. 

Polymerfibre og rekurrente nettverk

Når polymerfibernettverkene dannes i en tilfeldig rekkefølge, kalles dette et “rekurrent nettverk”, og det kan prosessere data som et menneske hjernen. Fordi nettverkene er ikke-lineære, kan selv ekstremt små signalendringer forstørres. Et eksempel på dette er et hjerteslag, som leger ofte sliter med å evaluere. Slike oppgaver kan gjøres gjennom polymer nettverket lett takket være den ikke-lineære transformasjonen. 

AI-en viste evne til å differensiere mellom sunne hjerteslag fra tre vanlige arytmi under prøver, og den oppnådde en nøyaktighetsrate på 88%. Polymer nettverket forbrukte også mindre energi enn en pacemaker.

Ifølge teamet, kan potensielle anvendelser for et slikt innimplantert AI-system inkludere overvåking av hjertearytmi eller komplikasjoner etter operasjon. Disse kan så rapporteres til både leger og pasienter gjennom en smarttelefon, som muliggjør rask medisinsk assistanse.

Matte Cucchi er en PhD-student og første forfatter av artikkelen. 

“Visjonen om å kombinere moderne elektronikk med biologi har kommet langt i de siste årene med utviklingen av såkalte organiske blandingsledere,” sa Cucchi. “Inntil nå har suksessene vært begrenset til enkle elektroniske komponenter som enkelt synapser eller sensorer. Løsning av komplekse oppgaver har ikke vært mulig inntil nå. I vår forskning har vi nå tatt et avgjørende skritt mot å realisere denne visjonen. Ved å utnytte kraften til neuromorfe datamaskiner, som reservoir computing brukes her, har vi lykkes i å ikke bare løse komplekse klassifiseringsoppgaver i sanntid, men vi vil også potensielt kunne gjøre dette innenfor menneskekroppen. Denne tilnærmingen vil gjøre det mulig å utvikle videre intelligente systemer i fremtiden som kan hjelpe med å redde menneskeliv.”