Forskere utvikler biokompatibelt implanterbart AI-plattform

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

Forskningen ble publisert i tidsskriftet Science Advances.

Utfordringen med implanterbart 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 implante AI i menneskekroppen. Dette er hvorfor den nye fremgangen fra TU Dresden-forskerne ved Optoelektronikk-stolen er så stor, ettersom 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 ble avhengig av polymerbaserte fiber nettverk, som strukturelt ligner på menneskehjernen. Disse er det som muliggjør neuromorfisk AI-prinsippet for reservoir computing. 

Polymerfibre og rekurrente nettverk

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

AI-plattformen viste evne til å skille mellom sunne hjerteslag og tre vanlige hjertarytmi 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 implanterbart AI-system inkludere overvåking av hjertarytmi eller komplikasjoner etter kirurgi. Disse kan så rapporteres til både leger og pasienter gjennom en smarttelefon, noe 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 neuromorf computing, som reservoir computing brukes her, har vi lykkes ikke bare med å løse komplekse klassifiseringsoppgaver i sanntid, men vi vil også potensielt kunne gjøre dette innen menneskekroppen. Denne tilnærmingen vil gjøre det mulig å utvikle ytterligere intelligente systemer i fremtiden som kan hjelpe med å redde menneskeliv.”