Energisnålt enhet tillverkad av artificiella neuroner kan avkoda hjärnvågor

De elektroniska enheterna som nuvarande neuronnätverksalgoritmer förlitar sig på kräver en intensiv mängd bearbetningskraft, vilket innebär att dessa artificiella intelligenssystem (AI) fortfarande är långt ifrån att vara jämförbara med den mänskliga hjärnan när det gäller att bearbeta sensorisk information eller interaktioner med miljön i realtid.

Nyckeln till att övervinna denna utmaning kan ligga i neuromorfisk ingenjörskonst, som är en ny approach som kombinerar artificiell och naturlig intelligens. Forskare vid Universitetet i Zürich, ETH Zürich och Universitetssjukhuset Zürich förlitar sig på denna approach för att utveckla en krets baserad på neuromorfisk teknik, med kretsen som exakt och tillförlitligt känner igen komplexa biosignaler. 

Den nya forskningen publicerades i Nature Communications. 

HFO-detection

Teamet använde tekniken för att framgångsrikt upptäcka tidigare inspelade högfrekventa oscillationer (HFO), som mäts med en intrakraniell elektroencefalogram (iEEG). HFO har visat sig vara tillförlitliga för att identifiera hjärnvävnad som är ansvarig för epileptiska anfall. 

Teamet simulerade hjärnans naturliga neuronnätverk, som kallas spikande neuronnätverk (SNN), för att utforma en algoritm för att upptäcka HFO. De implementerade sedan SNN i en liten bit hårdvara som tar emot neurala signaler via elektroder, som är extremt energisnåla. 

På grund av denna effektivitet kan beräkningar utföras med en mycket hög tidsupplösning utan att förlita sig på internet eller molnberäkning. 

Giacomo Indiveri är professor vid Institutet för neuroinformatik vid UZH och ETH Zürich.

“Vår design tillåter oss att känna igen rumsliga och tidsmässiga mönster i biologiska signaler i realtid”, säger Indiveri. 

Verkliga tillämpningar

Forskarna ser nu fram emot att använda de nya resultaten för att utveckla ett elektroniskt system som kan tillförlitligt känna igen och övervaka HFO i realtid. Enligt teamet kunde verktyget, om det används som ett tilläggsdiagnostiskt verktyg i operationssalar, förbättra resultatet av neurokirurgiska ingrepp. 

HFO-igenkänning kunde också påverka andra områden, med teamets långsiktiga mål att utveckla en enhet för övervakning av epilepsi. En sådan enhet kunde användas utanför sjukhusmiljön, vilket skulle göra det möjligt att analysera signaler från ett stort antal elektroder under flera veckor eller månader. 

“Vi vill integrera lågenergi, trådlös datakommunikation i designen – för att ansluta den till en mobiltelefon, till exempel”, säger Indiveri. 

Johannes Sarnthein är neurofysiolog vid Universitetssjukhuset Zürich. 

“En bärbar eller implantabel krets som denna kunde identifiera perioder med en högre eller lägre frekvens av anfall, vilket skulle möjliggöra personlig medicin”, säger Sarnthein. 

Forskningen om epilepsi pågår vid Zürich Center of Epileptology and Epilepsy Surgery, som är en del av ett samarbete mellan Universitetssjukhuset Zürich, Swiss Epilepsy Clinic och Universitetets barnsjukhus i Zürich.