Forskare utvecklar biokompatibelt implantabelt AI-plattform

Ett team av forskare vid Technische Universität Dresden har utvecklat en biokompatibel implantabel AI-plattform som kan klassificera hälsosamma och patologiska mönster i biologiska signaler som hjärtslag i realtid. Plattformen behöver inte medicinsk övervakning för att upptäcka medicinska förändringar.

Forskningen publicerades i tidskriften Science Advances.

Utmaningen med implantabel AI

Medan diagnostiska data, såsom EKG, EEG och röntgenbilder, kan analyseras med maskinlärning för att upptäcka sjukdomar tidigt, är det fortfarande extremt svårt att implantera AI i den mänskliga kroppen. Detta är varför den nya framstegen från TU Dresdens forskare vid avdelningen för optoelektronik är så stor, eftersom det är första gången som ett sådant system har visat sig vara framgångsrikt.

Forskingteamet leddes av professor Karl Leo, Dr. Hans Kleemann och Matteo Cucchi.

De presenterade en ny metod för klassificering av hälsosamma och sjuka biosignaler i realtid baserat på en biokompatibel AI-chip. Teamet använde polymerbaserade fibernätverk, som strukturellt liknar den mänskliga hjärnan. Detta möjliggör principen för neuromorfisk AI, såsom reservoir computing.

Polymerfibrer och återkommande nätverk

När polymerfibrerna formas i en slumpmässig ordning, kallas detta för ett “återkommande nätverk”, och det kan bearbeta data som en mänsklig hjärna. Eftersom nätverken är icke-linjära, kan även extremt små signalförändringar förstärkas. Ett exempel på detta är ett hjärtslag, som läkare ofta har svårt att utvärdera. Uppgifter som dessa kan utföras genom polymernätverket lätt tack vare den icke-linjära transformationen.

AI-systemet visade sig kunna skilja på hälsosamma hjärtslag och tre vanliga hjärtrytmrubbningar under tester, och det uppnådde en träffsäkerhetsgrad på 88 %. Polymernätverket förbrukade också mindre energi än en pacemaker.

Enligt teamet kan potentiella tillämpningar för ett sådant implantabelt AI-system inkludera övervakning av hjärtrytmrubbningar eller komplikationer efter operation. Dessa kan sedan rapporteras till både läkare och patienter via en smartphone, vilket möjliggör snabb medicinsk assistans.

Matte Cucchi är en doktorand och första författare till artikeln.

“Visionen om att kombinera modern elektronik med biologi har kommit långt under de senaste åren med utvecklingen av så kallade organiska blandledare,” sa Cucchi. “Hittills har framgångarna dock varit begränsade till enkla elektroniska komponenter som enskilda synapser eller sensorer. Att lösa komplexa uppgifter har inte varit möjligt hittills. I vår forskning har vi nu tagit ett avgörande steg mot att förverkliga denna vision. Genom att utnyttja kraften från neuromorfisk datoranvändning, såsom reservoir computing som används här, har vi lyckats inte bara lösa komplexa klassificeringsuppgifter i realtid utan vi kommer också potentiellt att kunna göra detta inom den mänskliga kroppen. Detta tillvägagångssätt kommer att göra det möjligt att utveckla ytterligare intelligenta system i framtiden som kan hjälpa till att rädda människoliv.”