การแพทย์

นักวิจัยพัฒนาแพลตฟอร์ม AI ที่สามารถฝังตัวได้ ซึ่งเป็นมิตรกับชีวภาพ

mm
เพิ่ม Unite.AI ลงในแหล่งข้อมูลที่คุณต้องการบน Google

ทีมนักวิจัยจาก Technische Universität Dresden ได้พัฒนาแพลตฟอร์ม AI ที่สามารถฝังตัวได้ ซึ่งเป็นมิตรกับชีวภาพ และสามารถจำแนกสัญญาณทางชีวภาพ เช่น หัวใจเต้น ในเวลาจริงได้ แพลตฟอร์มนี้ไม่ต้องการการดูแลจากแพทย์ในการตรวจจับการเปลี่ยนแปลงทางการแพทย์

การวิจัยนี้ได้รับการตีพิมพ์ในวารสาร Science Advances.

ความท้าทายของ AI ที่สามารถฝังตัวได้

แม้ว่าข้อมูลการวินิจฉัย เช่น ECG, EEG และภาพ X-ray สามารถวิเคราะห์ได้ด้วยการเรียนรู้ของเครื่องเพื่อตรวจจับโรคได้ตั้งแต่เนิ่นๆ แต่ก็ยังคงเป็นเรื่องที่ยากมากที่จะฝัง AI เข้าไปในร่างกายมนุษย์ ซึ่งเป็นเหตุผลที่ความก้าวหน้าใหม่นี้จากนักวิทยาศาสตร์ของ TU Dresden เป็นเรื่องที่น่าประทับใจ เนื่องจากเป็นครั้งแรกที่ระบบดังกล่าวได้แสดงให้เห็นถึงความสำเร็จ

ทีมวิจัยได้รับการนำโดย Prof. Karl Leo, Dr. Hans Kleemann และ Matteo Cucchi

พวกเขานำเสนอแนวทางใหม่สำหรับการจำแนกสัญญาณทางชีวภาพที่มีสุขภาพดีและเป็นโรคในเวลาจริง โดยใช้ชิป AI ที่เป็นมิตรกับชีวภาพ ทีมงานได้พึ่งพาเครือข่ายเส้นใยพอลิเมอร์ ซึ่งมีโครงสร้างคล้ายกับสมองของมนุษย์ สิ่งเหล่านี้เป็นหลักการของการคำนวณแบบ neuromorphic ของการคำนวณแบบ reservoir

เส้นใยพอลิเมอร์และเครือข่ายแบบเรียกซ้ำ

เมื่อเส้นใยพอลิเมอร์ถูกสร้างขึ้นในลักษณะที่ไม่เรียงกัน จะเรียกว่า “เครือข่ายแบบเรียกซ้ำ” และสามารถประมวลผลข้อมูลได้เหมือนกับสมองของมนุษย์ เนื่องจากเครือข่ายเหล่านี้ไม่เป็นเส้นตรง ดังนั้นการเปลี่ยนแปลงของสัญญาณที่เล็กมากๆ จึงสามารถถูกขยายให้ใหญ่ขึ้นได้ ตัวอย่างเช่น หัวใจเต้น ซึ่งแพทย์มักจะพบว่าเป็นเรื่องที่ยากในการประเมิน การทำงานเหล่านี้สามารถทำได้ผ่านเครือข่ายพอลิเมอร์ได้อย่างง่ายดาย เนื่องจากการแปลงที่ไม่เป็นเส้นตรง

AI ได้แสดงให้เห็นถึงความสามารถในการแยกแยะระหว่างหัวใจเต้นที่มีสุขภาพดีและหัวใจเต้นที่เป็นโรคสามชนิดที่พบบ่อยที่สุดในการทดลอง และได้ผลลัพธ์ที่มีความแม่นยำถึง 88% เครือข่ายพอลิเมอร์ยังใช้พลังงานน้อยกว่าเครื่องกระตุกหัวใจ

ตามทีมวิจัย การใช้งานที่เป็นไปได้สำหรับระบบ AI ที่สามารถฝังตัวได้ ได้แก่ การติดตามหัวใจเต้นที่ผิดปกติหรือภาวะแทรกซ้อนหลังการผ่าตัด ซึ่งสามารถรายงานไปยังแพทย์และผู้ป่วยผ่านสมาร์ทโฟน ซึ่งช่วยให้สามารถให้การช่วยเหลือทางการแพทย์ได้อย่างรวดเร็ว

Matte Cucchi เป็นนักศึกษาระดับ博士 และเป็นผู้เขียนบทความหลัก

“ความฝันในการผสมผสานอิเล็กทรอนิกส์สมัยใหม่กับชีววิทยาได้มาไกลมากในช่วงไม่กี่ปีที่ผ่านมา ด้วยการพัฒนาสารประกอบผสมที่เรียกว่า organic mixed conductors” Cucchi กล่าว “จนถึงตอนนี้ ความสำเร็จยังคงจำกัดอยู่ที่ส่วนประกอบอิเล็กทรอนิกส์แบบง่ายๆ เช่น ซินแอปส์หรือเซ็นเซอร์เดี่ยว การแก้ปัญหาเชิงซ้อนยังไม่สามารถทำได้ ในการวิจัยของเรา เราได้ทำขั้นตอนสำคัญในการทำให้ความฝันนี้เป็นจริง โดยใช้พลังของการคำนวณแบบ neuromorphic เช่น การคำนวณแบบ reservoir ที่ใช้ здесь เราได้ประสบความสำเร็จไม่เพียงแต่ในการแก้ปัญหาเชิงซ้อนในเวลาจริงเท่านั้น แต่ยังสามารถทำได้ภายในร่างกายมนุษย์อีกด้วย วิธีการนี้จะช่วยให้สามารถพัฒนาระบบอัจฉริยะเพิ่มเติมในอนาคตที่สามารถช่วยชีวิตมนุษย์ได้”

Alex McFarland เป็นนักข่าวและนักเขียน AI ที่สำรวจการพัฒนาล่าสุดในด้านปัญญาประดิษฐ์ เขาได้ร่วมงานกับสตาร์ทอัพ AI และสื่อสิ่งพิมพ์ต่างๆ ทั่วโลก