TTP vyvinula rámec, který je schopen klasifikovat data EKG v reálném čase a vyhodnocovat je z hlediska potenciálních arytmií s umělou inteligencí při práci s nízkým výkonem, díky čemuž je vhodný pro použití v kardiostimulátorech.
TTP řešení pro srdeční arytmie
Konvenční nasazení umělé inteligence je příliš náročné na energii a obtížně se aplikuje na implantovaná zařízení, ale tato technologie nabízí výrobcům implantátů způsob, jak vyvinout specifičtější terapie s uzavřenou smyčkou.
TTP, poskytovatel lékařských řešení, identifikoval a vyřešil tři problémy začleněním nízkoenergetického AI procesoru do uzavřeného systému pro klasifikaci nepravidelného srdečního tepu.
Rozpoznávání vzorů je považováno za základní schopnost AI. A když se používá v uzavřených terapiích, jako jsou implantované defibrilátory, poskytuje spolehlivější klasifikaci nervové nebo elektrické aktivity v těle. To umožňuje systému poskytnout požadovanou elektrickou stimulaci jako léčbu.
Zatímco používání konvenčního systému AI bude zdůrazňovat omezenou kapacitu baterie implantovaného zařízení. Dalším problémem je, že konvenční systémy vyžadují připojení k internetu, což může být problém a nelze se na něj spolehnout u zařízení, která jsou zásadní pro udržení života.
Společnost použila běžně dostupný mikrokontrolér s akcelerátorem neuronové sítě, ale byla prvním svého druhu s nízkými požadavky na spotřebu, aby vyvinula své řešení, které dokáže klasifikovat data EKG v reálném čase při výkonové kapacitě dostupné v implantabilním kardiostimulátoru. .
Vývoj nízkoenergetické umělé inteligence pro implantovatelné terapie
Společnost uvedla, že změnila způsob, jakým jsou modely trénovány pro klasifikaci signálů, spolu s návrhem hardwaru. Trénovali model pomocí techniky zvané quantization-aware training pro klasifikaci EKG dat s nižším rozlišením. To pomohlo společnosti udržet výkon modelu při 8bitovém rozlišení akcelerátoru. Desktopové a cloudové systémy umělé inteligence obvykle vyžadují 32bitové až 64bitové rozlišení.
Údaje EKG jsou často ovlivněny mnoha různými faktory, například variacemi mezi jednotlivými osobami, elektrickými variacemi a srdeční aktivitou. A není snadné digitálně škálovat data při omezeném rozlišení okrajových zařízení s nízkou spotřebou a získat přijatelný klasifikační výkon. Proto pro potřebnou klasifikaci TTP navrhl analogový front-end tak, aby mohl využít plný dynamický rozsah a změnit zisk před digitalizací signálu.
Výzkumníci z TTP také změnili načasování systému, aby snížili požadavky na napájení. Okrajová zařízení jsou většinou vypnuta, když nejsou vyžadována, takže vzorkování a klasifikace signálu bude muset být spuštěna v různých časech.
Označené datové sady jsou také obvykle časově zarovnané, protože pokud zpracování dat a vzorkování začnou v blíže nespecifikovaných časech, může to mít za následek chybná hodnocení nebo zbytečné vybíjení baterií a v některých případech mohou být data také vyřazena. Z tohoto důvodu jsou data nejprve předzpracována v analogovém procesu, aby se dosáhlo lepší účinnosti a hodnocení.
TTP pracuje na mnoha řešeních v lékařské oblasti a očekává, že více terapeutických systémů s uzavřenou smyčkou bude využívat AI s nízkou spotřebou.