TTP a développé un cadre capable de classer les données ECG en temps réel et de les évaluer pour détecter d'éventuelles arythmies grâce à l'intelligence artificielle tout en travaillant à faible puissance, ce qui le rend adapté à une utilisation dans les stimulateurs cardiaques.

La solution TTP pour les arythmies cardiaques

Le déploiement conventionnel de l’IA est bien trop gourmand en énergie et difficile à appliquer aux dispositifs implantés, mais la technologie offre aux fabricants d’implants un moyen de développer des thérapies en boucle fermée plus spécifiques.

TTP, un fournisseur de solutions médicales, a identifié et résolu trois défis en intégrant un processeur IA basse consommation dans un système en boucle fermée pour la classification des battements irréguliers du cœur.

La reconnaissance de modèles est considérée comme la capacité de base de l’IA. Et lorsqu’il est utilisé dans des thérapies en boucle fermée comme les défibrillateurs implantés, il fournit une classification plus fiable de l’activité nerveuse ou électrique dans le corps. Cela permet au système de fournir la stimulation électrique requise comme traitement.

Alors que l’utilisation d’un système d’IA conventionnel mettra l’accent sur la puissance limitée de la batterie d’un dispositif implanté. Un autre problème est que les systèmes conventionnels nécessitent une connectivité Internet, ce qui peut poser problème et ne pas être fiable pour les appareils essentiels au maintien de la vie.

La société a utilisé un microcontrôleur disponible dans le commerce doté d'un accélérateur de réseau neuronal, mais il s'agissait du premier du genre à faible consommation d'énergie à développer une solution capable de classer les données ECG en temps réel selon la capacité de puissance disponible dans le stimulateur cardiaque implantable. .

Développer une IA de faible consommation pour des thérapies implantables

La société a déclaré avoir modifié la façon dont les modèles sont formés pour la classification des signaux, ainsi que la conception du matériel. Ils ont formé le modèle grâce à une technique appelée formation sensible à la quantification pour classer les données ECG à une résolution inférieure. Cela a aidé l'entreprise à maintenir les performances du modèle à la résolution de 8 bits de l'accélérateur. Habituellement, les systèmes d’IA de bureau et cloud nécessitent une résolution de 32 bits à 64 bits.

Les données ECG sont souvent influencées par de nombreux facteurs différents, par exemple la variation d'une personne à l'autre, la variation électrique et l'activité cardiaque. Et il n’est pas facile de mettre à l’échelle numérique les données avec la résolution limitée des appareils de pointe à faible consommation et d’obtenir des performances de classification acceptables. Par conséquent, pour la classification nécessaire, TTP a conçu le frontal analogique de manière à pouvoir utiliser toute la plage dynamique et modifier le gain avant la numérisation du signal.

Les chercheurs du TTP ont également modifié la synchronisation du système pour réduire les besoins en énergie. Les appareils de périphérie sont pour la plupart tenus à l'écart lorsqu'ils ne sont pas nécessaires, de sorte que l'échantillonnage et la classification des signaux devront être exécutés à des moments différents. 

Les ensembles de données étiquetés sont également généralement alignés dans le temps, car si le traitement des données et l'échantillonnage commencent à des heures non spécifiées, cela peut entraîner des évaluations erronées ou vider inutilement les batteries et, dans certains cas, les données peuvent également être supprimées. Pour cette raison, les données sont d’abord prétraitées selon un processus analogique afin d’obtenir une meilleure efficacité et une meilleure évaluation.

TTP travaille sur de nombreuses solutions dans le domaine médical et s’attend à ce que davantage de systèmes de thérapie en boucle fermée exploitent l’IA à faible consommation.