TTP ha sviluppato un framework in grado di classificare i dati ECG in tempo reale e valutarli per potenziali aritmie con l'intelligenza artificiale mentre lavora a bassa potenza, il che lo rende adatto all'uso nei pacemaker.

La soluzione TTP per le aritmie cardiache

L’implementazione convenzionale dell’intelligenza artificiale è troppo dispendiosa in termini di energia e difficile da applicare ai dispositivi impiantati, ma la tecnologia offre ai produttori di impianti un modo per sviluppare terapie a circuito chiuso più specifiche.

TTP, un fornitore di soluzioni mediche, ha identificato e risolto tre sfide incorporando un processore AI a basso consumo in un sistema a circuito chiuso per la classificazione del battito irregolare del cuore.

Il riconoscimento dei modelli è considerato la capacità di base dell’intelligenza artificiale. E quando viene utilizzato in terapie a circuito chiuso come i defibrillatori impiantati, fornisce una classificazione più affidabile dell’attività nervosa o elettrica nel corpo. Ciò consente al sistema di fornire la stimolazione elettrica necessaria come trattamento.

Considerando che l’utilizzo di un sistema di intelligenza artificiale convenzionale metterà a dura prova la potenza limitata della batteria di un dispositivo impiantato. Un altro problema è che i sistemi convenzionali richiedono la connettività Internet, che può rappresentare un problema e su cui non si può fare affidamento per dispositivi cruciali per il sostentamento della vita.

L'azienda ha utilizzato un microcontroller standardizzato con un acceleratore di rete neurale, ma è stata la prima nel suo genere con bassi requisiti di potenza a sviluppare la propria soluzione in grado di classificare i dati ECG in tempo reale alla capacità di potenza disponibile nel dispositivo pacemaker impiantabile .

Sviluppo di intelligenza artificiale a bassa potenza per terapie impiantabili

L'azienda ha affermato di aver cambiato il modo in cui i modelli vengono addestrati per la classificazione del segnale, insieme alla progettazione dell'hardware. Hanno addestrato il modello attraverso una tecnica chiamata training consapevole della quantizzazione per classificare i dati ECG a una risoluzione inferiore. Ciò ha aiutato l'azienda a mantenere le prestazioni del modello con la risoluzione a 8 bit dell'acceleratore. Di solito, i sistemi AI desktop e cloud richiedono una risoluzione da 32 bit a 64 bit.

I dati ECG sono spesso influenzati da molti fattori diversi, ad esempio la variazione da persona a persona, la variazione elettrica e l'attività cardiaca. Inoltre, non è facile scalare digitalmente i dati con la risoluzione limitata dei dispositivi edge a basso consumo e ottenere prestazioni di classificazione accettabili. Pertanto, per la classificazione necessaria, TTP ha progettato il front-end analogico in modo tale da poter utilizzare l'intera gamma dinamica e modificare il guadagno prima della digitalizzazione del segnale.

I ricercatori del TTP hanno anche modificato i tempi del sistema per ridurre i requisiti energetici. I dispositivi periferici vengono per lo più tenuti spenti quando non sono necessari, quindi il campionamento e la classificazione del segnale dovranno essere eseguiti in momenti diversi. 

Anche i set di dati etichettati sono solitamente allineati nel tempo, perché se l'elaborazione dei dati e il campionamento iniziano in orari non specificati, ciò può comportare valutazioni errate o scaricare inutilmente le batterie e in alcuni casi i dati possono anche essere scartati. Per questo motivo, i dati vengono prima preelaborati in un processo analogico per ottenere una migliore efficienza e valutazione.

TTP sta lavorando su molte soluzioni in campo medico e prevede che un numero maggiore di sistemi terapeutici a circuito chiuso sfrutteranno l’intelligenza artificiale a bassa potenza.