/Sviluppata piattaforma AI impiantabile

Sviluppata piattaforma AI impiantabile

Sviluppata piattaforma AI impiantabile

Sviluppata piattaforma AI impiantabile bio-compatibile che classifica in modelli in tempo reale e patologici in segnali biologici come battiti cardiaci. Rileva cambiamenti patologici anche senza supervisione medica.

La rilevazione anticipata dei modelli di maligna nei segnali biologici dei pazienti può salvare milioni di vite. Nonostante il costante miglioramento delle tecniche basate sull’intelligenza artificiale, l’applicazione clinica pratica di questi metodi è principalmente limitata a una valutazione offline dei dati dei pazienti. Gli studi precedenti hanno identificato dispositivi elettrochimici organici come candidati ideali per il monitoraggio biosignico. Tuttavia, il loro uso per il riconoscimento del modello in tempo reale non è mai stato dimostrato.

L’intelligenza artificiale (AI) cambierà fondamentalmente la medicina e l’assistenza sanitaria: dati del paziente diagnostico, ad es. Dalle immagini ECG, EEG o Raggi X, possono essere analizzate con l’aiuto dell’apprendimento automatico, in modo che le malattie possano essere rilevate in una fase molto precoce basata su sottili cambiamenti. Tuttavia, l’impianto AI all’interno del corpo umano è ancora una grande sfida tecnica.

Gli scienziati di Tu Dresda nell’ambito della Optoelettronica sono ora riusciti per la prima volta nello sviluppo di una piattaforma AI (Artificial intelligence) impiantabile bio-compatibile che classifica in modelli in tempo reale e patologici in tempo reale in segnali biologici come battiti cardiaci. Rileva cambiamenti patologici anche senza supervisione medica. I risultati della ricerca sono stati ora pubblicati sulla rivista Science Advances. (1)

In questo lavoro, il team di ricerca guidato dal Prof. Karl Leo, (2) il Dr. Hans Kleemann e il dottor Matteo Cucchi dimostra un approccio per la classificazione in tempo reale di segnali bio-sani e malati basati su un chip AI biocompatibile. Hanno usato reti di fibre basate su polimeri che assomigliano strutturalmente al cervello umano e consentono il principio AI neuromorfo del settore dei serbatoi.

La disposizione casuale delle fibre polimeriche costituisce una cosiddetta “rete ricorrente”, che consente di elaborare i dati, analoghi al cervello umano. La non linearità di queste reti consente di amplificare anche le più piccole modifiche del segnale, che – nel caso del battito cardiaco, ad esempio – sono spesso difficili da valutare per i medici. Tuttavia, la trasformazione non lineare usando la rete polimerica rende possibile questo senza problemi.

Nelle prove, l’AI è stata in grado di differenziare tra battiti cardiaci sani da tre aritmie comuni con un tasso di accuratezza del 88%. Nel processo, la rete polimerica ha consumato meno energia di un pacemaker. Le potenziali applicazioni per i sistemi AI impiantabili sono molteplici: ad esempio, potrebbero essere utilizzati per monitorare aritmie cardiache o complicazioni dopo l’intervento chirurgico e segnalarle a medici e pazienti tramite smartphone, consentendo una rapida assistenza medica.

«La visione della combinazione di elettronica moderna con biologia negli ultimi anni si è concretizzata con lo sviluppo dei cosiddetti conduttori misti organici”, spiega Matteo Cucchi, (3) PhD e primo autore del documento. «Finora, tuttavia, i successi sono stati limitati a semplici componenti elettronici come singoli sinapsi o sensori. La risoluzione dei compiti complessi non è stata possibile finora. Nella nostra ricerca, ora abbiamo intrapreso una direzione cruciale verso la realizzazione di questa visione. Sfruttando la potenza del computing neuromorfo, come il calcolo utilizzato qui, siamo riusciti a risolvere solo compiti di classificazione complessi in tempo reale, ma anche potenzialmente potrà fare questo all’interno del corpo umano. Questo approccio consentirà di sviluppare ulteriormente intelligenti sistemi in futuro che possono aiutare a salvare le vite umane».

Riferimenti:

(1) Reservoir computing with biocompatible organic electrochemical networks for brain-inspired biosignal classification

(2) Karl Leo

(3) Matteo Cucchi

Descrizione foto: Rete neurale di polimero artificiale. Il comportamento fortemente non lineare di queste reti consente il loro utilizzo nel reservoir computing. – Credit: TU Dresden.

Autore traduzione riassuntiva e adattamento linguistico: Edoardo Capuano / Articolo originale: Using Artificial Intelligence for early detection and treatment of illnesses: TU Dresden researchers develop an implantable AI system

Source