هذه الشركة تطور ذكاءً اصطناعياً منخفض الطاقة لتشغيل الأجهزة القابلة للزرع

قمت TTP بتطوير إطار عمل قادر على تصنيف بيانات تخطيط القلب الكهربائي (ECG) في الوقت الفعلي وتقييمها للكشف عن عدم انتظام ضربات القلب المحتملة باستخدام الذكاء الاصطناعي أثناء العمل بطاقة منخفضة، مما يجعلها مناسبة للاستخدام في أجهزة تنظيم ضربات القلب. 

حل TTP لعدم انتظام ضربات القلب 

النشر التقليدي للذكاء الاصطناعي يستهلك طاقة كبيرة جداً ويصعب تطبيقه على الأجهزة المزروعة، لكن التكنولوجيا تقدم لصانعي الأجهزة المزروعة طريقة لتطوير علاجات أكثر تحديداً ذات حلقة مغلقة. 

حددت TTP، كمزود حلول طبية، وحلت ثلاث تحديات من خلال دمج معالج ذكاء اصطناعي منخفض الطاقة في نظام حلقة مغلقة لتصنيف ضربات القلب غير المنتظمة.

يُعتبر التعرف على الأنماط القدرة الأساسية للذكاء الاصطناعي. وعندما يُستخدم في العلاجات ذات الحلقة المغلقة مثل مزيلات الرجفان المزروعة، فإنه يوفر تصنيفاً أكثر موثوقية للنشاط العصبي أو الكهربائي في الجسم. يسمح هذا للنظام بتقديم التحفيز الكهربائي المطلوب كعلاج.

في حين أن استخدام نظام ذكاء اصطناعي تقليدي سيثقل كاهل البطارية المحدودة للجهاز المزروع. مشكلة أخرى هي أن الأنظمة التقليدية تتطلب اتصالاً بالإنترنت، وهو ما قد يكون مشكلة ولا يمكن الاعتماد عليه للأجهزة الحيوية التي تحافظ على الحياة.

استخدمت الشركة وحدة تحكم دقيقة جاهزة مع مسرع للشبكات العصبية، لكنها كانت الأولى من نوعها ذات متطلبات طاقة منخفضة لتطوير حلها الذي يمكنه تصنيف بيانات تخطيط القلب الكهربائي (ECG) في الوقت الفعلي ضمن سعة الطاقة المتاحة في جهاز تنظيم ضربات القلب القابل للزرع.

تطوير ذكاء اصطناعي منخفض الطاقة للعلاجات القابلة للزرع

قالت الشركة إنها غيرت طريقة تدريب النماذج لتصنيف الإشارات، بالإضافة إلى تصميم الأجهزة. تم تدريب النموذج من خلال تقنية تسمى التدريب الواعي بالتكميم (quantization-aware training) لتصنيف بيانات تخطيط القلب الكهربائي (ECG) بدقة أقل. ساعد هذا الشركة في الحفاظ على أداء النموذج عند دقة 8 بت الخاصة بالمسرّع. عادةً، تتطلب أنظمة الذكاء الاصطناعي على سطح المكتب والسحابة دقة تتراوح بين 32 بت و 64 بت.

غالباً ما تتأثر بيانات تخطيط القلب الكهربائي (ECG) بعوامل مختلفة، مثل التباين بين الأشخاص، والتباين الكهربائي، ونشاط القلب. ومن الصعب قياس البيانات رقمياً بدقة محدودة في الأجهزة الطرفية منخفضة الطاقة والحصول على أداء تصنيف مقبول. لذلك، لتصنيف البيانات المطلوبة، صممت TTP الواجهة الأمامية التناظرية (analog front-end) بحيث يمكنها الاستفادة من النطاق الديناميكي الكامل وتغيير التضخيم قبل رقمنة الإشارة.

قام باحثو TTP أيضاً بتعديل توقيت النظام لتقليل متطلبات الطاقة. تُبقي الأجهزة الطرفية معظم الوقت في وضع الإيقاف عندما لا تكون مطلوبة للأداء، لذا يجب تشغيل أخذ العينات وتصنيف الإشارات في أوقات مختلفة.

غالباً ما تكون مجموعات البيانات المصنفة متوافقة زمنياً، لأنه إذا بدأت معالجة البيانات وأخذ العينات في أوقات غير محددة، فقد يؤدي ذلك إلى تقييمات خاطئة أو استنزاف البطاريات دون داعٍ، وفي بعض الحالات، يمكن التخلص من البيانات أيضاً. لهذا السبب، تتم معالجة البيانات مسبقاً في عملية تناظرية لتحقيق كفاءة وتقييم أفضل.

تعمل TTP على العديد من الحلول في المجال الطبي وتتوقع أن تستفيد المزيد من أنظمة العلاج ذات الحلقة المغلقة من الذكاء الاصطناعي منخفض الطاقة.