Dieses Unternehmen entwickelt energieeffiziente KI zur Versorgung implantierbarer Geräte
- TTP, ein Anbieter medizinischer Lösungen, hat einen von energieeffizientem Machine Learning gesteuerten Herzschrittmacher entwickelt.
- Das Unternehmen verwendete einen Mikrocontroller mit einem Beschleuniger niedriger Auflösung zur Datenklassifizierung.
- Das Unternehmen erwartet, dass in Zukunft mehr Lösungen im medizinischen Bereich durch energieeffiziente Beschleuniger angetrieben werden.
TTP hat eine Framework entwickelt, das Echtzeit-ECG-Daten klassifizieren und mittels künstlicher Intelligenz auf potenzielle Arrhythmien untersuchen kann – und dies bei geringem Stromverbrauch, was die Verwendung in Herzschrittmachern ermöglicht.
Die Lösung von TTP gegen Herzrhythmusstörungen
Der herkömmliche Einsatz von KI ist viel zu stromhungrig und lässt sich nur schwer auf implantierbare Geräte anwenden, doch die Technologie bietet Herstellern implantierter Geräte die Möglichkeit, spezifischere geschlossene Regelkreise für Therapien zu entwickeln.
TTP, ein Anbieter medizinischer Lösungen, hat drei Herausforderungen identifiziert und gelöst, indem es einen energieeffizienten KI-Prozessor in ein geschlossenes Regelkreis-System zur Klassifizierung unregelmäßiger Herzschläge integriert hat.
Das Erkennen von Mustern gilt als grundlegende Fähigkeit der KI. Wird sie in geschlossenen Therapiesystemen wie implantierten Defibrillatoren eingesetzt, ermöglicht sie eine zuverlässigere Klassifizierung von Nerven- oder elektrischer Aktivität im Körper. Dadurch kann das System die erforderliche elektrische Stimulation als Behandlung bereitstellen.
Im Gegensatz dazu würde ein herkömmliches KI-System die begrenzte Batterieleistung eines implantierten Geräts stark belasten. Ein weiteres Problem ist, dass konventionelle Systeme eine Internetverbindung erfordern, was problematisch sein kann und für lebenserhaltende Geräte nicht verlässlich ist.
Das Unternehmen verwendete einen Standard-Mikrocontroller mit einem neuronalen Netzwerk-Beschleuniger, war jedoch das erste, das eine Lösung mit geringem Stromverbrauch entwickelte, um Echtzeit-ECG-Daten bei der im implantierbaren Herzschrittmacher verfügbaren Leistungskapazität zu klassifizieren.
Entwicklung energieeffizienter KI für implantierbare Therapien
Das Unternehmen gab an, dass es sowohl die Art des Trainings der Modelle zur Signal-Klassifizierung als auch das Hardware-Design geändert hat. Das Modell wurde durch eine Technik namens „quantization-aware training
ECG-Daten werden oft von vielen verschiedenen Faktoren beeinflusst, beispielsweise von Person-zu-Person-Variationen, elektrischen Schwankungen und Herzaktivität. Es ist nicht einfach, Daten bei der begrenzten Auflösung von Low-Power-Edge-Geräten digital zu skalieren und gleichzeitig eine akzeptable Klassifizierungsleistung zu erzielen. Daher hat TTP den analogen Frontend-Bereich so konzipiert, dass er den gesamten Dynamikbereich nutzen und die Verstärkung vor der Digitalisierung des Signals anpassen kann.
Forscher bei TTP haben zudem den Zeitpunkt des Systems angepasst, um den Strombedarf zu senken. Die Edge-Geräte bleiben größtenteils ausgeschaltet, wenn sie nicht benötigt werden, sodass Abtastung und Signalklassifizierung zu unterschiedlichen Zeiten ausgeführt werden müssen.
Die gelabelten Datensätze sind in der Regel zeitlich synchronisiert, da ein Start der Datenverarbeitung und -abtastung zu nicht spezifizierten Zeitpunkten zu falschen Bewertungen oder unnötigem Energieverbrauch führen kann; in einigen Fällen müssen die Daten sogar verworfen werden. Aus diesem Grund werden die Daten zunächst in einem analogen Prozess vorverarbeitet, um eine bessere Effizienz und Bewertung zu erreichen.
TTP arbeitet an zahlreichen Lösungen im medizinischen Bereich und geht davon aus, dass mehr geschlossene Regelkreise für Therapien energieeffiziente KI nutzen werden.
Die klügsten Krypto-Köpfe lesen bereits unseren Newsletter. Lust dabei? Mach mit.
Haftungsausschluss. Die bereitgestellten Informationen stellen keine Anlageberatung dar. Cryptopolitan.com Wir übernehmen keine Haftung für Investitionen, die auf den auf dieser Seite bereitgestellten Informationen basieren. Wir empfehlen dringend, vor jeglichen Anlageentscheidungen eine unabhängige Recherche durchzuführen und/oder einen qualifizierten Fachmann zu konsultieren.
Aamir Sheikh
Aamir ist Tech-Journalist mit fast sechs Jahren Erfahrung in der Krypto- und Technologiebranche. Er absolvierte sein Studium an der MAJ University mit einem MBA in Finanzen und Marketing. Heute arbeitet er für Cryptopolitan, wo er über die neuesten Entwicklungen in den Kryptowährungsmärkten und Preisprognosen berichtet.
