Esta empresa desarrolla IA de bajo consumo para alimentar dispositivos implantables

TTP ha desarrollado un marco capaz de clasificar datos de ECG en tiempo real y evaluarlos para posibles arritmias con inteligencia artificial mientras trabaja con bajo consumo, lo que lo hace adecuado para su uso en marcapasos. 

La solución de TTP para arritmias cardíacas 

El despliegue convencional de la IA es demasiado voraz en cuanto a energía y difícil de aplicar a dispositivos implantados, pero la tecnología ofrece a los fabricantes de implantes una forma de desarrollar terapias de circuito cerrado más específicas. 

TTP, un proveedor de soluciones médicas, ha identificado y resuelto tres desafíos al incorporar un procesador de IA de bajo consumo en un sistema de circuito cerrado para la clasificación del ritmo irregular del corazón.

Reconocer patrones se considera la capacidad básica de la IA. Y cuando se utiliza en terapias de circuito cerrado como desfibriladores implantables, proporciona una clasificación más confiable de la actividad nerviosa o eléctrica en el cuerpo. Esto permite que el sistema proporcione la estimulación eléctrica requerida como tratamiento.

Mientras que, usar un sistema de IA convencional estresará la limitada batería de un dispositivo implantado. Otro problema es que los sistemas convencionales requieren conectividad a Internet, lo cual puede ser un problema y no se puede confiar en ello para dispositivos que son cruciales para sostener la vida.

La empresa utilizó un microcontrolador comercial con un acelerador de red neuronal, pero fue el primero de su tipo con requisitos de bajo consumo para desarrollar su solución que puede clasificar datos de ECG en tiempo real con la capacidad de energía disponible en el dispositivo de marcapasos implantable.

Desarrollando IA de bajo consumo para terapias implantables

La empresa dijo que cambiaron la forma en que se entrenan los modelos para la clasificación de señales, junto con el diseño del hardware. Entrenaron el modelo a través de una técnica llamada entrenamiento consciente de la cuantización para clasificar datos de ECG a una resolución más baja. Esto ayudó a la empresa a mantener el rendimiento del modelo en la resolución de 8 bits del acelerador. Por lo general, los sistemas de IA de escritorio y en la nube requieren una resolución de 32 a 64 bits.

Los datos de ECG a menudo están influenciados por muchos factores diferentes, por ejemplo, variación persona a persona, variación eléctrica y actividad cardíaca. Y no es fácil escalar los datos digitalmente a la resolución limitada de los dispositivos de borde de bajo consumo y obtener un rendimiento de clasificación aceptable. Por lo tanto, para la clasificación necesaria, TTP diseñó el frente analógico de manera que pueda utilizar el rango dinámico completo y cambiar la ganancia antes de la digitalización de la señal.

Los investigadores de TTP también alteraron el momento del sistema para reducir los requisitos de energía. Los dispositivos de borde se mantienen principalmente apagados cuando no es necesario realizar tareas, por lo que el muestreo y la clasificación de señales tendrán que ejecutarse en momentos diferentes.

Los conjuntos de datos etiquetados también suelen estar alineados en el tiempo, porque si el procesamiento de datos y el muestreo comienzan en momentos no especificados, esto puede resultar en evaluaciones incorrectas o en el drenaje innecesario de las baterías, y en algunos casos, los datos también pueden ser descartados. Por esta razón, los datos se preprocesan primero en un proceso analógico para lograr una mejor eficiencia y evaluación.

TTP está trabajando en muchas soluciones en el campo médico y espera que más sistemas de terapia de circuito cerrado aprovechen la IA de bajo consumo.