TTP ha desarrollado un marco capaz de clasificar datos de ECG en tiempo real y evaluarlos para detectar posibles arritmias con inteligencia artificial mientras trabaja a baja potencia, lo que lo hace adecuado para su uso en marcapasos.
La solución de TTP para las arritmias cardíacas
El despliegue convencional de IA consume demasiada energía y es 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, hadenty resuelto tres desafíos al incorporar un procesador de IA de bajo consumo en un sistema de circuito cerrado para la clasificación de los latidos irregulares del corazón.
El reconocimiento de patrones se considera la capacidad básica de la IA. Y cuando se utiliza en terapias de circuito cerrado, como defiimplantables, proporciona una clasificación más fiable de la actividad nerviosa o eléctrica del cuerpo. Esto permite que el sistema proporcione la estimulación eléctrica necesaria como tratamiento.
Considerando que el uso de un sistema de IA convencional sobrecargará la batería limitada de un dispositivo implantado, otro problema es que los sistemas convencionales requieren conectividad a internet, lo cual puede ser un problema y no es confiable para dispositivos cruciales para la vida.
La empresa utilizó un microcontrolador comercial con un acelerador de red neuronal, pero fue la primera de su tipo con bajos requerimientos de energía en desarrollar su solución que puede clasificar datos de ECG en tiempo real con la capacidad de energía disponible en el dispositivo marcapasos implantable.
Desarrollo de IA de bajo consumo para terapias implantables
La compañía afirmó que modificó la forma en que se entrenan los modelos para la clasificación de señales, así como el diseño del hardware. Entrenaron el modelo mediante una técnica llamada entrenamiento con atención a la cuantización para clasificar los datos de ECG a una resolución más baja. Esto ayudó a la compañía a mantener el rendimiento del modelo con la resolución de 8 bits del acelerador. Normalmente, los sistemas de IA de escritorio y en la nube requieren una resolución de 32 a 64 bits.
Los datos de ECG suelen verse influenciados por diversos factores, como la variación entre personas, la variación eléctrica y la actividad cardíaca. Además, no es fácil escalar digitalmente los datos con la resolución limitada de los dispositivos periféricos de baja potencia y obtener un rendimiento de clasificación aceptable. Por lo tanto, para la clasificación necesaria, TTP diseñó el front-end analógico de forma que pueda utilizar todo el rango dinámico y modificar la ganancia antes de digitalizar la señal.
Los investigadores de TTP también modificaron la sincronización del sistema para reducir los requisitos de energía. Los dispositivos periféricos suelen permanecer apagados cuando no se requieren, por lo que el muestreo y la clasificación de señales deberán ejecutarse en momentos diferentes.
Los conjuntos de datos etiquetados suelen estar alineados en el tiempo, ya que si el procesamiento y el muestreo de datos comienzan en momentos no especificados, esto puede resultar en evaluaciones erróneas o un consumo innecesario de batería, y en algunos casos, incluso en el descarte de los datos. 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.
