TTP a développé un cadre capable de classifier les données ECG en temps réel et de les évaluer pour détecter d'éventuelles arythmies grâce à l'intelligence artificielle, tout en fonctionnant à faible consommation d'énergie, ce qui le rend adapté à une utilisation dans les stimulateurs cardiaques.
La solution de TTP pour les arythmies cardiaques
Le déploiement conventionnel de l'IA est beaucoup trop énergivore et difficile à appliquer aux dispositifs implantables, mais cette technologie offre aux fabricants d'implants un moyen de développer des thérapies en boucle fermée plus spécifiques.
TTP, fournisseur de solutions médicales, adentet résolu trois problèmes en intégrant un processeur d'IA basse consommation dans un système en boucle fermée pour la classification des battements cardiaques irréguliers.
La reconnaissance de schémas est considérée comme la capacité fondamentale de l'IA. Utilisée dans des thérapies en boucle fermée, comme defiimplantables, elle permet une classification plus fiable de l'activité nerveuse ou électrique du corps. Le système peut ainsi fournir la stimulation électrique nécessaire au traitement.
En revanche, l'utilisation d'un système d'IA classique solliciterait fortement la batterie, dont l'autonomie est limitée, d'un dispositif implanté. De plus, ces systèmes nécessitent une connexion internet, ce qui peut poser problème et s'avérer problématique pour des dispositifs vitaux.
L'entreprise a utilisé un microcontrôleur standard avec un accélérateur de réseau neuronal, mais c'était la première du genre à développer une solution à faible consommation d'énergie capable de classifier des données ECG en temps réel avec la puissance disponible dans le stimulateur cardiaque implantable.
Développement d'une IA basse consommation pour les thérapies implantables
L'entreprise a indiqué avoir modifié la méthode d'entraînement des modèles de classification des signaux, ainsi que la conception du matériel. Elle a entraîné le modèle grâce à une technique appelée « entraînement prenant en compte la quantification » afin de classifier les données ECG à une résolution inférieure. Ceci a permis à l'entreprise de maintenir les performances du modèle à la résolution 8 bits de l'accélérateur. Habituellement, les systèmes d'IA de bureau et cloud nécessitent une résolution de 32 à 64 bits.
Les données ECG sont souvent influencées par de nombreux facteurs, tels que la variabilité interindividuelle, les variations électriques et l'activité cardiaque. De plus, la numérisation de ces données, compte tenu de la résolution limitée des dispositifs périphériques basse consommation, s'avère complexe, tout comme l'obtention de performances de classification acceptables. C'est pourquoi, pour la classification requise, TTP a conçu l'étage d'entrée analogique de manière à exploiter pleinement la plage dynamique et à ajuster le gain avant la numérisation du signal.
Les chercheurs de TTP ont également modifié la synchronisation du système afin de réduire la consommation d'énergie. Les dispositifs périphériques étant généralement désactivés lorsqu'ils ne sont pas utilisés, l'échantillonnage et la classification du signal devront être effectués à des moments différents.
Les jeux de données étiquetés sont généralement alignés temporellement, car un démarrage du traitement et de l'échantillonnage à des moments non spécifiés peut entraîner des erreurs d'évaluation, une consommation inutile de batteries, voire la perte des données. C'est pourquoi les données sont d'abord prétraitées manuellement afin d'optimiser l'efficacité et l'évaluation.
TTP travaille sur de nombreuses solutions dans le domaine médical et prévoit que davantage de systèmes de thérapie en boucle fermée tireront parti de l'IA basse consommation.
