Questa Azienda Sviluppa IA a Basso Consumo per Alimentare Dispositivi Impiantabili

TTP ha sviluppato un framework in grado di classificare i dati ECG in tempo reale e valutarli per aritmie potenziali con l'intelligenza artificiale mentre lavora a basso consumo, il che lo rende adatto all'uso nei pacemaker. 

La soluzione di TTP per le aritmie cardiache 

Il deployment convenzionale dell'IA è troppo affamato di energia e difficile da applicare ai dispositivi impiantati, ma la tecnologia offre ai produttori di impianti un modo per sviluppare terapie a ciclo chiuso più specifiche. 

TTP, un fornitore di soluzioni mediche, ha identificato e risolto tre sfide incorporando un processore IA a basso consumo in un sistema a ciclo chiuso per la classificazione del battito irregolare del cuore.

Riconoscere i modelli è considerata la capacità di base dell'IA. E quando viene utilizzata in terapie a ciclo chiuso come i defibrillatori impiantati, fornisce una classificazione più affidabile dell'attività nervosa o elettrica nel corpo. Questo permette al sistema di fornire la stimolazione elettrica richiesta come trattamento.

Tuttavia, l'utilizzo di un sistema IA convenzionale stresserà la limitata potenza della batteria di un dispositivo impiantato. Un altro problema è che i sistemi convenzionali richiedono connettività internet, che può essere un problema e non può essere affidata per dispositivi cruciali per la sopravvivenza.

L'azienda ha utilizzato un microcontrollore pronto all'uso con un acceleratore di rete neurale, ma è stata la prima del suo genere con requisiti di basso consumo a sviluppare la loro soluzione che può classificare i dati ECG in tempo reale alla capacità di alimentazione disponibile nel dispositivo pacemaker impiantabile.

Sviluppo di IA a basso consumo per terapie impiantabili

L'azienda ha dichiarato di aver modificato il modo in cui i modelli sono addestrati per la classificazione dei segnali, insieme alla progettazione dell'hardware. Hanno addestrato il modello attraverso una tecnica chiamata addestramento consapevole della quantizzazione per classificare i dati ECG a una risoluzione inferiore. Questo ha aiutato l'azienda a mantenere le prestazioni del modello alla risoluzione a 8 bit dell'acceleratore. Di solito, i sistemi IA desktop e cloud richiedono una risoluzione a 32 bit o 64 bit.

I dati ECG sono spesso influenzati da molti fattori diversi, ad esempio variazioni da persona a persona, variazioni elettriche e attività cardiaca. E non è facile scalare digitalmente i dati alla risoluzione limitata dei dispositivi edge a basso consumo e ottenere prestazioni di classificazione accettabili. Pertanto, per la classificazione necessaria, TTP ha progettato il front-end analogico in modo da poter utilizzare l'intero intervallo dinamico e modificare il guadagno prima della digitalizzazione del segnale.

I ricercatori di TTP hanno anche modificato la tempistica del sistema per ridurre i requisiti di alimentazione. I dispositivi edge sono per lo più spenti quando non necessari per l'esecuzione, quindi il campionamento e la classificazione dei segnali dovranno essere eseguiti in momenti diversi.

I dataset etichettati sono anche solitamente allineati temporalmente, perché se l'elaborazione dei dati e il campionamento iniziano in momenti non specificati, questo può risultare in valutazioni errate o nel drenaggio delle batterie inutilmente, e in alcuni casi, i dati possono essere scartati. Per questo motivo, i dati vengono prima pre-elaborati in un processo analogico per ottenere una migliore efficienza e valutazione.

TTP sta lavorando a molte soluzioni nel settore medico e si aspetta che più sistemi di terapia a ciclo chiuso sfruttino l'IA a basso consumo.