이 회사는 임플란트 장치를 구동하기 위한 저전력 AI를 개발합니다

TTP는 심박동기에서 사용하기에 적합할 정도로 저전력으로 작동하면서 실시간 ECG 데이터를 분류하고 인공 지능을 사용하여 부정맥의 가능성을 평가할 수 있는 프레임워크를 개발했습니다. 

TTP의 심장 부정맥 솔루션 

기존의 AI 배포는 전력 소모가 너무 많고 임플란트 장치에 적용하기 어렵지만, 이 기술은 임플란트 제조업체가 더 구체적인 폐쇄형 치료를 개발할 수 있는 방법을 제공합니다. 

의료 솔루션 제공업체인 TTP는 심장의 불규칙한 박동 분류를 위한 폐쇄형 시스템에 저전력 AI 프로세서를 통합하여 세 가지 과제를 식별하고 해결했습니다.

패턴 인식은 AI의 기본 능력으로 간주됩니다. 그리고 임플란트 제세동기 같은 폐쇄형 치료에 사용될 때, 이는 신체 내 신경 또는 전기 활동의 더 신뢰할 수 있는 분류를 제공합니다. 이를 통해 시스템은 치료로서 필요한 전기 자극을 제공할 수 있습니다.

반면, 기존 AI 시스템을 사용하면 임플란트 장치의 제한된 배터리 전원에 부담을 줄 수 있습니다. 또 다른 문제는 기존 시스템이 인터넷 연결을 필요로 하는데, 이는 문제가 될 수 있으며 생명을 유지하는 데 중요한 장치에 의존할 수 없다는 점입니다.

회사는 신경망 가속기가 탑재된 상용 마이크로컨트롤러를 사용했지만, 임플란트 심박동기 장치에서 사용 가능한 전력 용량으로 실시간 ECG 데이터를 분류할 수 있는 솔루션을 개발한 최초의 사례였습니다.

임플란트 치료를 위한 저전력 AI 개발

회사는 신호 분류를 위한 모델의 훈련 방식과 하드웨어 설계 모두를 변경했다고 밝혔습니다. 그들은 양자화 인식 훈련이라는 기술을 통해 모델이 낮은 해상도에서 ECG 데이터를 분류하도록 훈련했습니다. 이를 통해 회사는 가속기의 8비트 해상도에서 모델의 성능을 유지할 수 있었습니다. 일반적으로 데스크톱 및 클라우드 AI 시스템은 32비트에서 64비트 해상도를 필요로 합니다.

ECG 데이터는 종종 개인 간 차이, 전기적 변동, 심장 활동 등 다양한 요인의 영향을 받습니다. 그리고 저전력 엣지 디바이스의 제한된 해상도에서 데이터를 디지털로 확장하고 허용 가능한 분류 성능을 얻는 것은 쉽지 않습니다. 따라서 필요한 분류를 위해 TTP는 아날로그 프론트엔드를 설계하여 신호의 디지털화 전에 전체 동적 범위를 활용하고 이득을 변경할 수 있도록 했습니다.

TTP의 연구원들도 전력 요구 사항을 줄이기 위해 시스템의 타이밍을 변경했습니다. 엣지 디바이스는 수행할 필요가 없을 때 대부분 꺼져 있으므로 샘플링 및 신호 분류는 다른 시간에 실행되어야 합니다.

라벨링된 데이터셋은 일반적으로 시간 정렬되어 있습니다. 데이터 처리와 샘플링이 지정되지 않은 시간에 시작되면 잘못된 평가나 불필요한 배터리 소모를 초래할 수 있으며, 경우에 따라 데이터가 폐기될 수도 있기 때문입니다. 이 때문에 데이터는 먼저 아날로그 프로세스에서 전처리되어 더 나은 효율성과 평가를 달성합니다.

TTP는 의료 분야에서 많은 솔루션을 개발 중이며, 더 많은 폐쇄형 치료 시스템이 저전력 AI를 활용할 것으로 예상합니다.