A TTP desenvolveu uma estrutura capaz de classificar dados de ECG em tempo real e avaliá-los quanto a possíveis arritmias com inteligência artificial, operando com baixo consumo de energia, o que a torna adequada para uso em marcapassos.
Solução da TTP para arritmias cardíacas
A implementação convencional de IA consome muita energia e é difícil de aplicar a dispositivos implantados, mas a tecnologia oferece aos fabricantes de implantes uma maneira de desenvolver terapias de circuito fechado mais específicas.
A TTP, fornecedora de soluções médicas,dente resolveu três desafios ao incorporar um processador de IA de baixo consumo de energia em um sistema de circuito fechado para a classificação de batimentos cardíacos irregulares.
O reconhecimento de padrões é considerado a capacidade básica da IA. E quando utilizada em terapias de circuito fechado, como defiimplantáveis, proporciona uma classificação mais confiável da atividade nervosa ou elétrica no corpo. Isso permite que o sistema forneça a estimulação elétrica necessária como tratamento.
Por outro lado, o uso de um sistema de IA convencional sobrecarregará a limitada capacidade de armazenamento de energia de um dispositivo implantado. Outro problema é que os sistemas convencionais exigem conectividade com a internet, o que pode ser problemático e não é confiável para dispositivos essenciais à manutenção da vida.
A empresa utilizou um microcontrolador comercial com um acelerador de rede neural, sendo a primeira do gênero com baixos requisitos de energia a desenvolver uma solução capaz de classificar dados de ECG em tempo real com a capacidade de energia disponível no dispositivo de marcapasso implantável.
Desenvolvimento de IA de baixo consumo para terapias implantáveis
A empresa afirmou que alterou a forma como os modelos são treinados para classificação de sinais, juntamente com o design do hardware. O modelo foi treinado por meio de uma técnica chamada treinamento com reconhecimento de quantização para classificar dados de ECG em uma resolução mais baixa. Isso permitiu que a empresa mantivesse o desempenho do modelo na resolução de 8 bits do acelerador. Normalmente, sistemas de IA para desktop e nuvem exigem resolução de 32 a 64 bits.
Os dados de ECG são frequentemente influenciados por diversos fatores, como variações interpessoais, variações elétricas e atividade cardíaca. Além disso, não é fácil escalar digitalmente esses dados com a resolução limitada de dispositivos de borda de baixo consumo de energia e obter um desempenho de classificação aceitável. Portanto, para atender à classificação necessária, a TTP projetou o front-end analógico de forma a utilizar toda a faixa dinâmica e alterar o ganho antes da digitalização do sinal.
Os pesquisadores do TTP também alteraram o sincronismo do sistema para reduzir o consumo de energia. Os dispositivos de borda permanecem desligados na maior parte do tempo quando não estão em uso, portanto, a amostragem e a classificação do sinal precisam ser executadas em momentos diferentes.
Os conjuntos de dados rotulados também costumam ser alinhados temporalmente, pois se o processamento e a amostragem dos dados começarem em momentos não especificados, isso pode resultar em avaliações incorretas ou consumo desnecessário de baterias e, em alguns casos, os dados podem até ser descartados. Por esse motivo, os dados são pré-processados inicialmente em um processo analógico para obter maior eficiência e melhor avaliação.
A TTP está trabalhando em diversas soluções na área médica e espera que mais sistemas de terapia de circuito fechado utilizem IA de baixo consumo de energia.
