Эта компания разрабатывает энергоэффективный искусственный интеллект для питания имплантируемых устройств

Компания TTP разработала систему, способную классифицировать данные ЭКГ в реальном времени и оценивать их на предмет потенциальных аритмий с помощью искусственного интеллекта, работая при низкой мощности, что делает ее пригодной для использования в кардиостимуляторах. 

Решение TTP для лечения аритмии сердца 

Традиционные методы внедрения ИИ слишком энергозатратны и сложны в применении к имплантируемым устройствам, но эта технология предлагает производителям имплантатов способ разработки более специфических методов лечения с замкнутым контуром. 

Компания TTP, поставщик медицинских решений,dentи решила три проблемы, внедрив маломощный процессор искусственного интеллекта в замкнутую систему классификации нерегулярного сердцебиения.

Распознавание закономерностей считается базовой способностью ИИ. А при использовании в замкнутых терапевтических системах, таких как имплантируемые defi, он обеспечивает более надежную классификацию нервной или электрической активности в организме. Это позволяет системе обеспечивать необходимую электрическую стимуляцию в качестве лечения.

В то время как использование традиционной системы искусственного интеллекта будет создавать дополнительную нагрузку на ограниченный заряд батареи имплантированного устройства. Другая проблема заключается в том, что традиционные системы требуют подключения к интернету, что может быть проблематичным и не может быть надежным для устройств, имеющих решающее значение для поддержания жизни.

Компания использовала стандартный микроконтроллер с ускорителем нейронных сетей, но это был первый в своем роде микроконтроллер с низким энергопотреблением, разработавший решение, способное классифицировать данные ЭКГ в реальном времени при мощности, доступной в имплантируемом кардиостимуляторе.

Разработка маломощного ИИ для имплантируемых терапевтических устройств

Компания заявила, что изменила способ обучения моделей для классификации сигналов, а также конструкцию оборудования. Они обучили модель с помощью метода, называемого обучением с учетом квантования, для классификации данных ЭКГ с более низким разрешением. Это помогло компании сохранить производительность модели на уровне 8-битного разрешения ускорителя. Обычно настольные и облачные системы искусственного интеллекта требуют разрешения от 32 до 64 бит.

На данные ЭКГ часто влияют множество различных факторов, например, индивидуальные различия, электрические колебания и активность сердца. Кроме того, масштабирование данных в цифровом виде при ограниченном разрешении маломощных периферийных устройств и получение приемлемой точности классификации представляют собой сложную задачу. Поэтому для необходимой классификации компания TTP разработала аналоговый интерфейс таким образом, чтобы он мог использовать весь динамический диапазон и изменять коэффициент усиления до оцифровки сигнала.

Исследователи из TTP также изменили синхронизацию системы, чтобы снизить энергопотребление. Краевые устройства в основном выключены, когда в них нет необходимости, поэтому выборку и классификацию сигналов придется запускать в разное время. 

Размеченные наборы данных обычно также синхронизированы по времени, поскольку если обработка данных и выборка начинаются в неуказанное время, это может привести к неверным оценкам или неоправданному разряду батарей, а в некоторых случаях данные могут быть отброшены. По этой причине данные сначала предварительно обрабатываются в аналоговом процессе для достижения большей эффективности и точности оценки.

Компания TTP работает над множеством решений в медицинской сфере и ожидает, что все больше систем замкнутого контура терапии будут использовать маломощный искусственный интеллект.