TTP ha desarrollado un marco que puede clasificar datos de ECG en tiempo real y evaluarlos en busca de posibles arritmias con inteligencia artificial mientras trabaja a baja potencia, lo que lo hace adecuado para su uso en marcapasos.
La solución TTP para las arritmias cardíacas
La implementación convencional de la IA consume demasiada energía y es difícil de aplicar a los dispositivos implantados, pero la tecnología ofrece a los fabricantes de implantes una forma de desarrollar terapias de circuito cerrado más específicas.
TTP, un proveedor de soluciones médicas, ha identificado y resuelto tres desafíos incorporando un procesador de inteligencia artificial de bajo consumo en un sistema de circuito cerrado para la clasificación de latidos cardíacos irregulares.
El reconocimiento de patrones se considera la capacidad central de la inteligencia artificial. Y cuando se utiliza en terapias de circuito cerrado, como los desfibriladores implantados, proporciona una clasificación más fiable de la actividad nerviosa o eléctrica del cuerpo. Esto permite que el sistema proporcione la estimulación eléctrica necesaria como tratamiento.
Mientras que el uso de un sistema de IA convencional ejercerá presión sobre la energía limitada de la batería de un dispositivo implantado. Otro problema es que los sistemas convencionales requieren conectividad a Internet, lo que puede ser un problema y no se puede confiar en él para dispositivos cruciales para el sustento de la vida.
La empresa utilizó un microcontrolador estandarizado con un acelerador de red neuronal, pero fue la primera de su tipo con bajos requisitos de energía en desarrollar su propia solución que puede clasificar los datos de ECG en tiempo real según la capacidad de energía disponible en el dispositivo marcapasos implantable.
Desarrollo de inteligencia artificial de bajo consumo para terapias implantables
La compañía dijo que ha cambiado la forma en que se entrenan los modelos para la clasificación de señales, junto con el diseño del hardware. Entrenaron el modelo mediante una técnica llamada entrenamiento consciente de la cuantificación para clasificar los datos del ECG a una resolución más baja. Esto ayudó a la empresa a mantener el rendimiento del modelo con la resolución de 8 bits del acelerador. Normalmente, los sistemas de IA de escritorio y en la nube requieren una resolución de 32 a 64 bits.
Los datos del ECG suelen verse afectados por muchos factores diferentes, como la variación de persona a persona, la variación eléctrica y la actividad cardíaca. Además, no es fácil escalar digitalmente datos con la resolución limitada de los dispositivos de borde de baja potencia y lograr un rendimiento de clasificación aceptable. Por lo tanto, para la clasificación necesaria, TTP diseñó la interfaz analógica de tal manera que pueda utilizar todo el rango dinámico y cambiar la ganancia antes de digitalizar la señal.
Los investigadores de TTP también cambiaron la sincronización del sistema para reducir los requisitos de energía. La mayoría de los dispositivos periféricos se mantienen apagados cuando no son necesarios, por lo que el muestreo y la clasificación de la señal deberán realizarse en momentos diferentes.
Los conjuntos de datos etiquetados también suelen estar alineados en el tiempo, porque si el procesamiento y el muestreo de datos comienzan en momentos no especificados, esto puede llevar a evaluaciones incorrectas o a un agotamiento innecesario de las baterías y, en algunos casos, los datos pueden incluso descartarse. Por este motivo, los datos se preprocesan primero en un proceso analógico para lograr una mejor eficiencia y evaluación.
TTP está trabajando en muchas soluciones en el campo médico y espera que más sistemas terapéuticos de circuito cerrado aprovechen la IA de bajo consumo.