Forskere bygger kunstig neuron chip, der kan genkende biologiske signaler i realtid

Nuværende neurale netværk Algoritmer producerer imponerende resultater og hjælper med at løse et forbløffende antal problemer. De elektroniske enheder, der bruges til at køre disse algoritmer, kræver dog stadig en stor behandlingskraft. Når det kommer til realtidsbehandling af sensorisk information eller interaktion med miljøet, kan disse kunstige intelligens (AI) systemer simpelthen ikke konkurrere med den faktiske hjerne. Og neuromorfisk teknik er en lovende ny metode, der bygger en bro mellem kunstig intelligens og naturlig intelligens.

Et tværfagligt forskerhold på University of Zürich, ETH Zürich og University Hospital of Zürich brugte denne metode til at udvikle en chip baseret på neuromorf teknologi, der pålideligt og præcist identificerer komplekse biologiske signaler. Forskere var i stand til at bruge denne teknologi til succesfuldt at registrere tidligere registrerede højfrekvente oscillationer (HFO). Disse specifikke bølger, målt under anvendelse af intrakranial elektroencefalografi (IEEG), har vist sig at være lovende biomarkører til identifikation af hjernevæv, der forårsager anfald.

Forskerne designet først en algoritme til at opdage HFO ved at simulere det naturlige neurale netværk af hjernen: et lille såkaldt spike neural netværk (SNN). Det andet trin er at implementere SNN i en sømstørrelse hardware, der modtager neurale signaler gennem elektroder. I modsætning til traditionelle computere har den enorme energieffektivitet. Dette gør beregninger med meget høj tid opløsning mulig uden at stole på internettet eller cloud computing.

Giacomo Indiversi, en professor ved Institut for Neuroinformatik ved University of Zürich og ETH Zürich, sagde: "Vores design giver os mulighed for at genkende spatiotemporale mønstre i biologiske signaler i realtid."

Forskerne planlægger nu at bruge deres resultater til at oprette et elektronisk system til pålideligt at identificere og overvåge HFOS i realtid. Når det bruges som et ekstra diagnostisk værktøj i operationsrummet, kan systemet forbedre resultaterne af neurosurgiske interventioner.

Dette er dog ikke det eneste område, hvor HFO-identifikation kan spille en vigtig rolle. Holdets langsigtede mål er at udvikle en enhed til overvågning af epilepsi, der kan bruges uden for hospitalet, hvilket vil gøre det muligt at analysere signalerne af et stort antal elektroder inden for få uger eller måneder.

Johannes Sarnthein, en neurofysiolog på Zürich University Hospital, forklarer: "Vi ønsker at integrere trådløs lav-energi trådløs datakommunikation i designet - for eksempel at forbinde det til en mobiltelefon. En bærbar eller implanterbar chip som denne kan genkende en højere beslaglæggelse. Høj eller lave perioder, som giver os mulighed for at levere personlig medicin. "