Forskere bygger kunstig neuron chip som kan gjenkjenne biologiske signaler i sanntid

Nåværende nevrale nettverksalgoritmer gir imponerende resultater og bidrar til å løse et forbløffende antall problemer. Imidlertid krever de elektroniske enhetene som brukes til å kjøre disse algoritmene, fortsatt en stor prosessorkraft. Når det gjelder sanntidsbehandling av sensorisk informasjon eller samhandling med miljøet, kan disse kunstige intelligens (AI) systemene ikke konkurrere med den faktiske hjernen. Og neuromorfeteknikk er en lovende ny metode som bygger en bro mellom kunstig intelligens og naturlig intelligens.

Et tverrfaglig forskningsteam ved Universitetet i Zürich, ETH Zurich og Universitetssykehuset i Zürich brukte denne metoden til å utvikle en chip basert på nevromorfsteknologi som pålitelig kan identifisere komplekse biologiske signaler. Forskere var i stand til å bruke denne teknologien til å kunne oppdage tidligere registrerte høyfrekvente oscillasjoner (HFO). Disse spesifikke bølgene, målt ved hjelp av intrakranial elektroencefalografi (IEEG), har vist seg å være lovende biomarkører for å identifisere hjernevæv som forårsaker anfall.

Forskerne utformet først en algoritme for å oppdage HFO ved å simulere det naturlige neurale nettverket i hjernen: et lite såkalt spike neural nettverk (SNN). Det andre trinnet er å implementere SNN i en nail-sized-maskinvare som mottar nevrale signaler gjennom elektroder. I motsetning til tradisjonelle datamaskiner har den stor energieffektivitet. Dette gjør beregninger med svært høytidsoppløsning som er mulig uten å stole på Internett eller cloud computing.

Giacomo Indiveri, en professor ved Institutt for neuroinformatikk ved Universitetet i Zürich og Eth Zürich, sa: "Vårt design gjør at vi kan gjenkjenne spatiotemporale mønstre i biologiske signaler i sanntid."

Forskerne planlegger nå å bruke sine funn for å skape et elektronisk system for å identifisere og overvåke hfos på en pålitelig måte i sanntid. Når det brukes som et ekstra diagnostisk verktøy i operasjonen, kan systemet forbedre resultatene av nevrokirurgiske inngrep.

Dette er imidlertid ikke det eneste området der HFO-identifikasjonen kan spille en viktig rolle. Lagets langsiktige mål er å utvikle en enhet for overvåking av epilepsi som kan brukes utenfor sykehuset, noe som vil gjøre det mulig å analysere signalene til et stort antall elektroder innen få uker eller måneder.

Johannes Sarnthein, en neurofysiolog på Zürich Universitetssykehus, forklarer: "Vi vil integrere lav-energi trådløs datakommunikasjon i designet - for eksempel for å koble den til en mobiltelefon. En bærbar eller implanterbar chip som dette kan gjenkjenne en høyere anfallshastighet. Høye eller lave perioder, som vil tillate oss å gi personlig medisin. "