14.12.2021 - News

KI-basierte und energieeffiziente Mikroelektronik zur Erkennung von Vorhofflimmern und epileptischen Anfällen

Vorhofflimmern ist eine klassische Herzrhythmusstörung, bei der sich die Vorhöfe rasch und unkontrolliert bewegen (flimmern). Charakteristisch ist hierfür ein anhaltend unregelmäßiger, meist deutlich beschleunigter Herzschlag, der ohne Behandlung zur Bildung von Blutgerinnseln (Thromben) im Vorhof und somit zu einem Schlaganfall führen kann. Derzeit sind etwa 20 Prozent aller Schlaganfälle auf Vorhofflimmern zurückzuführen.

Diagnostiziert wird Vorhofflimmern üblicherweise anhand des typischen Elektrokardiogrammes. Forscher von Hahn-Schickard haben nun zusammen mit dem Institut für Mikrosystemtechnik (IMTEK) der Universität Freiburg ein System entwickelt, das mittels einer rekonfigurierbaren künstlichen Intelligenz basierten Hardware Herz-Rhythmus-Störungen zuverlässig und unter minimalem Energieeinsatz erkennt.

Für diese rechenintensive Technologie, besonders in mobilen Anwendungen, ist hocheffiziente Mikroelektronik unerlässlich. Um die Forschung in diesem Bereich voranzutreiben führte das Bundesministerium für Bildung und Forschung (BMBF) den Pilotinnovationswettbewerb „Energieeffizientes KI-System“ durch, bei dem das Team um Yiannos Manoli und Daniel Sanchez den ersten Preis gewann.

Dabei sollte mit Hilfe von energieeffizienter Mikroelektronik KI-Berechnungen durchgeführt werden, um so das Krankheitsbild Vorhofflimmern am menschlichen Herzen aus EKG-Daten mit Methoden der Künstlichen Intelligenz zu erkennen. Für die Berechnung standen reale, anonymisierte Patienten-Daten (EKG) zur Verfügung, um die KI-Systeme anzulernen.

Um das skizzierte Projektziel zu erreichen war es notwendig, die komplette Entwicklungskette vom Entwurf eines KI-Algorithmus über dessen Optimierung bis zur energieeffizienten Realisierung als mikroelektronische Schaltung innerhalb kürzester Zeit zu durchlaufen und diese zu verifizieren.

Dies ist nur mittels enger Abstimmung und gegenseitigem Verständnis zwischen KI- und Mikroelektronik-Entwicklern, sowie innovativen Ideen, möglich. Das entwickelte System kombiniert eine auf Expertenwissen basierende Merkmalsextraktion aus den EKG-Rohdaten mit einem neuartigen Implementierungsansatz von Entscheidungsbäumen. Es benötigt zur Entscheidung, ob ein Herzkammerflimmern vorliegt nur 1/10.000 der Energie eines Flügelschlags eines Schmetterlings. Betrachtet man die Energieeffizienz, so liegt diese um einen Faktor fünf bis zehn über der der Mitbewerber, was die weiterhin gegebene Relevanz klassischer Ansätze des maschinellen Lernens in einem von Deep Learning geprägten Forschungsfeld belegt.

Als Preisträger des Pilotinnovationswettbewerbs „Energieeffizientes KI-System“ des Bundesministeriums für Bildung und Forschung (BMBF) erhalten Hahn-Schickard und sein Projektpartner (IMTEK/ Universität Freiburg) die Möglichkeit, das entwickelte System im Rahmen eines BMBF-Forschungsprojektes weiterzuentwickeln. Ziel ist es, die Ansätze zu generalisieren, als integrierte Schaltung zu fertigen sowie die breite Anwendbarkeit in der Praxis zu zeigen. Neben der Erkennung von Vorhofflimmern soll hierbei die Erkennung von epileptischen Anfällen anhand von EEG-Daten adressiert werden. Zudem wird die Übertragbarkeit auf weitere Anwendungsfelder wie z.B. Akustik- und Bewegungssensorik evaluiert werden. Gestartet wurde das auf 3 Jahre angelegte Projekt im August 2021. Interessierte Firmen können sich über den „Industrie- und Anwenderbeirat“ in das Projekt einbringen und seinen Fortschritt beobachten. Ziel des Beirates ist die frühzeitige Kommunikation zwischen Forschern und späteren Anwendern, um den innovativen und vielversprechenden Ansatz möglichst praxisnah zu entwickeln. Basierend auf den Eingaben der Firmen können zudem weitere Anwendungsszenarien betrachtet werden.