นักวิจัยจาก EPFL สร้างชิปประสาท LogSync ที่บันทึกกิจกรรมสมองและวิเคราะห์การสื่อสารระหว่างพื้นที่สมอง ใช้ machine learning แยกแยะอารมณ์และสถานะทางสติ พร้อมกระตุ้นการรักษาแบบปรับตัวได้ในเวลาจริง งานวิจัยเผยแพร่ใน IEEE Journal of Solid-State Circuits ภายใต้โครงการทุน NIMH 6.6 ล้านชิลล์ สำหรับพัฒนาระบบควบคุมเครือข่ายสมองสำหรับโรคซึมเศร้าและโรควิตกกังวล LogSync ใช้พลังงานต่ำกว่า 200 ไมโครวัตต์ ซึ่งน้อยกว่าระบบประสาทอื่นๆ มาก โดยใช้การคำนวณแบบลอการิทึมประมวลผลข้อมูลสมองแบบเรียลไทม์ ทดสอบกับข้อมูลสมองมนุษย์และหนู พบว่าแยกแยะสถานะทางสติและอารมณ์จากคลื่นสมองได้อย่างแม่นยำ ช่วยให้การกระตุ้นสมองมีความแม่นยำและลดการใช้พลังงาน เทคโนโลยีนี้มีศักยภาพขยายไปยังการรักษาโรคเคลื่อนไหว เช่น โรคพาร์กินสัน รวมถึงระบบกระตุ้นแบบไม่รุกคืบและคลื่นเสียงโฟกัส นักวิจัยพัฒนาวิธี machine learning ใหม่ที่เรียนรู้จากข้อมูลสมองโดยตรง แทนการพึ่งพา biomarker ที่กำหนดไว้ล่วงหน้า โครงการได้รับทุนจาก NIM. และ SERI รวมถึงความร่วมมือกับมหาวิทยาลัยมินนิโซตา ชิป LogSync ถูกออกแบบสำหรับใช้งานในร่างกายมนุษย์ ด้วยการรวม hardware และ algorithm ที่พัฒนาพร้อมกัน ภายใต้ข้อจำกัดด้านพลังงานของอุปกรณ์ฝังตัว
สรุปด้วย MAF Local AI · เนื้อหาต้นฉบับเป็นของแหล่งข่าว