LONDON (IT BOLTWISE) – Forschende an der EPFL haben mit LogSync ein implantierbares System-on-Chip entwickelt, das neuronale Netzwerke statt nur einzelner Hirnregionen auswertet. Der Ansatz nutzt eine KI-Klassifikation auf dem Chip, um die Stimulation erst dann auszulösen, wenn pathologische Muster wie depressive Rückzugs- oder Angstsymptome auftauchen. Das Design kommt mit weniger als 200 Mikrowatt aus und zielt damit auf die zentralen Energien- und Wärmelimits bei Langzeit-Implantaten. Veröffentlicht ist die Arbeit im IEEE Journal of Solid-State Circuits.
Die eigentliche Hürde bei Deep-Brain-Stimulation (DBS) für psychische Erkrankungen liegt selten im Prinzip der elektrischen Reizung selbst, sondern in der Frage, welches Signal sie im richtigen Moment anstoßen soll. Bei klassischen Geräten läuft die Stimulation meist in einem „open-loop“-Modus: Sie bleibt konstant, unabhängig davon, ob sich der mentale Zustand gerade verschiebt. Selbst viele „closed-loop“-Ansätze stützen sich dabei häufig auf Messungen aus nur einer Hirnregion. LogSync setzt genau an diesem Punkt an: Das System-on-Chip soll die oszillatorische Synchronität über mehrere beteiligte Areale erkennen und die DBS dann phasen- und biomarkerbasiert triggern, wenn sich ein Muster zeigt, das zu starken depressiven oder ängstlichen Zuständen passt.
Technisch beschrieben arbeitet LogSync mit einem Netzwerk-Blick statt mit einer Einzel-Lokus-Logik. Das SoC erfasst neuronale Aktivität über mehrere Elektroden und berechnet zwei zentrale Biomarker: erstens die spektrale Leistung (oscillatory power) in unterschiedlichen Frequenzbändern und zweitens die Phasensynchronität, also wie präzise verschiedene Regionen im gleichen rhythmischen Takt feuern. Diese Multi-Site-Metriken dienen als Eingabe für eine KI-Klassifikation, die auf dem Implantat selbst läuft. Der Clou ist dabei nicht nur „mehr Daten“, sondern die Auswertung von Kommunikationssignaturen zwischen Regionen: Bei psychiatrischen Störungen werden Störungen der verteilten Netzwerke als wichtiger angesehen als ein einzelner lokaler Defekt, und genau diese Annahme spiegelt sich in LogSyncs Feature-Set wider.
Die Leistungskennzahlen adressieren die zweite große Problemzone bei implantierbarer KI: Rechenaufwand bedeutet Energieverbrauch, und Energieverbrauch bedeutet wiederum Wärme im Gewebe sowie schnellere Batterielaufzeiten. In der vorgestellten Implementierung wurde deshalb Algorithmus- und Hardware-Design eng verzahnt. Laut Arbeit wird die Signalverarbeitung mit logarithmischer Arithmetik umgesetzt, wodurch komplexe mathematische Operationen in den Logarithmusbereich verlagert werden und sich damit energieintensive Multiplikationen vermeiden lassen. Ergebnis: Das gesamte System bleibt unter einem Budget von 200 Mikrowatt, was im Kontext implantierbarer Neurotechnik ein entscheidender Hebel ist, um sowohl thermische als auch Batterierestriktionen langfristig einzuhalten.
Entscheidend für den Nutzen ist schließlich, ob das SoC die relevanten Zustände überhaupt zuverlässig erkennt. Die Entwickler benchmarkten LogSync mit intrakraniellen Aufzeichnungen aus menschlichen Datensätzen. In den beschriebenen Tests konnte das System Änderungen des kognitiven Engagements beim Lösen anspruchsvoller Aufgaben unterscheiden und emotionale Erregung in Situationen identifizieren, in denen Probanden emotional aufgeladene Inhalte betrachteten. Zusätzlich folgte eine In-vivo-Validierung in einem Rattenmodell, koordiniert mit Forschungsteams an der University of Minnesota. Dabei ging es vor allem um zwei Punkte: kontinuierliches Tracking von Oszillationen und die Fähigkeit, Stimulation phasengekoppelt auszulösen, also gezielt an einem bestimmten Punkt im Zyklus einer neuralen Welle zu „greifen“.
Veröffentlicht ist die Arbeit als Originalstudie im IEEE Journal of Solid-State Circuits (Open Access) und liefert zugleich eine breitere Architektur-Perspektive: Das SoC integriert eine 32-Kanal-Front-End-Stufe für rauscharmen Empfang, eine logarithmische Recheneinheit für effiziente Feature Extraction (u. a. Spektral-/Phasen- und Konnektivitätsbiomarker) sowie einen Klassifikator, der eine Online-Anpassung unterstützt. Auf einem 65-nm-CMOS-Fertigungsknoten belegt der Chip eine Fläche von 5,46 mm²; angegeben wird zudem ein Kanalverbrauch von 6,14 µW/Kanal. Für die Validierung nennt die Publikation Sensitivitäts- und Spezifitätswerte in verschiedenen Aufgabenstellungen auf Basis intrakranieller EEG-ähnlicher Daten sowie Ergebnisse für eine öffentliche DEAP-Studie im Kontext von EEG-basierter Emotionswahrnehmung. Diese Zahlen sind kein Garant für eine klinische Wirksamkeit, aber sie zeigen, dass die Signalverarbeitung und die KI-Klassifikation nicht nur „prinzipiell“, sondern in messbaren Leistungsbereichen funktionieren.
Für die Translation in die klinische Routine ist besonders relevant, dass LogSync nicht als isoliertes DBS-Projekt gedacht ist. Die Architektur lässt sich als Baustein für andere Formen von Neurostimulation und BCI-Anwendungen lesen, etwa für adaptive DBS bei motorischen Fluktuationen (beispielsweise bei Parkinson), responsive Stimulation bei therapieresistenter Epilepsie oder auch nicht-invasive Ansätze. Gleichzeitig adressiert das Team den nächsten Schritt in der KI-Schicht: Laut Angaben aus dem Umfeld der Entwicklung wird an selbst-supervidierten „Foundation“-Modellen gearbeitet, die aus roher neuronaler Telemetrie über Zeit und Kanäle lernen. Damit verschiebt sich das Schwerpunktfeld von handoptimierten Features hin zu lernenden Repräsentationen – was langfristig helfen könnte, Robustheit gegenüber Personenunterschieden und driftenden Signalbedingungen zu erhöhen.
Für Unternehmen und Forschungsorganisationen, die in Richtung KI-gestützter Medizintechnik planen, ist der LogSync-Ansatz deshalb doppelt interessant: Er zeigt, wie sich Machine Learning unter strengen Energie- und Wärmelimits tatsächlich implementieren lässt, und er verdeutlicht, dass „adaptive“ Neurostimulation vor allem eine Netzwerk-Logik braucht. Ob und wie schnell sich solche Chip-gestützten Closed-Loop-Systeme in der Versorgung durchsetzen, hängt nun an der nächsten Validierungsstufe im klinischen Alltag: Wie stabil die Biomarker unter Alltagsbedingungen bleiben, wie gut die Phasen-Kopplung mit unterschiedlichen Implantationssituationen funktioniert und wie die Systeme in realen Workflows betrieben werden. Der technische Weg, den LogSync markiert, ist jedenfalls klar: weniger Broadcast, mehr zielgerichtetes, biomarkergetriebenes Intervenieren – und das möglichst direkt auf dem Implantat.
🔥 Heutige Hot Deals bei Amazon: Bis zu 80% Rabatte!
🎉 Amazon Haul-Store für absolute Schnäppchenjäger!
- ★ 23-stufiges KI-Go-Training – Für Spieler mit Grundkenntnissen der Regeln – Entwickelt als intelligenter Trainingspartner passt sich die KI Spielern von 18K bis 9D an. Ideal für alle, die die Grundregeln bereits beherrschen und ihr Spiel verbessern möchten.
- IHR EMOTIONALER AI-BEGLEITER: Eiliko ist mehr als nur ein Anhänger, es ist ein charismatischer KI-Freund. Mit einem dynamischen LED-Bildschirm, der eine Vielzahl von animierten Gesichtern und Ausdrucksformen anzeigt, reagiert er auf Ihre Interaktionen mit einzigartiger Persönlichkeit und Charme.
- 【MEHR LEBEN FÜR DEINEN SCHREIBTISCH】 Lerne Eilik kennen – deinen kleinen Roboter-Freund mit Persönlichkeit. Mit liebevollen Animationen, ausdrucksstarken Reaktionen und spielerischen Interaktionen bringt Eilik mehr Freude in deinen Alltag. Ob auf dem Schreibtisch, im Büro oder am Nachttisch – Eilik wird schnell zu einem vertrauten Begleiter für besondere Momente.
- 【XL-Größe für gedeihende Pflanzen】Geben Sie Ihren Pflanzen den Raum, den sie verdienen! Unser verbessertes, großes 13,7 cm großes Design bietet Platz für Pflanzen mit einem Durchmesser von bis zu 8,9 cm und damit deutlich mehr Platz für Wurzelwachstum und Pflanzengesundheit im Vergleich zu kleineren, veralteten Modellen. Die Produktabmessungen betragen 13,6 x 13,6 x 13,2 cm und das Gerät wiegt nur 355 g.
- V28 Update - JETZT MIT NEUEN FUNKTIONEN! Als Reaktion auf das Ladeproblem von Loona haben wir das automatische Aufladen 2.0 verbessert. Diese Optimierung hilft Loona, die Ladewege in verschiedenen Szenarien zu erkennen und anzupassen, um die Erfolgsquote beim automatischen Aufladen zu erhöhen. Mobile Hotspots können sich mit Loona verbinden und überwinden WLAN-Einschränkungen, sodass Sie jederzeit und überall mit Loona interagieren können.
- Die besten Bücher rund um KI & Robotik!
- Die besten KI-News kostenlos per eMail erhalten!
- Zur Startseite von IT BOLTWISE® für aktuelle KI-News!
- IT BOLTWISE® kostenlos auf Patreon unterstützen!
- Aktuelle KI-Jobs auf StepStone finden und bewerben!
- Künstliche Intelligenz: Dem Menschen überlegen – wie KI uns rettet und bedroht | Der Neurowissenschaftler, Psychiater und SPIEGEL-Bestsellerautor von »Digitale Demenz«
Du hast einen wertvollen Beitrag oder Kommentar zum Artikel "LogSync: Ultra-Low-Power-SoC für adaptive KI-DBS gegen Depression" für unsere Leser?
#Sophos
#AmazonPrime
#Bestseller
Es werden alle Kommentare moderiert!
Für eine offene Diskussion behalten wir uns vor, jeden Kommentar zu löschen, der nicht direkt auf das Thema abzielt oder nur den Zweck hat, Leser oder Autoren herabzuwürdigen.
Wir möchten, dass respektvoll miteinander kommuniziert wird, so als ob die Diskussion mit real anwesenden Personen geführt wird. Dies machen wir für den Großteil unserer Leser, der sachlich und konstruktiv über ein Thema sprechen möchte.
Du willst nichts verpassen?
Du möchtest über ähnliche News und Beiträge wie "LogSync: Ultra-Low-Power-SoC für adaptive KI-DBS gegen Depression" informiert werden? Neben der E-Mail-Benachrichtigung habt ihr auch die Möglichkeit, den Feed dieses Beitrags zu abonnieren. Wer natürlich alles lesen möchte, der sollte den RSS-Hauptfeed oder IT BOLTWISE® bei Google News wie auch bei Bing News abonnieren.
Nutze die Google-Suchmaschine für eine weitere Themenrecherche: »LogSync: Ultra-Low-Power-SoC für adaptive KI-DBS gegen Depression« bei Google Deutschland suchen, bei Bing oder Google News!