Bereits heute schaffen Smart-Devices anhand der kontinuierlichen Vitalparameter-Erfassung am Menschen Anomalien und Krankheits-Symptome vorherzusagen. Dabei erfolgt die Detektion mittels Methoden des maschinellem Lernens (ML), die eine hohe Genauigkeit sorgen. Im Bereich der Neurotechnik erlaubt der Einsatz von ML-Methoden, im Speziellen die Tiefen Neuronalen Netze (TNN), eine beschleunigte Entwicklung von neuen Therapie- Ansätzen. Jüngste Fortschritte sind die Entwicklung eines Exoskeletts, mit dem Querschnittsgelähmte Personen wieder laufen können. Oder im Gaming-Bereich kann die Steuerung eines Avatars mittels einer EEG-Kappe ausgeführt werden, bei der die Aktion durch die Erfassung der Hirnaktivität vorhergesagt wird. Allerdings werden hierzu noch ressourcen-intensive Beschleuniger-Systeme verwendet. Dabei gilt: Je höher die Ansprüche an die Biosignalverarbeitung sind und je mehr Informationen extrahiert werden kann, desto komplexer werden die zugehörigen Modelle. Die Ausführung solcher Algorithmen durch tragbare Geräte am Patienten oder durch Neuro-Implantate im Patienten ist herausfordernd. Die Einbettung der TNN in ein Sensor-System zur Echtzeit-Auswertung für sehr ressourcen-beschränkte Umgebung erfordert neue Rechenarchitekturen und neue Ansätze im Hardware-Software Co-Design. Im Rahmen des Vortrags werden die Rahmenbedingungen und die möglichen Konzepte für die Ausführung einer KI-basierten Signalverarbeitung für zukünftige Retina-Implantate vorgestellt, die bei erblindeten Patienten ein Sehen wieder ermöglichen sollen.

Das Elektrokardiogramm (EKG) ist ein unverzichtbares Diagnosewerkzeug in der modernen Kardiologie und gehört zu den am häufigsten verwendeten Methoden im klinischen Alltag. Es ist nicht nur weit verbreitet, sondern auch kostengünstig und standardisiert, was es ideal für den Einsatz von Künstlicher Intelligenz (KI) macht. Der Einsatz von maschinellem Lernen und Deep-Learning-Ansätzen wächst stetig und eröffnet neue Möglichkeiten in der medizinischen Diagnostik. Dieser Vortrag bietet einen Überblick über die aktuellen Einsatzmöglichkeiten von KI im Zusammenhang mit dem EKG – von der Prädiktion über die Diagnose bis hin zur Erklärbarkeit der Ergebnisse.

Details folgen.

When our hand touches something hot, like a candle, a nerve signal is created in the skin and travels to the brain, letting us know that we need to move our hand. However, some people do not get a signal to the brain. Therefore, they are unable to feel pain. This is a rare pain disorder. These patients often have a mutation in the gene SCN9A, which is a protein in the peripheral nerve endings that contributes to creating the signal from the nerve in the skin to the brain. During this talk, I will show how we can use a computational model to understand how nerve signals in the skin are created and the influence of the SCN9A mutation.