A microscope image of one of the organic electrochemical transistor networks that the researchers created, made from polymer-based fibers. MATTEO CUCCHI

人工智能可以識別數據中的微妙模式，這在醫學上特別有用。到目前為止，這些都是離線的過程 —— 醫生執行醫療測試，測試數據在測試后通過軟件程序運行。但事實上，實時過程可以讓醫生更快地識別和治療醫療問題。而實時檢測這些模式的一種方法，就是將人工智能系統植入人體。

在TU Dresden的研究人員領導的一項新研究中，創建了一個由微小聚合物纖維網絡構成的系統，當浸入一種旨在復制人體內部的溶液中時，該系統起到有機晶體管的作用。這些網絡可以檢測和分類體內的異常電信號。為了測試他們的系統，研究人員用它來識別各種不規則心跳的模式。像這樣的技術可以用來檢測諸如不規則心跳和其他諸如高血糖等醫學問題。

TU Dresden的博士生、該研究的主要作者Matteo Cucchi：“我們所展示的是一個普遍的概念。這是一種通用方法，可以專門用于一個特定的應用?！?/p>

神經元型晶體管（NEURON-LIKE TRANSISTORS）

為了制造生物相容性硬件，Cucchi和他的同事們使用了由碳基材料PEDOT制成的聚合物纖維網絡。在顯微鏡下可以看到細小的分支纖維網絡。Cucchi和由該研究的資深作者、Dresden Integrated Center for Applied Physics and Photonic Material主任Karl Leo領導的其他研究人員對他們與神經元的相似性感到震驚。

當浸入模擬人體內部條件的電解液（鹽溶液）中時，纖維網絡就變成了有機電化學晶體管（OECT），與傳統計算機中的硅基晶體管一樣，雖然使用了不同的機制，但充當電流開關。

在傳統的硅晶體管中，金屬觸點控制著晶體管是開還是關。Leo表示，“OECT工作原理非常不同，因為你將通道與電解液接觸，從而改變電解液的電位。通過這種方式，你可以控制聚合物[纖維]或電解質中離子的數量。這改變了導電性。這些有機晶體管將電輸入轉換成非線性信號，就像計算機使用的二進制代碼一樣，使其可用于計算?！?/p>

研究人員在他們的系統中使用了一種稱為水庫計算的機器學習方法。與其他機器學習系統的高度結構化組織不同，這些組件是隨機配置的，以形成一個庫。在這項研究中，OECT是隨機的，因為它們的制作方式。研究人員使用了一種稱為交流電聚合的方法，該方法涉及在電極之間通過液體前體運行交流電，以制備PEDOT。材料開始在一個電極上凝結，纖維最終在另一個電極上生長。該過程產生的光纖具有不同的電阻和響應時間，有助于將電輸入轉換為非線性輸出。

研究人員以電信號的形式輸入數據，復制系統在體內接收的離子信息類型。當數據被編碼成電頻率時，系統工作得最好。信號通過“黑匣子”進行改變和轉換。然后，研究人員可以訓練一個智能系統，將結果解釋為幾種電模式之一。通過這種方式，對儲層進行訓練，以識別和分類電化學信息的模式。

測試系統

研究人員對他們的系統進行測試的數據集之一是代表四種心跳類型的數據，一種是正常的，三種是不規則的。人工智能在88%的時間里能夠正確區分四種類型的心跳。重要的是，心跳數據是已經存在的數據集的一部分，并不是作為研究的一部分從任何人那里收集的。

在未來，使用該技術更專業版本的植入式設備可能能夠檢測人體內的異常電信號和醫療問題。研究人員寫道，這可能在手術后特別有用。Leo設想了一種帶有簡單燈光顯示的設備，如果心跳正常，它將保持綠色，如果心跳不規則，它將變為紅色。Cucchi表示，“這種設備可以讓醫生在分析和侵入性操作上不損失時間和金錢的情況下對信號立即采取行動?！?/p>

研究人員表示，就目前而言，這項技術還遠未用于人體內。這項研究只考察了這樣一個系統是如何工作的 —— 將其用作醫療植入物需要進行廣泛的臨床前和臨床試驗。研究中的硬件也使用外部電源，沒有內置電源，就像植入物一樣。

這項技術還提出了在人體內植入人工智能設備的含義問題。作者建議，該系統可以在線使用，也可以實時使用，這將引起人們對如何呈現和收集數據的疑問。Leo說這些都是未來研究的重要問題。

“關于人工智能、如何應用人工智能以及人工智能被濫用的可能性，人們正在進行討論”，Leo說，“這絕對是個問題?！?/p>