Was bedeutet Embedded-KI für Medtech?

Offenburg, 04. November 2022

Künstliche Intelligenz hält Einzug in medizinische Geräte, ist sich AITAD CEO Viacheslav Gromov sicher. Mit Medical Design sprach er über aktuelle und künftige Entwicklungen.

(Exklusiv-Interview mit Medical Design)

inwieweit ist Embedded-KI in der Medizin ein echter Innovationstreiber?
Embedded-KI ermöglicht, was die Medizintechnik seit Jahren als Herausforderung sah, aber aufgrund technischer Beschränkungen nicht realisieren konnte. Die künstliche Intelligenz ist nun im Device selbst praktizierbar, ohne den Einsatz von sicherheitskritischen Cloud-Anbindungen oder größeren, teureren Zentralelementen wie PCs oder großen GPU-gestützten Steuerungen. Wesentliche Trendtreiber dieser Technologie sind ihre Kerneigenschaften: Embedded-KI ist sicher, ressourcensparend und kostengünstig im Sinne der nicht benötigten Netzwerkanbindung. Gleichzeitig fungiert sie in Echtzeit, liefert also Ergebnisse und Entscheidungen innerhalb von Millisekunden.

Welche medizinischen Bereiche profitieren am meisten von Embedded-KI?

Die Bandbreite reicht von Personal Health über OP-Ausrüstung bis hin in die Patientenversorgung und -pflege. Nehmen Sie zum Beispiel ein Heimanwender-Atemgerät oder eine Prothese, die sich durch Sprache oder Nutzungsprofil (Bewegung, Atemfluss) an den Nutzer anpasst bzw. automatisch ihre Funktion ändert. Im OP-Saal kann sich die Beleuchtung durch Operationsgebiet-Erkennung automatisiert auf den jeweiligen OP-Schritt mit Lichtstärke und -temperatur anpassen. Und Krankenbetten können beispielsweise durch Lidar- oder Drucksensoren die Lage des Patienten dokumentieren oder anhand seiner Gestik und Rufen bei Bedarf das Krankenpersonal informieren.

Embedded-KI in Medizingeräten entlastet und unterstützt das Personal bei täglichen Aufgaben, verbessert den Umgang mit Patienten und ermöglicht verbesserte oder neuartige Hauptfunktionen, wie die genannte Programmanpassung. Die Technologie spielt vor allem in den drei folgenden Bereichen eine wichtige Rolle: Predictive/Preventive Maintenance, Nutzerinteraktion und funktionale Innovationen. Besonders erstaunlich dabei ist, dass es je nach Datenlage, Machine-Learning-Modellen und der Systemgröße sowie Volumen Lösungen in allen Größensegmenten gibt.

Lesen Sie das vollständige Interview hier