Smarte Medizin KI-fähige Embedded Modules: Treiber des Fortschritts in der Medizintechnik

Seit Jahrzehnten zählen Medizingerätehersteller zu den Entwicklungstreibern der Medizintechnik. Bereits seit den 1990er Jahren nutzen sie Künstliche Intelligenz (KI), um die medizinische Bildgebung und Datenanalyse erheblich zu verbessern. Mit der Entwicklung leistungsstarker Hardware-KI-Beschleuniger und dem Aufkommen des maschinellen Lernens (ML) für das Training von KI-Algorithmen in den 2000er Jahren wurden Bildanalysen weiter verfeinert. Diese Entwicklungen haben zu präziseren sowie effizienteren Diagnosen und letztlich zu besserer Versorgung der Patienten geführt.

Heute profitiert eine breite Palette medizinischer Geräte von der KI-Integration. Dazu gehören stationäre Hochleistungs-Bildgebungsgeräte wie MRT- und CT-Scanner sowie mobile Ultraschall- und Röntgengeräte. Auch Patientenüberwachungssysteme und chirurgische Roboter nutzen KI. Darüber hinaus treibt KI auch Laboranwendungen voran, indem sie Geräte wie Blutanalyse-Systeme und Genomsequenzierer effizienter macht.

In den letzten zehn Jahren hat die Entwicklung, Anwendung und Bedeutung von KI in der Medizintechnik enorm an Dynamik gewonnen. Die Fortschritte basieren dabei nicht nur auf stetigen Verbesserungen in der Computertechnologie, sondern auch auf der Optimierung von KI-Algorithmen. Vorangetrieben wird dieser Wandel durch die gemeinsame Anstrengung von medizinischem Fachpersonal, Technologieentwicklern und Interessenvertretern im Gesundheitswesen.

Jüngste Fortschritte in der KI

Ein aktuelles Beispiel für die Bedeutung von KI-Innovationen in der medizinischen Bildgebung ist ein neuartiger KI-Algorithmus für die Magnetresonanztomographie (MRT). Dieser Algorithmus hat den Scanprozess revolutioniert, indem er es ermöglicht, Scans in weniger als einer Minute durchzuführen. Dadurch wird die Zeit, die Patienten im Scanner verbringen, erheblich verkürzt. Möglich wird dies durch KI-gestützte Berechnungsmethoden von Upscaling oder Superscaling. Dieser Ansatz benötigt weniger Bilder als herkömmliche Methoden und arbeitet daher deutlich schneller. Die vortrainierte KI interpoliert eine geringe Anzahl von Einzelbildern zu einem hochauflösenden Gesamtbild. Zudem kann sie unscharfe Bereiche eigenständig und präzise schärfen – ein beeindruckender Beweis für die Leistungsfähigkeit der KI bei der Verbesserung medizinischer Bildgebung.

Auch in der Endoskopie zeigt sich der Nutzen von KI, beispielsweise um Ärzte in Echtzeit auf Läsionen oder andere potenzielle Problembereiche aufmerksam zu machen. Eine leistungsstarke Inferenz ist hierbei entscheidend, um sicherzustellen, dass trainierte Modelle schnell und unmittelbar ausgeführt werden. KI-basierte Endoskopiegeräte bieten Ärzten ein effektives Werkzeug, um genauere Diagnosen zu stellen und die Patientenversorgung weiter zu verbessern.

Doch nicht nur in der Diagnostik, sondern auch bei therapeutischen Geräten wie Beatmungssystemen spielt KI eine zentrale Rolle. In diesen Systemen analysieren KI-Algorithmen kontinuierlich kritische Patientendaten und passen Parameter wie Atemfrequenz, Atemzugvolumen und Sauerstoffzufuhr automatisch an.

Integrierte KI-Beschleuniger

Die Verarbeitung großer Datenmengen erfordert Computerarchitekturen, die speziell auf die Bewältigung hoher Datenlasten ausgelegt sind. Traditionell setzten Ingenieure entweder dedizierte Allzweck-Grafikverarbeitungseinheiten (GPGPUs) ein, die über PCIe angeschlossen wurden und relativ groß sowie stromintensiv waren, oder kleinere KI-Beschleunigerkarten, die für M.2-Steckplätze entwickelt wurden.

Heute reagieren immer mehr Prozessorhersteller auf die steigenden Anforderungen der KI, indem sie KI-Funktionen direkt in ihre Chips integrieren. Dadurch lassen sich viele medizinische Anwendungen einfacher, schneller und kostengünstiger umsetzen. Da keine zusätzlichen Beschleunigerkarten oder dedizierten GPUs mehr benötigt werden, sinken die Gesamtbetriebskosten (TCO) erheblich.

Ein Beispiel für diesen Trend ist die erste Generation der Intel-Core-Ultra-Prozessoren. Diese Prozessoren integrieren eine CPU, eine besonders leistungsfähige GPU und erstmals eine neuronale Verarbeitungseinheit (NPU) auf einem einzigen Chip. Dadurch profitieren KI-Anwendungen mit hohen Rechenanforderungen von der gebündelten Leistung aller drei Komponenten. Gleichzeitig bleibt die CPU für schnelle, leichtgewichtige Aufgaben verfügbar. Die GPU, die auch als GPGPU für Rechenaufgaben verwendet werden kann, eignet sich ideal für große Arbeitslasten mit hohem parallelem Durchsatz, während die NPU für dauerhafte, stark beanspruchte KI-Arbeitslasten, die eine hohe Leistung pro Watt erfordern, verbessert ist.

Die Intel NPU führt ML-Algorithmen und KI-Inferencing mit etwa 20-mal höherer Energieeffizienz aus als Standard-x86-Architekturen. Für Bildklassifizierungsaufgaben kann die Grafikeinheit als GPGPU genutzt werden und erreicht dann eine Leistung, die mit der von dedizierten GPUs vergleichbar ist. Insgesamt beschleunigt sich die Grafik- beziehungsweise GPGPU-Verarbeitung um das 1,9-fache, was ein detaillierteres, aussagekräftigeres und intensiveres Benutzererlebnis ermöglicht. Diese KI-Funktionen können zudem problemlos mit standardisierten Computer-on-Modules (COMs) integriert werden, ohne dass Entwickler ihre bestehenden Designs grundlegend ändern zu müssen. Insbesondere COM-Express-Module sind hierfür bestens geeignet.

Modulares Rechnen bietet hohe Flexibilität

Mit der Weiterentwicklung von KI und ihren Anwendungen profitieren Entwickler von der Flexibilität von COM- und Carrierboard-Lösungen, die eine einfache Anpassung an neue Rechenanforderungen ermöglichen – und das bei minimalem Integrationsaufwand und geringen Softwareanpassungen. Der Prozess ist denkbar simpel: Das alte Modul wird entfernt, das neue eingesetzt, und das System ist bereit!

Ein Beispiel für ein COM, das sich für anspruchsvolle Edge-KI-Workloads eignet, ist das conga-TC700. Dieses COM-Express-Typ-6-Compact-Modul, das mit Intel-Core-Ultra-Prozessoren ausgestattet ist, integriert alle erforderlichen KI-Funktionen für die zuvor beschriebenen Anwendungen.

Das conga-TC700 Modul stellt anwendungsfertige KI-Funktionen in einem Plug-and-Play-COM-Express-Formfaktor bereit. Dank seiner zehnjährigen Verfügbarkeit und der einfachen Upgrade-Möglichkeiten eignet es sich ideal für leistungsstarkes Echtzeit-Computing. Es bietet hochleistungsfähige KI-Funktionen für verschiedene medizinische Anwendungen, darunter chirurgische Roboter, medizinische Bildgebungssysteme und hochauflösende Diagnose-Workstations.

Entwicklung und Verbesserung von KI-Modellen

Neben den neuen Edge-KI-Fähigkeiten der Intel-Core-Ultra-Plattform steht Entwicklern auch das Intel-Geti-Software-Framework zur Verfügung. Diese umfassende KI-Plattform für Computer Vision erleichtert es Medizintechnikern, auch mit eingeschränkten Programmierressourcen schnell und effizient KI-Modelle zu entwickeln. Entwickler profitieren von einem einheitlichen Ökosystem, das von maschinellem Lernen in der Cloud bis zu KI-beschleunigten Edge-Geräten reicht.

Darüber hinaus stärkt Intels Open-Source-Toolkit OpenVINO die Funktionalität des congatec-COM-Ecosystems. Dieses Tool ermöglicht die Optimierung und Übertragung von vorentwickelten, oft hardwarespezifischen KI-Modellen auf die Plattform des Medizingeräteherstellers, unabhängig davon, wo sie erstellt wurden. Das Toolkit unterstützt auch die intelligente Arbeitslastverteilung und entscheidet automatisch, ob Aufgaben am effizientesten von der CPU, GPU oder NPU ausgeführt werden.

Das Ecosystem bietet zudem umfassende Design-in-Services, die die Anwendungsentwicklung erleichtern und beschleunigen. Dazu gehören Evaluierungs-, Produktions- und anwendungsfertige Carrierboards, kundenspezifische aktive und passive Kühllösungen sowie ein breites Spektrum an Entwicklungsdienstleistungen. Letztere umfassen Dokumentation, Schulungen, Signalintegritätsmessungen, Schock- und Vibrationstests, Temperaturscreenings und Prüfungen zur Einhaltung von Hochgeschwindigkeitssignalstandards.

Fazit

KI ist seit langem ein zentraler Bestandteil der Medizintechnik und wurde hier bereits weit vor ihrer Einführung in anderen Industriebereichen eingesetzt. Heute gilt KI sogar als das neue Betriebssystem für medizinische Geräte. Fortschritte in der Halbleitertechnologie haben Mikroprozessoren hervorgebracht, die außergewöhnlich hohe Rechen- und Grafikleistung bieten. Mit integrierten NPUs ermöglichen sie schnellere und präzisere Diagnosen bei gleichzeitig geringerem Energieverbrauch als ihre Vorgänger. Durch die Implementierung über COM-Module werden KI-gestützte medizinische Geräte zudem äußerst zukunftssicher, da neue Technologien durch einen einfachen Austausch des Moduls problemlos integriert werden können.