BiomedBench ha emerado como el primer conjunto de referencia que aborda de manera integral las aplicaciones de TinyML en el ámbito de dispositivos portátiles de salud. Este marco sugiere un cambio revolucionario en la forma en que se evalúan y diseñan futuros dispositivos biomédicos, enfocados en la eficiencia energética y la capacidad de procesamiento en tiempo real.

Los investigadores de la École Polytechnique Fédérale de Lausanne han diseñado BiomedBench para enfrentar los desafíos multidimensionales que presentan los dispositivos portátiles de bajo consumo en el dominio TinyML. Este enfoque hace posible monitorear la salud de los pacientes en tiempo real, utilizando modelos de aprendizaje automático de baja complejidad dentro del rango de milivatios.

Un análisis detallado de las aplicaciones típicas monitoreadas incluye la adquisición de señales, realización de inferencias mediante modelos ML como redes neuronales profundas, y exhibe la importancia del ciclo activo-ocioso en los procesos biomédicos. Los cinco indicadores métricos identificados, incluyendo ciclos de deber y ancho de banda de entrada, permiten una caracterización minuciosa de las aplicaciones, proporcionando una evaluación exhaustiva de las plataformas.

BiomedBench ha puesto a prueba cinco plataformas de bajo consumo de energía, destacando las especificidades arquitectónicas que determinan la eficiencia del procesamiento y el consumo de energía. Por ejemplo, los dispositivos GAP9 demostraron ser los más eficientes en aplicaciones de alto ciclo de trabajo, pero no así en modos de sueño profundo donde los dispositivos Apollo 3 y STM lideraron con claros avances.

La inclusión de ocho aplicaciones representativas exclusivas para el dominio portátil, con distintos requisitos de trabajo y memorias, permite un marco comparativo sin precedentes en el campo biomédico. Adicionalmente, la base de código abierto de BiomedBench no solo asegura la transparencia en futuras evaluaciones, sino que también promueve el desarrollo acelerado de aplicaciones avanzadas.

En conclusión, BiomedBench promete agilizar el diseño de nuevos dispositivos portátiles, fomentando una investigación colaborativa que facilite una directa sinergia entre el esfuerzo de desarrollo de software y hardware en el ámbito TinyML. Su disponibilidad como suite de código abierto permitirá a los desarrolladores acceder a un modelo de evaluación estandarizado, asegurando que las futuras innovaciones sean tanto prácticas como sostenibles en el extenso campo del monitoreo en tiempo real de la salud.