La Universidad del Sur de California y TetraMem Inc. han unido fuerzas para innovar en el campo del diagnóstico médico al implementar un sistema capaz de detectar múltiples enfermedades de forma simultánea. Esta proeza se logra gracias a la integración de redes neuronales en un sistema-en-chip (SoC) que combina tecnología memristiva con técnicas de inteligencia artificial generativa.

La investigación ha dado como resultado un sistema compacto y eficiente que destaca por su capacidad para detectar precozmente enfermedades como el infarto agudo de miocardio y el cáncer de hígado. El núcleo del sistema es un chip SoC completamente integrado, que aloja diez matrices cruzadas de memristores de 256x256, facilitando una ejecución end-to-end precisa y rápida.

Con el desafío de la limitada capacidad de datos en el ámbito médico, los investigadores han incorporado inteligencia artificial generativa para enriquecer los datos disponibles, potenciando así la robustez y precisión del clasificador al alcanzar una impresionante tasa de acierto del 91.82%. Este enfoque no sólo mejora la diversidad del conjunto de datos, sino que también fortalece la resistencia del modelo frente a las imperfecciones de hardware.

El sistema ha demostrado una eficiencia energética considerable al reducir la latencia y mejorar el rendimiento, lo que podría revolucionar la forma en que se realizan los diagnósticos médicos. La tecnología memristiva incorporada rinde tributo a la ley de Ohm y la ley de Kirchhoff para multiplicación y suma, eliminando el cuello de botella de Von-Neumann en sistemas de computación digitales tradicionales.

A pesar de las anteriores limitaciones de sistemas memristivos en detección de enfermedades, que se restringían a configuraciones experimentales grandes y al diagnóstico de una sola enfermedad, el nuevo SoC supera estos desafíos. Implementado de manera que sea portátil y accesible para usuarios finales, promete ser una herramienta práctica para médicos y pacientes.

Uno de los aspectos clave de este desarrollo es el uso de una plataforma de nanofibras que potencia las señales de Raman, permitiendo así una detección sin marcadores de biomarcadores críticos. Además, se emplea una arquitectura de red neuronal profunda para procesar con precisión señales de Raman enriquecidas, clasificando con éxito entre pacientes sanos y aquellos con condiciones predeterminadas.

El proyecto concluye señalando que este avance en la tecnología de diagnóstico médico ofrece un futuro prometedor, mejorando el acceso a datos de calidad y acercando diagnósticos de enfermedades multifacéticos al alcance de más personal médico. Una mejora notable en la precisión y la eficiencia hace que esta innovación se presente como un cambio de juego en el campo médico, estableciendo una nueva norma para el uso de hardware de computación en memoria memristiva.