Un dispositif novateur élaboré par des ingénieurs de l’Université du Nord-Ouest a réussi à détecter les irrégularités du rythme cardiaque avant même la fin de chaque contraction anormale. Lors d’expérimentations avec des électrocardiogrammes (ECG), la précision de la méthode a dépassé 98 %, tout en nécessitant près de 10 000 fois moins d’opérations de calcul qu’avec les systèmes d’intelligence artificielle traditionnels, selon des sources fiables.
Au cœur de cette innovation se trouve un mémtransistor en disulfure de molybdène, MoS₂, dont l’épaisseur ne dépasse pas quelques atomes. Contrairement à l’architecture informatique classique, où les données circulent constamment entre le processeur et la mémoire, cet élément stocke et traite directement l’information au sein d’une seule structure.
Le comportement unique de cet appareil est dû à un schéma de contacts asymétrique. Un des électrodes recouvre partiellement la couche de semi-conducteur via un isolant fin. Lorsque la direction de la tension change, le mémtransistor bascule entre deux modes de fonctionnement : dans le premier, la réponse s’intensifie progressivement, tandis que dans le second, elle est forte au départ, puis s’atténue rapidement.
Ce mécanisme imite un principe de fonctionnement d’une chaîne neuronale du cervelet. Les impulsions excitatrices et inhibitrices équilibrent leurs effets lors d’une stimulation habituelle, ce qui permet à la système de consommer peu de ressources pour des signaux prévisibles. Un écart par rapport à ce fonctionnement perturbe cet équilibre, entraînant une réaction significative.
Lors des tests, le dispositif a reçu des données ECG tant pour des contractions régulières que pour des arythmies. Les rythmes normaux n’entraînaient pas de réaction marquée, tandis qu’une contraction anormale était identifiée environ un cinquième du cycle cardiaque, ce qui est plus de deux fois plus rapide que les algorithmes d’intelligence artificielle standards.
À terme, une telle technologie pourrait être utilisée dans des moniteurs cardiaques portables, des robots autonomes, des véhicules sans conducteur et des systèmes de cybersécurité. Le traitement des signaux directement sur appareil contribue à réduire la latence, à économiser de l’énergie et à limiter la nécessité d’envoyer constamment des données vers des centres cloud.
Dans un contexte où l’efficacité énergétique est devenue primordiale, l’Agence internationale de l’énergie prévoit que la consommation d’électricité par les centres de données pourrait doubler d’ici 2030. En déplaçant une part de l’analyse vers des composants locaux peu gourmands en énergie, il serait possible d’alléger la pression sur les infrastructures serveur et les réseaux électriques.
Cette recherche, publiée dans la revue Nature Communications, constitue pour l’heure une preuve de concept. Les chercheurs ont reproduit un unique segment de la chaîne neuronale du cervelet et projettent d’intégrer des capacités d’adaptation pour que des événements récurrents ne soient plus considérés comme nouveaux par l’appareil.
Points à retenir
- Dispositif capable de détecter les arythmies cardiaques avec une précision de 98 %.
- Utilisation de mémtransistors en MoS₂ pour un traitement de données efficace.
- Mécanisme de détection inspiré du fonctionnement neuronale.
- Applications potentielles dans la santé, la robotique et la cybersécurité.
- Intérêt croissant pour les solutions énergétiques face à l’augmentation des besoins en calcul.
Ce développement soulève des questions fascinantes sur l’avenir des technologies de surveillance biomédicale et leur impact sur notre quotidien. En tant que passionné par l’innovation, je suis convaincu que ces avancées pourraient transformer notre manière de comprendre et de réagir aux signaux de notre corps, tout en contribuant à un écosystème numérique plus durable.