KI für Medizinprodukte und das digitale Gesundheitswesen - MATLAB & Simulink

E-Book

Kapitel 7

Integration von KI in den Entwurf auf Systemebene mit Simulink

Mit der Statistics and Machine Learning Toolbox sowie der Deep Learning Toolbox integriert MATLAB die KI in den Modellentwicklungsprozess. Allerdings wird die KI auch in den Entwurf auf Systemebene mithilfe von Simulink integriert.

Die Verwendung von Simulink-Modellen während des gesamten Entwicklungsprozesses – ein Ansatz, der als Model-Based Design bezeichnet wird – ist eine bewährte Methode, um komplexe Systeme effizient und mit geringerem Risiko zu entwickeln.

Mit Simulink können Ingenieure komplexe Systeme durch die Simulation von Blockdiagrammen verstehen und analysieren. Simulink bietet Blöcke für die Bereiche Machine Learning und Deep Learning, mit denen Ingenieure die KI-Techniken mit Model-Based Design kombinieren können.

Die Integration von KI in Model-Based Design für die Entwicklung eingebetteter Algorithmen ermöglicht Folgendes:

  • Experimentieren Sie mit mehreren KI-Modellen eines Algorithmus und vergleichen Sie umgehend die Kompromisse in puncto Genauigkeit und Leistung des Geräts.
  • Evaluieren Sie KI-Modelle von Algorithmen im Hinblick auf ihre Übereinstimmung mit den Systemanforderungen, ehe sie bereitgestellt werden.
  • Lassen Sie Ihre KI-Modelle zusammen mit anderen Modellen in einer simulierten Umgebung laufen, um Probleme bei der Systemintegration zu ermitteln.
  • Testen Sie Szenarien, deren Ausführung auf Hardware oder in einer physischen Umgebung schwierig, teuer oder gefährlich wäre.
Ein Metallroboter für den Einsatz in der Chirurgie.

Die Entwicklung eines KI-gestützten und komplexen Geräts wie eines chirurgischen Roboters erfordert eine Integration und Simulation auf Systemebene.

Für die Modellierung komplexerer Medizinproduktsysteme in Simulink kann die KI auch zur datengesteuerten Modellierung mit reduzierter Ordnung (ROM) eingesetzt werden. KI-basierte ROMs können anstelle eines realitätsnahen Systemmodells nach Ab-Initio-Prinzipien (wissenschaftlichen Grundprinzipien) verwendet werden. Modelle, die auf Ab-Initio-Prinzipien beruhen, sind in der Regel zu rechenintensiv, um für den Entwurf auf Systemebene verwendet zu werden, insbesondere bei Hardware-in-the-Loop- oder Processor-in-the-Loop-Tests, bei denen ein Modell in Echtzeit laufen muss. Sie können KI-basierte ROMs mithilfe von Daten trainieren, die von realen Hardwaresystemen gesammelt wurden, und diese in Simulink integrieren, um die Systemsimulation und den Test eines komplexen Medizinproduktsystems erheblich zu beschleunigen.

Eine weitere Option ist die Nutzung von Simulink als dynamische Umgebung für das Reinforcement Learning, einem Teilbereich des Machine Learning (ML).

Weitere Informationen über Reinforcement Learning

Simulink ermöglicht es Medizintechnikern außerdem, Embedded KI-basierte Modelle als Teil des gesamten Softwareentwicklungsprozesses für Medizinprodukte zu zertifizieren, indem sie bei der Softwareentwicklung die Richtlinien der IEC 62304 einhalten und Verifikations- und Validierungsworkflows einbeziehen. Funktionen wie die anforderungsbasierte Modellierung und Tests, Systementwicklung, automatisierte und formalisierte Test-Workflows sowie die automatische Codegenerierung und -verifikation können die Gesamtentwicklungskosten und die Zeit bis zur Markteinführung eines KI-fähigen Medizinprodukts erheblich reduzieren.

Weitere Informationen über den Einsatz von Simulink bei der Entwicklung von Medizinprodukten finden Sie in dem Whitepaper Model-Based Design zur Entwicklung von Medizinprodukten.