主要内容
边缘 AI 医疗设备的下一个前沿并非可穿戴设备或床边监测仪，而是人体内部本身。科利耳新推出的 Nucleus Nexa 系统代表了首款能够在管理极端功耗限制的同时运行机器学习算法、在设备上存储个性化数据并接收空中固件更新以逐步改进其 AI 模型的人工耳蜗植入物。
对于 AI 从业者来说，技术挑战令人震惊：构建一个实时分类五种不同听觉环境的决策树模型，在必须持续数十年的低功耗预算设备上进行优化，并在直接与人类神经组织接口的同时完成所有这些工作。
系统智能的核心在于 SCAN 2，这是一种环境分类器，可分析传入的音频并将其分类为语音、噪声中的语音、噪声、音乐或安静。科利耳全球首席技术官扬·扬森在接受 AI 新闻独家采访时解释说：“这些分类随后输入到决策树中，决策树是一种机器学习模型。此决策用于调整该情况下的声音处理设置，从而调整发送到植入物的电信号。”
该模型在外部声音处理器上运行，但有趣的是：植入物本身通过动态电源管理参与智能。通过增强的射频链路，数据和电源在处理器和植入物之间交织，使芯片组能够根据 ML 模型的环境分类优化电源效率。
除了环境分类，该系统还采用了 ForwardFocus，这是一种空间噪声算法，使用来自两个全向麦克风的输入来创建目标和噪声空间模式。该算法假设目标信号来自前方，而噪声来自侧面或后方，然后应用空间滤波来减弱背景干扰。
从 AI 角度来看，值得注意的是自动化层。ForwardFocus 可以自主运行，减轻用户在处理复杂听觉场景时的认知负荷。激活空间滤波的决策是基于环境分析的算法决策，无需用户干预。
植入设备本身的可升级固件是这一代与前一代植入物的区别所在。历史上，一旦人工耳蜗植入物被手术植入，其功能就被固定。新的信号处理算法、改进的 ML 模型、更好的降噪功能——都无法使现有患者受益。
而 Nucleus Nexa 植入物改变了这一局面。通过科利耳专有的短距离射频链路，听力学家可以通过外部处理器将固件更新发送到植入物。安全性依赖于物理限制——有限的传输范围和低功耗输出需要在更新期间靠近——并结合协议级别的安全措施。
从 AI 部署角度来看，这解决了一个关键挑战：当硬件组件出现故障或更换时，如何维护个性化模型参数？
科利耳目前的实现使用决策树模型进行环境分类，但未来可能会转向深度神经网络。