Motherboard als Herzstück
Bei dem eingesetzten Motherboard handelt es sich um das Kontron Mini-ITX Board E38 mit Intel-Atom-Prozessor der E3800-Serie, das über ausreichend Speicherplatz und zahlreiche Schnittstellen verfügt. Für das Betriebssystem steht ein boot-fähiger Flashspeicher bereit, Anwendungsdaten werden über eine SSD-Storage gespeichert. Bis Mitte 2019, nach drei Jahren im klinischen Einsatz, verzeichnet AktorMed keinen einzigen Ausfall eines Motherboards. Die hohe Ausfallsicherheit garantiert auch die Sicherheit für den Patienten: Der Roboterarm ist gegenüber unkontrollierten Bewegungen über Algorithmen abgesichert. Dadurch ist garantiert, dass das Endoskop den Patienten keinesfalls verletzt. Von Vorteil erweist sich für AktorMed auch die Erfahrung von Kontron mit anspruchsvollen Kunden auf der ganzen Welt. Da Zulassungen für Medizingeräte in der Regel komplex, langwierig und in allen Ländern unterschiedlich sind, kann AktorMed hier bereits auf viele notwendige Zertifizierungen, wie CE, und Bestätigungen sowie Prüfungen zur elektromagnetischen Verträglichkeit (EMV), elektrischen Sicherheit und zu den funkspezifischen Anforderungen der US-amerikanischen Federal Communications Commission (FCC) zugreifen. Auch hier macht sich die Langzeitverfügbarkeit bezahlt, denn wenn sich an der einmal zugelassenen Komponente etwas ändert, wäre bei der nächsten Auslieferung eine aufwendige Re-Zertifizierung notwendig.
Weiterentwicklung mit KI
Die komplette Software für die Sprachsteuerung des Soloassist II läuft unter Windows 7 Embedded auf dem Kontron-Motherboard. Die Boards werden von Aaronn einbaufertig bei AktorMed angeliefert. Vorher werden sie mit Arbeitsspeicher, einem Lüfter und dem SSD-Speicher ergänzt, dann wird das Software-Image aufgespielt und es finden Funktionstests statt. AktorMed arbeitet daran, flächendeckend Kliniken auf der ganzen Welt von den Vorteilen des sprachgesteuerten Soloassist II zu überzeugen. In puncto Weiterentwicklungen des Roboterarms denkt das Unternehmen schon über Anwendungen mit künstlicher Intelligenz nach: Das Endoskop könnte das zu behandelnde Operationsgebiet, z.B. ein Organ, selbstständig finden und sich selbst positionieren. Denkbar ist auch, dass durch Machine Learning bestimmte Operationsverläufe gespeichert werden und der Roboterarm die entsprechende Neupositionierung des Endoskops selbst vornehmen kann.