Ny teknik, der trækker på ekkostatusnetværk, udfylder hullerne for at simulere, hvordan arytmiske elektriske signaler går kaotiske

Hjertearytmi opstår, når den sædvanlige symfoni af elektriske pulser, der holder hjertets muskler i synk, bliver kaotisk. Selvom symptomerne ofte knap er mærkbare, arytmi fører til hundredtusinder af dødsfald som følge af uventede, pludselig hjertestop i USA hvert år. Et stort problem, der begrænser modellering til at forudsige sådanne begivenheder, er, at det er umuligt at måle og overvåge alle de hundredvis af variabler, der samles for at få vores hjerter til at tikke.

Et par forskere ved Max Planck Institute for Dynamics and Self-Organization udviklede en algoritme, der bruger kunstig intelligens på nye måder til nøjagtigt at modellere de elektriske excitationer i hjertemusklen. Deres arbejde, optræder i Kaos , trækker på delvise differentialligninger, der beskriver spændende medier og en teknik kaldet ekkostatusnetværk (ESN'er) til at krydsforudsige variabler om kaotiske elektriske bølgeformationer i hjertevæv.

"I dette tilfælde, du skal prøve at få disse oplysninger om de mængder, som du ikke kan måle ud fra mængder, du kan måle, "sagde Ulrich Parlitz, en forfatter på papiret og en videnskabsmand ved forskningsgruppen for biomedicinsk fysik ved Max Planck Institute for Dynamics and Self-Organization. "Dette er et velkendt, men udfordrende problem, som vi leverede en ny løsning til ved hjælp af maskinlæringsmetoder. "

Fordi maskinlæringsteknikker er blevet mere kraftfulde, visse neurale netværk, såsom ESN'er, kan repræsentere dynamiske systemer og udvikle en hukommelse over begivenheder over tid, som kan hjælpe med at forstå, hvordan arytmiske elektriske signaler falder ud af synkronisering.

Den model, som forskerne udviklede, udfylder disse huller med en dynamisk observatør. Efter træning af algoritmen i et datasæt genereret af en fysisk model, Parlitz og hans partner, Roland Zimmermann, fodret en ny tidsserie af de målte mængder til ESN. Denne proces gjorde det muligt for observatøren at krydsforudsige statsvektorer. For eksempel, hvis forskere kender spændingen i et bestemt område af hjertet på et tidspunkt, de kan rekonstruere strømmen af ​​calciumstrømme.

Teamet bekræftede deres tilgang med data genereret af Barkley- og Bueno-Orovio-Cherry-Fenton-modellerne, som beskriver kaotisk dynamik, der forekommer ved hjertearytmier, endda krydsforudsigende tilstandsvektorer med støj til stede. "Dette papir omhandler krydsprognoser, men ESN'er kan også bruges til at forudsige fremtidig adfærd, "Sagde Parlitz.

At forstå hjertets elektriske egenskaber er kun en del af billedet. Parlitz sagde, at han og hans kolleger ønsker at inkludere ultralydsmålinger af hjertets indre mekaniske dynamik. En dag, gruppen håber at kombinere forskellige former for målinger med modeller af et bankende hjertes elektriske og mekaniske træk for at forbedre diagnose og behandling af hjertesygdomme. "Vi opdelte et stort problem i mange mindre, "Sagde Parlitz.