Atrieflimren (AF) er den mest almindelige form for uregelmæssig hjerterytme. Det opstår, når de elektriske signaler, der koordinerer hjertets sammentrækninger, bliver kaotiske, hvilket får hjertet til at slå for hurtigt og uregelmæssigt. Dette kan føre til en række alvorlige helbredsproblemer, herunder slagtilfælde, hjertesvigt og død.
Den nøjagtige årsag til AF er ikke fuldt ud forstået, men det menes at være relateret til en kombination af faktorer, herunder alder, fedme, forhøjet blodtryk og diabetes. AF er også mere almindelig hos mennesker med visse hjertesygdomme, såsom hjerteklapsygdom og koronararteriesygdom.
Forskere arbejder på at udvikle nye måder at forebygge og behandle AF. En lovende tilgang er at bruge computermodeller til at simulere, hvordan de elektriske signaler i hjertet bliver kaotiske. Dette kan hjælpe forskere med at identificere de faktorer, der udløser AF og til at udvikle nye lægemidler og behandlinger for at forhindre det.
Men traditionelle computermodeller af hjertet er ofte for langsomme til at simulere de hurtige elektriske signaler, der opstår under AF. Dette skyldes, at disse modeller skal løse et stort antal ligninger ved hvert tidstrin, hvilket kan tage lang tid på en computer.
En ny teknik kaldet ekkotilstandsnetværk (ESN'er) tilbyder en måde at overvinde dette problem på. ESN'er er en type tilbagevendende neurale netværk, der kan bruges til at simulere komplekse dynamiske systemer, såsom hjertet. ESN'er er meget hurtigere end traditionelle computermodeller, og de kan bruges til at simulere de elektriske signaler i hjertet i realtid.
Forskere ved University of California, San Diego har brugt ESN'er til at udvikle en ny computermodel af AF. Modellen er i stand til at simulere de kaotiske elektriske signaler, der opstår under AF, og den kan bruges til at studere de faktorer, der udløser AF. Forskerne håber, at deres model vil være med til at føre til nye måder at forebygge og behandle AF på.
Undersøgelsen blev publiceret i tidsskriftet Chaos:An Interdisciplinary Journal of Nonlinear Science.