Hjärtarytmi uppstår när den vanliga symfonin av elektriska pulser som håller hjärtats muskler synkroniserade blir kaotisk. Även om symtomen ofta knappt märks, arytmi leder till hundratusentals dödsfall från oväntade, plötsligt hjärtstopp i USA varje år. En stor fråga som begränsar modellering för att förutsäga sådana händelser är att det är omöjligt att mäta och övervaka alla hundratals variabler som går ihop för att få våra hjärtan att ticka.

Ett par forskare vid Max Planck Institute for Dynamics and Self-Organization utvecklade en algoritm som använder artificiell intelligens på nya sätt för att exakt modellera de elektriska excitationerna i hjärtmuskeln. Deras arbete, dyker upp i Kaos , bygger på partiella differentialekvationer som beskriver exciterbara medier och en teknik som kallas ekotillståndsnätverk (ESN) för att korsförutsäga variabler om kaotiska elektriska vågutbredningar i hjärtvävnad.

"I detta fall, du måste försöka få denna information om de kvantiteter som du inte kan mäta från kvantiteter som du kan mäta, "sa Ulrich Parlitz, en författare på tidningen och en forskare vid forskningsgruppen för biomedicinsk fysik vid Max Planck Institute for Dynamics and Self-Organization. "Detta är ett välkänt men utmanande problem, för vilken vi tillhandahållit en ny lösning med metoder för maskininlärning. "

Eftersom maskininlärningstekniker har blivit mer kraftfulla, vissa neurala nätverk, såsom ESN, kan representera dynamiska system och utveckla ett minne av händelser över tid, som kan hjälpa till att förstå hur arytmiska elektriska signaler faller ur synkronisering.

Modellen som forskarna utvecklat fyller dessa luckor med en dynamisk observatör. Efter att ha tränat algoritmen på en datamängd som genereras av en fysisk modell, Parlitz och hans partner, Roland Zimmermann, matade en ny tidsserie av de uppmätta kvantiteterna till ESN. Denna process gjorde det möjligt för observatören att korsprognoser tillståndsvektorer. Till exempel, om forskare känner till spänningen i ett visst område av hjärtat vid en viss tidpunkt, de kan rekonstruera flödet av kalciumströmmar.

Teamet verifierade sitt tillvägagångssätt med data genererade av Barkley- och Bueno-Orovio-Cherry-Fenton-modellerna, som beskriver kaotisk dynamik som uppstår vid hjärtarytmier, även korsförutsägande tillståndsvektorer med brus närvarande. "Detta dokument behandlar korsprognoser, men ESN kan också användas för att göra förutsägelser om framtida beteende, "Sa Parlitz.

Att förstå hjärtats elektriska egenskaper är bara en del av bilden. Parlitz sa att han och hans kollegor vill inkludera ultraljudsmätningar av hjärtats inre mekaniska dynamik. En dag, gruppen hoppas kunna kombinera olika former av mätningar med modeller av ett bankande hjärtas elektriska och mekaniska egenskaper för att förbättra diagnostik och terapier av hjärtsjukdomar. "Vi delade upp ett stort problem i många mindre, "Sa Parlitz.