Nova técnica baseada em redes de estado de eco preenche lacunas para simular como os sinais elétricos arrítmicos se tornam caóticos

A fibrilação atrial (FA) é o tipo mais comum de batimento cardíaco irregular. Ocorre quando os sinais elétricos que coordenam as contrações do coração tornam-se caóticos, fazendo com que o coração bata muito rápido e irregularmente. Isso pode levar a uma série de problemas de saúde graves, incluindo acidente vascular cerebral, insuficiência cardíaca e morte.

A causa exata da FA não é totalmente compreendida, mas acredita-se que esteja relacionada a uma combinação de fatores, incluindo idade, obesidade, hipertensão e diabetes. A FA também é mais comum em pessoas com certas doenças cardíacas, como doença valvular cardíaca e doença arterial coronariana.

Os investigadores estão a trabalhar para desenvolver novas formas de prevenir e tratar a FA. Uma abordagem promissora é usar modelos de computador para simular como os sinais elétricos no coração ficam caóticos. Isto pode ajudar os investigadores a identificar os factores que desencadeiam a FA e a desenvolver novos medicamentos e tratamentos para a prevenir.

No entanto, os modelos computacionais tradicionais do coração são muitas vezes demasiado lentos para simular os sinais eléctricos rápidos que ocorrem durante a FA. Isso ocorre porque esses modelos devem resolver um grande número de equações em cada intervalo de tempo, o que pode levar muito tempo em um computador.

Uma nova técnica chamada redes de estado de eco (ESNs) oferece uma maneira de superar esse problema. ESNs são um tipo de rede neural recorrente que pode ser usada para simular sistemas dinâmicos complexos, como o coração. Os ESNs são muito mais rápidos que os modelos de computador tradicionais e podem ser usados ​​para simular os sinais elétricos no coração em tempo real.

Pesquisadores da Universidade da Califórnia, em San Diego, usaram ESNs para desenvolver um novo modelo computacional de FA. O modelo é capaz de simular os sinais elétricos caóticos que ocorrem durante a FA e pode ser usado para estudar os fatores que desencadeiam a FA. Os investigadores esperam que o seu modelo ajude a levar a novas formas de prevenir e tratar a FA.

O estudo foi publicado na revista Chaos:An Interdisciplinary Journal of Nonlinear Science.