p A arritmia cardíaca ocorre quando a sinfonia usual de pulsos elétricos que mantêm os músculos do coração em sincronia torna-se caótica. Embora os sintomas sejam frequentemente quase imperceptíveis, arritmia leva a centenas de milhares de mortes inesperadas, parada cardíaca súbita nos Estados Unidos a cada ano. Um grande problema que limita a modelagem para prever tais eventos é que é impossível medir e monitorar todas as centenas de variáveis ​​que se juntam para fazer nosso coração bater. p Dois pesquisadores do Instituto Max Planck de Dinâmica e Auto-Organização desenvolveram um algoritmo que usa inteligência artificial de novas maneiras para modelar com precisão as excitações elétricas no músculo cardíaco. Trabalho deles, aparecendo em Caos , baseia-se em equações diferenciais parciais que descrevem meios excitáveis ​​e uma técnica chamada redes de estado de eco (ESNs) para prever variáveis ​​sobre propagações caóticas de ondas elétricas no tecido cardíaco.

p "Nesse caso, você tem que tentar obter essas informações sobre as quantidades que você não pode medir, a partir de quantidades que você pode medir, "disse Ulrich Parlitz, autor do artigo e cientista do Grupo de Pesquisa em Física Biomédica do Instituto Max Planck de Dinâmica e Auto-Organização. "Este é um problema conhecido, mas desafiador, para o qual fornecemos uma solução inovadora que emprega métodos de aprendizado de máquina. "

p Como as técnicas de aprendizado de máquina se tornaram mais poderosas, certas redes neurais, como ESNs, pode representar sistemas dinâmicos e desenvolver uma memória de eventos ao longo do tempo, o que pode ajudar a entender como os sinais elétricos arrítmicos perdem a sincronia.

p O modelo que os pesquisadores desenvolveram preenche essas lacunas com um observador dinâmico. Depois de treinar o algoritmo em um conjunto de dados gerado por um modelo físico, Parlitz e seu parceiro, Roland Zimmermann, alimentou uma nova série temporal das grandezas medidas ao ESN. Este processo permitiu ao observador fazer uma previsão cruzada de vetores de estado. Por exemplo, se os pesquisadores souberem a voltagem em uma determinada área do coração em um determinado momento, eles podem reconstruir o fluxo das correntes de cálcio.

p A equipe verificou sua abordagem com dados gerados pelos modelos Barkley e Bueno-Orovio-Cherry-Fenton, que descrevem a dinâmica caótica que ocorre em arritmias cardíacas, até mesmo previsão cruzada de vetores de estado com ruído presente. "Este artigo trata da previsão cruzada, mas ESNs também podem ser usados ​​para fazer previsões de comportamento futuro, "Parlitz disse.

p Compreender as propriedades elétricas do coração é apenas uma parte da imagem. Parlitz disse que ele e seus colegas estão procurando incluir medições de ultrassom da dinâmica mecânica interna do coração. Um dia, o grupo espera combinar diferentes formas de medição com modelos de recursos elétricos e mecânicos de um coração batendo para melhorar o diagnóstico e a terapia de doenças cardíacas. "Dividimos um grande problema em muitos outros menores, "Parlitz disse.