當(dāng)讓心臟肌肉保持同步的電脈沖“交響曲”變得混亂時，心率失常便會出現(xiàn)。盡管其癥狀通常很少被注意到，但在美國，心律不齊每年導(dǎo)致幾十萬人死于突然的心臟驟停。限制預(yù)測此類事件的模型建立的一個主要問題是，無法測量并且監(jiān)控組合在一起讓心臟跳動的上百個變量。

兩名德國馬普學(xué)會動力學(xué)和自組織研究所的研究人員開發(fā)了一種利用人工智能精確建立心臟肌肉電興奮模型的算法。

這項研究利用了描述激發(fā)介質(zhì)的偏微分方程和一項被稱為回聲狀態(tài)神經(jīng)網(wǎng)絡(luò)（ESN）的技術(shù)，交叉預(yù)測了關(guān)于心臟組織中混亂的電波傳播的變量。

“這是一個眾所周知但頗具挑戰(zhàn)性的問題。我們提供了一種利用機器學(xué)習(xí)方法的新解決方案?！闭撐淖髡咧?、該研究所生物醫(yī)學(xué)物理學(xué)研究小組成員Ulrich Parlitz表示。

由于機器學(xué)習(xí)技術(shù)已經(jīng)變得更加強大，因此諸如ESN等特定神經(jīng)網(wǎng)絡(luò)能代表動力系統(tǒng)并且隨著時間流逝留下事件記憶。這有助于理解心律不齊的電信號是如何失去同步的。

研究人員建立的模型填補了動態(tài)觀測器的空白。

在讓該算法接受了關(guān)于物理模型產(chǎn)生的數(shù)據(jù)集方面的訓(xùn)練后，Parlitz和搭檔Roland Zimmermann向ESN輸入了新的被測量的時間序列。這一過程使觀測器得以交叉預(yù)測狀態(tài)向量。例如，假設(shè)研究人員知道某個時間點上特定心臟區(qū)域的電壓，他們便能重構(gòu)鈣電流的流動?！半m然論文描述的是交叉預(yù)測問題，但ESN還可被用于預(yù)測未來行為?！盤arlitz表示，理解心臟的電屬性只是一部分內(nèi)容。

Parlitz介紹，他和同事正在研究將心臟內(nèi)部機械動力學(xué)的超聲測量結(jié)果包括進(jìn)來。該團(tuán)隊希望，或許有一天他們能將不同形式的測量結(jié)果同心臟跳動的電學(xué)和機械學(xué)特征模型結(jié)合起來，從而改善心臟疾病的診斷和治療。