A kamrai tachikardia (VT vagy V-tach) a szívritmuszavarok egyik típusa. Az ebben az állapotban szenvedő betegekről rengeteg adat - többek között ultrahang, MRI, EKG és laborértékek - áll rendelkezésre a kórházban, amelyeket jelenleg nem használnak fel. A COMBAT-VT projekt a de Eindhoveni Műszaki Egyetem (TU/e), a Philips Research és a Catharina Kórház együttműködésében egy olyan számítógépes modell kifejlesztését célozza, amely a beteg adatait felhasználva előre jelzi a szívritmuszavarok kockázatát, és támogatja a legjobb kezelésről szóló döntést. Ez jelentősen javítaná az életminőséget, miközben csökkentené az egészségügyi költségeket - áll a TU/e sajtóközleményében.
A betegadatokat a kezeléshez fogják felhasználni, de számítógépes modellek formájában fiziológiai és fizikai ismeretek is rendelkezésre állnak. A projekt a fizikával informált neurális hálózatokat (Physics Informed Neural Networks, PINN) vizsgálja, amelyek úgy próbálják az adatokat betanítani, hogy közben a fizika törvényeit is tiszteletben tartják. Így a tanulás hatékonyabbá válik.
Az elektrofiziológiai VT-szimulációk az infarktus területének geometriai információira támaszkodnak, ahol a szöveti tulajdonságok átalakítása a jelenlegi elektrofiziológiai modellezési csővezetékben erre a területre korlátozódik. A mechanikai szimulációkban azonban a funkcionális rendellenességek ezen az infarktus területén kívül is kimutathatók, ahol a közeli távoli terület deformációit befolyásolja a diszfunkcionális infarktus.
A gépi tanulás esetében a konvolúciós neurális hálózat (CNN) architektúra vált a képfelismerést használó alkalmazások kedvelt módszerévé. A CNN architektúrát képek, kézírások és egyéb komplex reprezentációk magas szintű felismerését igénylő alkalmazásokhoz fejlesztették ki. Ez "pipeline" (csővezeték) megközelítést használ, amely megtanulja a bemeneten kapott fontos jellemzőket, és ezeket a kimeneten osztályozza.
Az új projekt a VT-adatok elemzésére szolgáló új számítási modellt, az úgynevezett izogeometriai elemzést (IGA) is fel kívánja használni. Az IGA lehetővé teszi sima diszkretizált geometriák felépítését. A várakozások szerint a jelenleg használt módszerekhez képest csökkenteni fogja a számítási ráfordítást, miközben lehetővé teszi a VT-k fejlődésének és viselkedésének pontos ábrázolását.
