Автор: 
Дефекты сердечных клапанов затрагивают миллионы людей по всему миру, что может привести к серьёзным осложнениям и необходимости в протезировании. Международная группа исследователей предлагает воспользоваться возможностями искусственного интеллекта с целью разработки новых сердечных протезов. Совместное использование машинного обучения и математических алгоритмов оптимизации может значительно улучшить процесс подбора параметров для настройки протезов сердечных клапанов. Это позволит достичь более быстрых и эффективных результатов в сравнении с традиционными методами, которые часто включают создание прототипов, что требует гораздо больше времени и ресурсов. Исследование опубликовано в журнале Frontiers in Bioengineering and Biotechnology.
Искусственные клапаны также имеют ограниченный срок службы из-за износа. Учёные работают над оптимизацией формы и структуры протезов, чтобы уменьшить избыточные нагрузки и продлить их эксплуатационный срок. Для этой цели они используют компьютерное моделирование для анализа давления и напряжения на клапан в разных вариациях. Машинное обучение и алгоритмы оптимизации могут значительно улучшить процесс изучения параметров и сделать его более точным и автоматизированным, что важно в медицинских исследованиях и при создании медицинских устройств.
Новый инновационный метод в области конструирования способствует уменьшению нагрузки на клапаны протезов, придавая им высокую устойчивость и продолжительность службы. Метод предоставляет модели машинного обучения различные характеристики клапана. С использованием этих параметров модель машинного обучения осуществляет прогнозы по напряжению и размеру отверстия клапана в открытом состоянии. С применением математических алгоритмов оптимизатор корректирует параметры пока не будет достигнуто наилучшее решение. Этот процесс может занять всего несколько часов вместо месяцев, необходимых для ручного проектирования.
В ходе исследований было создано более 11 000 вариантов конфигурации клапанов и для каждого из них проводилось компьютерное моделирование, что позволило собрать информацию о напряжении на створках и размере проходного отверстия в открытом положении клапана. Данная информация была применена для обучения моделей искусственного интеллекта, что дало точность прогнозов на уровне 96-98%. Это открывает возможность отказаться от традиционных численных методов.
Новый метод позволяет повысить качество медицинских устройств, сократить время разработки и снизить их стоимость, что в конечном итоге может улучшить доступность качественной медицинской помощи для пациентов, а также способствовать научным инновациям. В долгосрочной перспективе планируется создание прототипа на основе полученных данных для тестирования его характеристик в реальных условиях и сравнения с существующими моделями. Кроме того, эти инновации могут также способствовать развитию новых технологий и методов лечения, открывая перспективы для более эффективных медицинских вмешательств и улучшения заботы о пациентах.
