Геометрическое глубокое обучение для персонализации лечения сердечных аритмий

Период выполнения работ: 2026-2029 гг.

 

Фибрилляция предсердий (ФП) — самое частое нарушение ритма (1-2% популяции). Хирургическое лечение включает аблацию, базовая стратегия — изоляция лёгочных вен, но её эффективность при персистирующей ФП составляет лишь 50-60%.

 

В рамках проекта предлагается разработать предсказательную платформу для персонализированного выбора оптимального типа аблации на основе глубокого обучения на виртуальных цифровых двойниках сердца. Впервые будут использованы вариационные автоэнкодеры и диффузионные модели для генерации реалистичных геометрий предсердий (вместо классических статистических моделей формы). На этих виртуальных пациентах проведут биофизические симуляции ФП до и после различных стратегий аблации. Затем создадут алгоритм на основе графовых нейронных сетей для прогноза успеха лечения. Гипотеза: обучение на синтезированной популяции повысит точность предсказаний. Платформа будет валидирована на реальных клинических данных.