Entwicklung von Hypothesen- und KI-getriebenen Methoden zur Terminierung chaotischer Wellendynamik in kardialen erregbaren Medien

• Antragsteller: Professor Dr. Thomas Lilienkamp
• Fachliche Zuordnung: Statistische Physik, Nichtlineare Dynamik, Komplexe Systeme, Weiche und fluide Materie, Biologische Physik
• Förderung: Förderung seit 2024
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 538874043

Lebensbedrohliche Herzrhythmusstörungen, wie z. B. Kammerflimmern, sind weltweit eine der Hauptursachen für Morbidität und Mortalität. Die raumzeitliche Dynamik während solcher Herzrhythmusstörungen wird bestimmt durch rotierende, selbstorganisierte elektrische Erregungswellen und deren nichtlinearer Wechselwirkung untereinander. Aktuell wird u.a. an der Entwicklung alternativer Behandlungsmöglichkeiten geforscht (insbes. Niedrigenergie Defibrillation), die zum Ziel haben die signifikanten Nebenwirkungen der derzeit angewandten konventionellen Behandlungsmethode (Abgabe eines hochenergetischen elektrischen Defibrillationsschocks) abzumildern. Mit Hilfe numerischer Simulationen können relevante Mechanismen der Niedrigenergie-Defibrillation untersucht und neue effektive Pulsfolgen entwickelt werden. Derartige umfassende numerische Untersuchungen können damit dazu beitragen, die Zahl und den Umfang der nötigen präklinischen Tierversuche zu minimieren. In diesem Projekt sollen zwei Strategien benutzt werden, um effiziente Kontrollstrategien der chaotischen Wellendynamik zu entwickeln und zu untersuchen: A. Hypothesen-getriebene Methoden, bei denen Pulssequenzen basierend auf (physikalischen) Mechanismen motiviert und entwickelt werden und B. KI-getriebene Methoden, bei denen Algorithmen aus dem Bereich des Reinforcement Learning (RL) verwendet werden sollen. Im ersten Teil des Projekts (A) soll untersucht werden, wie sich hypothesen-getriebene Terminierungsmethoden, die wir bereits in bisherigen Studien in vereinfachten numerischen Simulationen entwickelt haben, in realistischen Herzgeometrien verhalten. Im Einzelnen wollen wir den Einfluss von Merkmalen wie einer nicht-trivialen Geometrie, einer realistischen anisotropischen Leitfähigkeit und 3D-Eigenschaften der Dynamik (z.B. dynamische Eigenschaften von Filamenten) sowie das Zusammenspiel dieser Merkmale im Hinblick auf die Terminierungsrate untersuchen. Im zweiten Teil des Projekts (B) werden Algorithmen aus dem Bereich des Reinforcement Learning eingesetzt: Ein Agent (ein künstliches neuronales Netz) interagiert mit dem System (der chaotischen Wellendynamik) durch die Anwendung von räumlich lokalen Störungen. Ziel ist es frei von mechanistischen Annahmen, lediglich gesteuert durch Belohnungen/Bestrafungen (bezüglich der Wirkung der Störungen) effektive Störungsmuster und Pulsfolgen zu entwickeln. Schließlich können wir KI-getriebene Kontrollstrategien mit den bisherigen hypothesen-getriebenen Ansätzen vergleichen, um Ähnlichkeiten und Unterschiede zwischen beiden Konzepten zu untersuchen. In Zusammenarbeit mit unseren experimentellen Partnern werden wir diskutieren, wie die gewonnenen Erkenntnisse in experimentellen Studien untersucht und verifiziert werden können und wie die gewonnenen Erkenntnisse in die Entwicklung neuartiger Niedrigenergie-Defibrillationstherapien einfließen können.

• DFG-Verfahren: Sachbeihilfen